…dit vindt Werner Liebregts
Onlangs sloot ik één van mijn cursussen af met een sessie waarin vertegenwoordigers van ieder studententeam hun bedrijfsidee mochten pitchen ten overstaan van drie investeerders. Daar waar ik in mijn oordeel als docent vooral lette op de mate van voorbereiding en de pitchvaardigheden, keken de investeerders naar zaken als haalbaarheid, originaliteit en wenselijkheid van het idee. Mocht het juiste idee voorbij komen, dan zouden ze bereid zijn om daadwerkelijk te investeren.
Eén van de zeven teams werd uiteindelijk door de juryleden uitgeroepen tot winnaar. In het kort: Het team van Little Sister werkt aan een spraakgestuurde speelgoedbeer die jonge kinderen helpt met het leren van elementaire kennis (bijvoorbeeld op het gebied van rekenen en taal). Het idee komt voort uit de vermeende wens van veel ouders om het overmatig schermgebruik van hun kroost terug te dringen.
De intelligente teddybeer
Little Sister is schermloos en dus kan interactie alleen worden aangegaan middels de stem. Er moeten nog wel wat stappen worden genomen om de spraakbesturing optimaal te laten werken. Daarnaast moeten er een aantal eerste leermodules worden ontwikkeld om de initiële aanschaf van de high-tech teddybeer de moeite waard te laten zijn. Middels updates kan de functionaliteit later worden uitgebreid.
Little Sister is een goed voorbeeld van hoe kennis van datascience en ondernemerschap samen kunnen komen. Het zijn dit soort toepassingen van de modernste technologieën die kunnen leiden tot economische groei. Al moet in dit geval natuurlijk nog blijken of het een succes wordt. Inmiddels heeft er een vervolggesprek plaatsgevonden met de investeerders. Er ligt een aanbod om de jonge studentondernemers te helpen bij de verdere ontwikkeling van het product. Hierbij zullen de ondernemerservaringen en sociale netwerken van de investeerders enorm van pas komen.
Een vorm van machinaal leren zal de kunstmatige intelligentie van de teddybeer laten toenemen. Hoe meer kinderen er tegen hun Little Sister zullen praten, hoe beter de teddybeer wordt in het herkennen van wat een kind wil en hoe beter deze in staat wordt om in hun behoeften te voorzien. Gevolg is dat ook de kinderen steeds accurater en verfijnder krijgen aangereikt wat ze willen leren. Zo leren kind én machine al doende.
Werner Liebregts
Universitair Docent aan de Jheronimus Academy of Data Science (JADS)