Filter results

9845 resultaten

Hoe systeemveiligheid Machine Learning systemen veiliger kunnen maken in de publieke sector

Machine Learning (ML), een vorm van AI waarbij patronen worden ontdekt in grote hoeveelheden data, kan heel handig zijn. Het wordt steeds vaker gebruikt, denk aan chatbot Chat GPT, voor gezichtsherkenning of aan spraaksoftware. Maar er zijn ook zorgen over de toepassing van ML systemen in de publieke sector. Hoe voorkom je dat het systeem bijvoorbeeld discrimineert, of op grote schaal fouten maakt met negatieve effecten op burgers? TU Delft wetenschappers, waaronder Jeroen Delfos, onderzochten hoe lessen uit de systeemveiligheid kunnen bijdragen aan een veiliger ML systeem in de publieke sector. ‘Beleidsmakers zijn druk met het bedenken van maatregelen om negatieve effecten van ML tegen te gaan. Uit ons onderzoek blijkt dat zij veel meer kunnen leunen op bestaande concepten en theorieën die hun waarde al hebben aangetoond in andere sectoren,’ zegt Jeroen Delfos. Jeroen Delfos Leren van andere sectoren In het onderzoek gebruikten de onderzoekers concepten van systeemveiligheid en systeemtheorie om de uitdagingen van het gebruik van ML systemen in de publieke sector te beschrijven. Delfos: ‘Concepten en tools uit de systeemveiligheidsliteratuur worden al veel gebruikt om de veiligheid van bijvoorbeeld de luchtvaart te ondersteunen, onder andere door ongelukken te analyseren met systeemveiligheidsmethodes, maar binnen het veld van AI en ML is dit nog niet gebruikelijk. Door de systeemtheoretische blik bekijken we veiligheid niet alleen als een resultaat van hoe de techniek werkt, maar juist als een resultaat van complexe set aan technische, sociale en organisationele factoren.’ De onderzoekers interviewden professionals uit de publieke sector om te zien welke factoren worden onderkend, en welke nog onderbelicht zijn. Bias Op een aantal punten kan terrein worden gewonnen om ML systemen in de publieke sector veiliger te maken. Zo wordt bijvoorbeeld bias in data nog vaak als een technisch probleem gezien, terwijl de oorsprong van die bias ver buiten het technische systeem kan liggen. Delfos: ’Denk dan bijvoorbeeld aan de registratie van criminaliteit. In buurten waar de politie vaker surveilleert wordt logischerwijs meer criminaliteit geregistreerd, waardoor deze buurten overgerepresenteerd worden in criminaliteitscijfers. Een ML systeem dat geleerd wordt patronen te ontdekken in deze cijfers zal deze bias gaan herhalen of zelf versterken. Het probleem zit echter in de manier van registreren, en niet in het ML systeem zelf.’ Risico’s verminderen Volgens de onderzoekers doen beleidsmakers en ambtenaren die bezig zijn met de ontwikkeling van ML systemen er goed aan om concepten van systeemveiligheid mee te nemen. Zo is het aan te raden om bij het ontwerpen van een ML systeem vooraf te identificeren wat voor ongelukken men wil voorkomen. Verder is een les vanuit systeemveiligheid, bijvoorbeeld in de luchtvaart, dat systemen in de praktijk de neiging hebben om over tijd steeds risicovoller te worden, omdat veiligheid steeds ondergeschikter raakt aan efficientie zolang er geen ongelukken gebeuren. ‘Het is dus belangrijk dat veiligheid een terugkomend onderwerp is bij evaluaties en dat de eisen voor veiligheid worden gehandhaafd’, aldus Delfos. Lees het paper over dit onderzoek. Andere TBM onderzoekers die meewerkten aan dit onderzoek zijn: Anneke Zuiderwijk, Sander van Cranenburgh, Roel Dobbe en Caspar Chorus (van faculteit IO). Lees het paper over dit onderzoek. Lees de story of science van Roel Dobbe voor meer informatie over de risico’s van algoritmische besluitvorming en systeemveiligheid.

Half Height Horizontal

Oude nederzettingen in Colombia traceren met remote sensing

Een team van de LDE -alliantie (Universiteit Leiden, TU Delft en Erasmus Universiteit Rotterdam) vroeg zich af of het mogelijk is om met remote sensing-technieken te speuren naar tekenen van oude nederzettingen in de jungle. Voor een expeditie in een dichtbegroeid bos in Colombia sloeg het team, waaronder remote sensing expert Felix Dahle van de TU Delft, de handen ineen met archeologen en drone-experts uit Colombia. In bergachtige bossen zijn drones een betaalbare oplossing om het gebied in kaart te brengen. Vanaf de grond zijn de locaties vaak slecht of niet toegankelijk. Een LiDAR-laserscanner heeft zijn waarde al bewezen in kustwaarnemingen , maar de vraag was of LiDAR de dichte boomtoppen kon omzeilen. Bomen reflecteren de laser, dus het was cruciaal om dichtbij te vliegen zodat de laser zijn weg door het bladerdek kon vinden. Het team monteerde een draagbare LiDAR-laserscanner op een drone en ging op expeditie in de buurt van oude terrassen van de Tairona-cultuur in de Sierra Nevada van Santa Marta. “We moesten de juiste plek vinden. Dicht bij de archeologische vindplaatsen en toch veilig boven het bladerdak”, zegt Felix Dahle. En het is gelukt. De LiDAR-laserscanner maakte een puntenwolk en een gedetailleerd 3D-model van het landschap. “We waren in staat om oude terrassen in de jungle zichtbaar te maken. We ontdekten dat we door het bos heen kunnen scannen als het niet te dicht is, maar sommige gebieden bleven ondoorgrondelijk. We konden ook verschillende vegetatietypen onderscheiden, wat ook van grote waarde kan zijn bij het vinden van onontdekte archeologische vindplaatsen.”

