Dit is een initiatief van HKV lijn in water samen met Rijkswaterstaat.
Het gebruik van machine learning in de watersector is de afgelopen jaren aanzienlijk toegenomen en biedt kansen om belangrijke vragen in de watersector op te lossen. Tegelijkertijd zetten veel mensen hun vraagtekens bij de betrouwbaarheid van de uitkomsten. Hoe moet je een model vertrouwen dat niet transparant is in hoe het berekeningen maakt? Het DigiShape seedmoney 2023 project ‘Explainable AI’ wil hier verandering in brengen.
Bij een project over zoutintrusie dat wordt uitgevoerd bij Rijkswaterstaat, zijn een aantal manieren ontdekt om machine learning voorspelling inzichtelijker te maken. Zo is het belangrijk om niet alleen de uitkomsten, maar ook de manier van rekenen te visualiseren. Wij gebruiken Explainable AI technieken zodat je kan zien welke sleutelfactoren het belangrijkst zijn. Ook kun je bijvoorbeeld steeds één variabele veranderen en kijken wat voor invloed dit op de uitkomsten heeft. Zo ontdek je welke invloed een sleutelfactor heeft op de uitkomsten van het model. Door dit in grafieken weer te geven, krijg je meer inzicht in wat er in de black box gebeurt. In dit seedmoney project wordt er gekeken of er nog meer methoden zijn om inzicht te geven. Op basis van deze technieken is een tool ontwikkeld, waarmee je als gebruiker snel en interactief door de uitkomsten van een model kan gaan om te zien welke sleutelfactoren het belangrijkst zijn. Daarvoor heb je zelf dan geen kennis van AI nodig.
Meer informatie in het interview met Paula Lambregts en Thomas Stolp van HKV.
Rapport en code
- Deze zijn in ontwikkeling en worden op deze pagina geplaatst zodra ze beschikbaar zijn.
