Reading · Julia’s AI voor Aarde nieuws

Ik heb in deze nieuwsbrief niet zo vaak geschreven over de moeilijke momenten van het promotietraject. En het zijn er best wel veel. Ik heb altijd plezier gehad in mijn onderzoek, maar veel ‘randzaken’ wilden niet lukken. Het duurde lang tot mijn artikelen gepubliceerd werden, en omdat publicatie vaak een voorwaarde is om budget goedgekeurd te krijgen om te reizen, kon ik ook niet naar veel conferenties. Vervolgens, omdat ik weinig publiceerde, was het ook lastiger om kansen te vinden om wetenschapscommunicatie te doen (iets wat mij erg motiveert).

Ik werkte hard aan mijn onderzoek. Maar omdat de beloning daarvan (publicatie, reizen, communicatie) nog maar een stipje op de horizon was, begon ik me naast mijn onderzoek en vaste taken zoals onderwijs voor projecten die me motiveerden. Ik ontwierp een workshop over AI wetenschapscommunicatie op mijn instituut, en ik schreef me in voor inspirerende evenementen zoals de Nationale Wetenschapscommunicatiedag.

Dit was allemaal onder het mom van “Je kunt niet overwerkt/overspannen raken van dingen die je leuk vindt.”

Oh boy, was I wrong.

Ik raakte overwerkt, sliep niet goed. En ik was gedemotiveerd: hoe kan ik dan meer voldoening uit mijn werk halen? Ik vond het lastig om te accepteren dat ik nog veel langer door zou moeten gaan zonder dat er echt resultaten kwamen. Ik weet ook wel dat er mensen zijn die jarenlang dankloos, ongewaardeerd onderzoek hebben gedaan en dan later in hun carrière een Nobelprijs ofzo kregen, maar dat vond ik niet echt een motiverende gedachte. Hoe veel mensen overkomt dat nou echt?

Maar toen begon het tij te keren. Na jaren van werken aan zowel mijn onderzoek als mijn communicatieskills en netwerk, begonnen de zaadjes die ik geplant had uit te komen. Papers worden gepubliceerd, of zelfs ingediend. Ik krijg nieuwe onderzoeksinzichten. En er zijn nu heel veel leuke kansen om de wereld meer over mijn onderzoek te vertellen! Dus hier een rijtje:

Zoals ik eerder schreef, was ik naar een conferentie om een onderzoek te presenteren. Ondertussen is het oorspronkelijke onderzoek waar dit conferentieproject op voortbreidde, ook gepubliceerd! SRON schreef er een nieuwsbericht over.
Nu deze onderzoeken gepubliceerd zijn (en dus door wetenschappelijke peer review zijn gekomen), kan ik er naar hartelust over praten. Er zal ook een video/podcast voor mijn vakgenoten uitkomen en een artikel op de website van de universiteit.
De tijd & energie die in deze nieuwsbrief zijn gestopt, beginnen ook hun vruchten af te werpen. Ik word namelijk columnist! Twee keer zelfs. In december meer info hierover :)
In december zullen nog meer leuke dingen gebeuren, want ik mag de week van 9 december het LinkedIn account van Universiteiten van Nederland, NLWetenschap beheren. Ik ben al ideeen aan het verzamelen, waaronder meer comics :D. Deel van deze activiteit, is dat ik ook op de radio kom — zodra ik weet wanneer zal ik het delen.
Jullie wisten het misschien nog niet, maar ik heb mijn website zelf gebouwd. Niet in WordPress — nee, helemaal geprogrammeerd! Dit heb ik een paar jaar geleden gedaan. Ik had mijn website toen ontworpen op basis van andere wetenschappelijke websites. Nu heb ik veel meer geleerd over websites ontwerpen (mede-dankzij Liesbeth Smith’s werk en tips van Lotte Julia Herstel). Ik wil nu vóór december mijn website informatiever en toegankelijker maken voor mensen zoals jij, lezers van deze nieuwsbrief. Nu kun je niet zo veel vinden over mijn wetenschapscommunicatie.
Tenslotte (omdat het geloof ik al te laat is om je in te schrijven?) ben ik volgende week vrijdag expert/mentor op de Hackathon for Good Youth edition. Dit is een evenement waarbij tieners in teams (en met begeleiding van mentors/experts) zullen werken aan oplossingen programmeren of bouwen voor verschillende problemen. Ik kijk er heel erg naar uit om met deze doelgroep te werken—vooral om heel veel van ze te leren over hun kijk op AI en informatica.

