MENSELIJKE WETTEN
BEGRIJPBAAR VOOR VOERTUIGEN

— machinaal uitvoerbare wetgeving voor autonome naleving —

DE PROBLEMEN DIE WE OPLOSSEN

Zelfrijdende auto's. Ziekenhuisrobots. Drones die pakjes bezorgen.
Zeven jaar geleden zou dit onderwerp alles weg hebben van een dystopie. Een futuristische droom of een script voor een meeslepende sciencefictionfilm. Tegenwoordig maakt robotica geleidelijk aan haar opmars in ons dagelijks leven. Artikelen onderzoeken het potentieel ervan, robots zwerven nu al door onze straten en over enkele decennia zullen ze niet meer weg te denken zijn. Of u er nu voor of tegen bent, er is ten minste één kwestie die we niet kunnen negeren: wetgeving. Een robot moet weten hoe hij zijn taken wettig en ethisch moet uitvoeren. Zelfrijdende auto's moeten de verkeersregels kennen en kunnen toepassen. Hetzelfde geldt voor drones, die ook onder de privacywetgeving vallen. Je denkt misschien dat deze wetgeving gemakkelijk in een machine kan worden gecodeerd. Maar zo eenvoudig is het niet. Dat hebben we uit ervaring met verschillende projecten kunnen vaststellen.

AUTONOME MACHINES EN MENSELIJKE WETTEN: DRIE LAGEN VAN COMPLEXITEIT

We hebben drie factoren geïdentificeerd die elk een obstakel vormen op ons pad - én we zijn ze aan het oplossen!

01.

Het eerste obstakel is dat verordeningen nog steeds worden opgesteld door mensen voor mensen. Aangezien machines deze niet kunnen lezen of begrijpen, is dit niet erg zinvol voor hen.

02.

Globalisering is het tweede obstakel. Als fabrikant van industriële robotica kunt u gemakkelijk internationaal opschalen, maar dan moet u wel rekening houden met wetgeving op verschillende niveaus: internationaal, Europees, provinciaal, regionaal, lokaal ... in de vele verschillende talen die over de hele wereld worden gesproken. Probeer daar maar eens wegwijs in te worden als mens ... U begrijpt hoe moeilijk het is om een robot aan al deze wetten te laten voldoen. Er is veel werkkracht voor nodig om dit allemaal handmatig in een machine te coderen.

03.

Het derde en laatste obstakel is de kwantificeerbaarheid van de wetgeving. Of het gebrek eraan. In de Europese wetgeving staat bijvoorbeeld dat exploitanten ‘veilig’ moeten rijden of vliegen. Maar veiligheid is een relatief begrip. De betekenis die mensen eraan geven, kan variëren. Ons idee van veilig kan in uw ogen op het randje zijn.

Als wij mensen niet in staat zijn tot een sluitend oordeel te komen over specifieke wetten, waarom zouden we dan verwachten dat robots dat wel kunnen?

ZIE HOE HET WERKT

Nalantis is een next-gen-taaltechnologiebedrijf. We hebben een kunstmatig intelligentiesysteem ontwikkeld waarmee machines tekst en natuurlijke taal kunnen begrijpen. Deze technologie wordt door overheden en ondernemingen toegepast om zeer intelligente classificatie- en mappingproducten en producten voor conversatiegestuurd zoeken te ontwerpen.

BEDRIJFS-OVERZICHT

Naleving van de regelgeving voor autonome machines
De samenleving wordt geregeerd door geschreven wetten die van regio tot regio verschillen en het ontbreekt machines aan een methode om onze wetten te begrijpen.
Er is een schaarste aan gelabelde en gestructureerde gegevens voor zelflerende machines en deep learning.
Autonome leveranciers moeten alle toepasselijke regelgeving handmatig verzamelen en controleren.
Big tech zorgt voor BlackBox AI
Next-gen-taaltechnologie voor automatisch diep gedetailleerd inzicht van ongestructureerd recht
Toegang tot een AI-voor-taal backend via vooraf gedefinieerde en vooraf getrainde microservices
Bibliotheek van taalbegrijpende API's om wereldwijd te schalen
Een semantische opslagplaats bieden van alle toepasselijk recht in de autonome ruimte
SAGE-by-Nalantis – een hybride taaltechnologiestack (NLP, Semantic Pattern Recognition, ConceptNet Modeling, ML/DL)
AIR eVTOL, drones (cargo, monitoring, people)
BAANauto’s, leveringsbots, robotaxi’s, landbouw
ZEEboten- en schepen, openbaar vervoer over water
Regelgevende overheidsinstanties