Het menselijke gedrag van een informaticus

Sense the Science at the Faculty of Science and Engineering 10

Bulat Khaertdinov is de eerste winnaar van de Dissertatie Prijs van de Faculty of Science and Engineering. Bij het Department of Advanced Computing Sciences leert hij kunstmatige intelligentie menselijk gedrag te herkennen en daarop te reageren. Lees verder en maak kennis met het werk van een computerwetenschapper.

Voor Bulat, zoals voor velen van ons, is een dag op kantoor vaak een dag achter het computerscherm. Maar er is een groot verschil in de aard van zijn werk; terwijl de meesten van ons simpelweg software gebruiken, zoals tekstverwerkers, leert Bulat computers om menselijk gedrag te herkennen en vervolgens intelligente acties te ondernemen. “Werken met computers is leuk en bijzonder interessant, vooral als je er net zoveel plezier in hebt als ik.”

Als student ging Bulats interesse uit naar natuurkunde. “Toen ik Physics and Information Security studeerde, ontdekte ik al snel dat ik de natuurkundekant niet zo heel leuk vond. Gelukkig kreeg ik de kans om mijn bachelorscriptie over kunstmatige intelligentie te maken. Het is ontzettend fascinerend om computers te leren zelf beslissingen te nemen op basis van ruwe sensordata. Net zoals wij mensen dat doen, hoewel ze nog niet zo goed zijn als wij.”

FSE Dissertatie Prijs

In 2024 reikte de Faculty of Science and Engineering voor het eerst de jaarlijkse Dissertatie Prijs uit. Drie van alle hoogstaande promovendi werden genomineerd (in willekeurige volgorde):

Balázs Erdős, MaCSBIO

Quantifying Metabolic Health from High-Dimensional Post-Meal Dynamics

Rocio Arreguin Campos, Sensor Engineering

Surface-lmprinted Polymers for Biomimetic Bacteria Detection: From Materials to Food Safety Application

Bulat Khaertdinov, DACS

Feature Representation Learning for Human Activity Recognition

De jury was zeer onder de indruk van de hoge kwaliteit van de drie proefschriften. Bulats proefschrift viel op door de hoge kwaliteit van zijn schrijfstijl en de heldere communicatie. Zijn proefschrift was zeer goed opgebouwd. Bovendien kwamen er drie publicaties voort uit de mastertheses die hij begeleidde.

VR-vrijwilligers verzamelen data voor AI-training

Two volunteers wearing a virtual reality headset during an experiment

Fascinatie

Na zijn studie begon Bulat als promovendus aan de Universiteit Maastricht. Bij startte binnen het onderzoeksdomein Human Behaviour Understanding van het Department of Advanced Computing Sciences. “Als promovendus werkte ik vooral aan het analyseren van data van sensoren die menselijk gedrag vastleggen. Denk bijvoorbeeld aan de hartslag, zweet op de handpalm en bewegingen van bijvoorbeeld smartphones, smartwatches, virtual reality of de controllers hiervan.”

Bulats promotieonderzoek liet zien hoe deze data geanalyseerd kan worden; nu, als postdoc, gebruikt hij zijn kennis om menselijke emoties te detecteren. “We gebruiken kunstmatige intelligentie om de moeilijkheidsgraad van trainingen met virtual reality aan te passen op basis van de emoties van de gebruiker. Als een gebruiker bijvoorbeeld gefrustreerd is tijdens een trainingssessie, kan het systeem de moeilijkheid verlagen of zelfs terugschakelen naar een eerder niveau. Als de gebruiker zich verveelt, kunnen we de uitdaging juist verhogen.”

Het is ontzettend fascinerend om computers te leren zelf beslissingen te nemen op basis van ruwe sensordata. Net zoals wij mensen dat doen, hoewel ze nog niet zo goed zijn als wij.

Bulat Khaertdinov

Context

Bulat laat het detecteren van menselijk gedrag en emoties heel eenvoudig klinken; een paar sensoren en het probleem is opgelost. Maar zo simpel is het niet! Je smartphone kan waarschijnlijk detecteren hoe snel en ver je loopt. “Dit is een conventioneel algoritme (niet-AI) dat de beweging van je device meet”, legt Bulat uit. Als je fietst met je telefoon in je broekzak, bewegen je benen op een vergelijkbare manier, maar het algoritme begrijpt niet dat je op een fiets zit. De bewegingen zijn vergelijkbaar, maar de context is anders. Kunstmatige intelligentie leren rekening houden met de context is een van de grootste uitdagingen voor AI-onderzoekers.

Even terug naar de VR-training. Als de kunstmatige intelligentie frustratie detecteert, past het de moeilijkheidsgraad aan. Maar was het inderdaad de training die de frustratie veroorzaakte? Misschien was de persoon wel geïrriteerd door een geluid? “We proberen zoveel mogelijk contextuele gegevens te verzamelen vanuit extra bronnen, zoals het omgevingsgeluid, de temperatuur en de luchtvochtigheid in de kamer, om de kunstmatige intelligentie te helpen nauwkeurigere beslissingen te nemen."

Emoties

Computerwetenschappers doen meer dan alleen voor hun scherm zitten. Natuurlijk overlegt Bulat met zijn collega’s. Af en toe verzamelen ze de gegevens die nodig zijn om de kunstmatige intelligentie te trainen. Eind vorig jaar experimenteerden ze met menselijke proefpersonen. De deelnemers speelden een VR-game, terwijl de onderzoekers hun gegevens verzamelden. Na afloop beschreven de deelnemers hun emoties: frustratie, betrokkenheid of verveling?

Zonder twijfel raakte Bulat af en toe ook gefrustreerd of voelde hij zich betrokken of verveeld tijdens zijn onderzoek; hij is immers een mens. Maar uiteindelijk was het allemaal de moeite waard. "Ik was echt verrast toen ik werd genomineerd voor de FSE Dissertatie Prijs, en ik voelde me enorm vereerd toen ik de prijs won," zegt hij.

 

Lees meer Sense the Science verhalen

Bulat Khaertdinov signing the wall of the sweat room after his thesis defence
Bulat zet zijn naam op de muur van het zweethok, zal AI ooit in staat zijn om zijn (of een) naam te vinden?