Deel van het herontwerp van mijn website, is dat ik af wil van lange teksten en meer een overzicht wil geven van wat ik te bieden heb op het gebied van wetenschap en communicatie. Ik heb wel een algemene introductie over mijn onderzoek waar ik erg trots op ben, maar die eigenlijk te lang is voor wat ik voor ogen heb. Daarom geef ik dat stuk een nieuw thuis in deze nieuwsbrief. Het stuk was een beetje weggestopt, dus je hebt het waarschijnlijk niet gezien.

Heb je wel eens getwijfeld of je buren wel een bouwvergunning hadden voor hun nieuwe dakkapel? Je hoeft dan niet naar de gemeente te stappen: sommige gemeentes gebruiken AI modellen om automatisch nieuwe dakkapellen in luchtfoto’s te vinden.

Luchtfoto’s zijn niet alleen handig voor gemeentes. Ze zijn ook cruciaal om de Aarde in de gaten te houden: grote gaslekken opsporen, het weer onderzoeken, en voorspellen. Ook kunnen we ermee monitoren hoe gewassen groeien.

Het probleem? Luchtfoto’s bestaan in alle soorten en maten. Denk aan hoge resolutie foto’s waarmee je elke dak kappellen kunt zien en bomen kunt tellen, versus lage resolutie kaarten van concentraties gassen in de atmosfeer, die nauwelijks meer op foto’s lijken. Door deze grote verschillen kan één AI model vaak niet beide soorten foto’s goed interpreteren.

Normaal gesproken ontwerp je dus een nieuw AI model voor elke toepassing. Maar dat kost tijd. Bovendien maakt het AI-modellen lastig toegankelijk voor aardwetenschappers. Je kunt niet zomaar het AI model van iemand anders gebruiken, zoals je ChatGPT voor elke soort tekst kunt gebruiken. Je moet dus genoeg over AI weten om je eigen model te bouwen.

Ik doe onderzoek naar algoritmes die automatisch AI modellen bouwen voor verschillende soorten luchtfoto’s. De uitdaging: je hebt veel specifieke kennis nodig over zowel foto’s van een satelliet als een toepassing (zoals gaslekken vinden). Bijvoorbeeld: metingen van bergachtige gebieden met grote hoogteverschilen kunnen onbetrouwbaarder zijn. Ik ontwikkel algoritmes die dit soort kennis automatisch leren door naar talloze foto’s te kijken, en daarna die kennis inzetten om een goed AI model te bouwen.

Stel je deze AI-bouwer voor als een fabriek die automatisch LEGO-auto’s bouwt op basis van jouw wensen. Op welk terrein moet de auto rijden? Wil je een supersnelle auto, of moet hij door diep water kunnen rijden? De fabriek heeft alleen een grote bak met LEGO-blokjes van verschillende vormen en maten. Een algoritme moet dan de juiste blokjes selecteren om een passende auto te maken.

In mijn onderzoek kijk ik naar welke “blokken” je in die bak moet hebben (je kunt geen auto bouwen zonder wielen), en hoe we een goede auto herkennen. Het kan namelijk gebeuren dat de fabriek denkt een perfecte auto te hebben gebouwd, maar dat hij vastloopt of uit elkaar valt zodra je ermee op pad gaat.

Mijn einddoel is om AI modellen toegankelijker te maken voor Aardwetenschappers, zodat we sneller klimaatproblemen kunnen oplossen. Met een automatisch algoritme hoeven AI experts minder te begrijpen over de data en de toepassing, en kunnen aardwetenschappers AI modellen bouwen zonder te veel over AI te moeten leren. Door de kloof tussen AI en aardwetenschappen te verkleinen, kunnen we beter van elkaar leren.

Laat me weten wat je er van denkt! Jouw feedback is onmisbaar om mijn toekomstige communicatie te verbeteren ❤️.

Automatiseren van AI (je leest het goed)

Comments