TU Delft jointly wins XPRIZE Rainforest drone competition in Brazil

TU Delft wint gezamenlijk XPRIZE Rainforest competitie in de Amazone, Brazilië Stel je zich voor: snelle en autonome robottechnologie gebruiken voor onderzoek naar de groene en vochtige longen van onze planeet; onze wereldwijde regenwouden. Drones die autonoom eDNA samplers en netten voor in boomtoppen inzetten, brengen de rijke biodiversiteit van deze complexe ecosystemen aan het licht en onthullen de effecten van menselijke activiteiten op de natuur en klimaatverandering. Op 15 november 2024, na vijf jaar intensief onderzoek en competitie, bereikte het ETHBiodivX-team, waarvan ook Luchtvaart- en Ruimtevaartonderzoekers van de TU Delft, Salua Hamaza en Georg Strunck, deel uitmaakten, een opmerkelijke mijlpaal: het winnen van de XPRIZE Rainforest Bonus Prize voor uitmuntende inspanningen bij het gezamenlijk ontwikkelen van inclusieve technologie voor natuurbehoud. Het doel: geautomatiseerde technologie en methoden ontwikkelen om bijna realtime inzichten te krijgen in biodiversiteit - het leveren van noodzakelijke gegevens die kunnen bijdragen aan behoud en beleid, duurzame bio-economieën kunnen ondersteunen en inheemse volkeren en lokale gemeenschappen, die de belangrijkste beschermers en kennishouders zijn van de tropische regenwoudens op aarde, meer macht kunnen geven. Het ETHBiodivX team, bestaande uit experts in Robotica, eDNA en Data Insights, ging de enorme uitdaging aan om de manier waarop we ecosystemen monitoren te automatiseren en te stroomlijnen. Aan het hoofd van de robotica-afdeling, een samenwerking tussen Universitair Hoofddocent Salua Hamaza van de TU Delft, prof. Stefano Mintchev van de ETH Zürich en prof. Claus Melvad en Toke Thomas Høye, ontwikkelt baanbrekende robotoplossingen om autonoom ecologische en biologische gegevens te verzamelen. “We stonden voor de immense uitdaging om robots in het wild in te zetten - en niet zomaar in een buitenomgeving, maar in een van de meest veeleisende en onbekende: de natte regenwouden. Dit vereiste buitengewone inspanningen om robuustheid en betrouwbaarheid te garanderen, waarbij we de grenzen verlegden van wat de hardware kon bereiken voor autonome gegevensverzameling van beelden, geluiden en eDNA in het Amazonegebied”, zegt universitair hoofddocent Hamaza. “Uiteindelijk zal deze technologie beschikbaar zijn voor inheemse gemeenschappen als hulpmiddel om de voortdurende veranderingen in de biodiversiteit van het bos beter te begrijpen, die de lokale bevolking voorziet van essentiële hulpbronnen zoals voedsel en onderdak.” . . . .

Veiligere en efficiëntere bloedvatbehandelingen door innovatieve kathetertechnologie

Wereldwijd worden jaarlijks meer dan 200 miljoen katheters gebruikt voor de behandeling van vaatziekten zoals hartaandoeningen en slagadervernauwing. Hoewel essentieel, brengt het gebruik van katheters risico’s met zich mee: wrijving tussen de katheter en de vaatwand kan complicaties veroorzaken. Een nieuwe technologie, ontwikkeld door Mostafa Atalla en zijn team, biedt een oplossing. Met één druk op de knop kan de wrijving van de katheter worden aangepast, van maximale grip naar volledige gladheid. Deze innovatie belooft niet alleen veiligere, maar ook efficiëntere endovasculaire procedures mogelijk te maken. De resultaten zijn gepubliceerd in het wetenschappelijk tijdschrift IEEE. Slimme katheter met instelbare wrijving Het nieuwe katheterprototype is uitgerust met geavanceerde technologie die de wrijving tussen de katheter en vaatwand nauwkeurig reguleert via ultrasone trillingen. Dit mechanisme zet via ultrasone trillingen de dunne vloeistoflaag onder druk waardoor de wrijving dynamisch kan worden aangepast: lage wrijving voor soepele navigatie door bloedvaten en hogere wrijving voor optimale stabiliteit tijdens een procedure. Tests tonen aan dat deze techniek de wrijving op harde oppervlakken met gemiddeld 60% vermindert en op zachte oppervlakken met 11%. Veelbelovende resultaten Bij experimenten op dierlijk aortaweefsel heeft het prototype zijn potentieel bewezen. Deze innovatie kan niet alleen bij vaatbehandelingen worden ingezet, maar mogelijk ook bij andere medische procedures, zoals interventies in de darmen. De onderzoekers zijn nu bezig de technologie verder te ontwikkelen en te testen op bredere toepassingen. Meer informatie Publicatie DOI: 10.1109/TMRB.2024.3464672 Toward Variable-Friction Catheters Using Ultrasonic Lubrication | IEEE Journals & Magazine | IEEE Xplore Mostafa Atalla: m.a.a.atalla@tudelft.nl | Aimee Sakes: a.sakes@tudelft.nl | Michael Wiertlewski: m.wiertlewski@tudelft.nl Wil je een demonstratie bijwonen of in contact komen met een van de onderzoekers neem contact op met: Fien Bosman, persvoorlichter TU Delft Health: f.j.bosman@tudelft.nl/ 0624953733