AI voor dummies
Van onbekende technologie naar begrijpelijke basiskennis.
START BIJ DE BASIS00 / FIRST: SEE THE NEURAL NETWORK
Start met deze visuele uitleg van een neuraal netwerk. De video is in het Engels. Je bepaalt zelf wanneer hij begint: druk op Play.
CCTV ACADEMY · UNDER THE HOOD
Een AI-model lijkt razendsnel te antwoorden. Achter de schermen verwerkt het enorme aantallen getallen, patronen en berekeningen. Ontdek waarom dat zoveel vraagt van processors, geheugen en energie — ook in slimme camera's.
Hoeveelheid data
beelden, tekst en signalen
Complexiteit van het model
parameters en bewerkingen
Gewenste snelheid
reactietijd en realtime analyse
01 / AI WITHOUT THE MYSTERY
Een neuraal netwerk is opgebouwd uit wiskundige bewerkingen. Een invoer wordt stap voor stap omgezet in een voorspelling of classificatie.
Een beeld, geluid of tekst wordt vertaald naar getallen die een computer kan verwerken.
Veel lagen combineren die getallen met geleerde gewichten. Grote aantallen gelijkaardige berekeningen volgen elkaar op.
Het resultaat is bijvoorbeeld een woord, een herkend patroon of de kans dat een camerabeeld een voertuig bevat.
* Schematische uitleg: de precieze verwerking verschilt per model. Een AI-detectie is een berekend resultaat, geen garantie.
02 / WHAT MAKES AI SO DEMANDING?
De benodigde hardware hangt af van het type model, de taak en de gewenste snelheid. Deze zes factoren verklaren waarom AI soms zware systemen nodig heeft.
Neurale netwerken voeren herhaaldelijk matrixbewerkingen uit. Elke extra laag en elk extra datapunt levert rekenwerk op.
MATRIX / OPERATIONSModellen bewaren geleerde gewichten. Grotere modellen kunnen veel geheugen en meer rekenstappen vragen.
WEIGHTS / MEMORYTijdens training verwerkt het model datasets vaak meerdere keren en past het zijn gewichten aan op basis van fouten.
LEARNING / BACKPROPAGATIONModelgewichten én tussenresultaten moeten snel bereikbaar zijn. Niet alleen processorsnelheid, maar ook geheugenbandbreedte telt.
VRAM / BANDWIDTHEen slimme camera moet het resultaat snel genoeg leveren om een gebeurtenis tijdig te kunnen signaleren.
LATENCY / REALTIMEMeer berekeningen en dataverkeer betekenen vaak een hoger stroomverbruik en meer warmteafvoer.
POWER / EFFICIENCY03 / INSIDE THE MACHINE
AI draait niet op één universele processor. De juiste chip hangt af van de berekeningen, het energieverbruik en waar de AI wordt uitgevoerd.
Flexibele processor voor besturing, systeemlogica en uiteenlopende taken. Kan ook AI draaien, vooral bij bescheiden workloads.
FLEXIBELE SYSTEEMVERWERKINGKan veel gelijkaardige berekeningen tegelijk uitvoeren. Daarom is de GPU bijzonder geschikt voor grote parallelle AI-bewerkingen.
GROTE PARALLELLE BEREKENINGENSpeciale AI-versneller die bepaalde neurale netwerkbewerkingen energiezuinig kan afhandelen, bijvoorbeeld in apparaten en camera’s.
GERICHTE AI-VERSNELLINGBelangrijk: een GPU of NPU is niet bij elke taak de beste keuze. Software, modelgrootte, geheugen, nauwkeurigheid en beschikbare hardware bepalen samen de prestaties.
04 / AI MEETS REAL-WORLD CCTV
Bij slimme camerabewaking kan beeldanalyse in de IP-camera zelf plaatsvinden, in de recorder of op een aparte server. Elke architectuur verdeelt de rekenlast anders.
05 / PRACTICAL INTELLIGENCE
Je hebt niet altijd méér hardware nodig. Vaak begin je met de juiste keuzes voor het model en de werkbelasting.
Wil je detecteren, classificeren, zoeken of genereren? De taak bepaalt hoeveel rekenkracht nodig kan zijn.
Controleer hoeveel AI-functies, videostreams en resoluties tegelijk worden ondersteund.
Vergelijk verwerking op de camera, recorder of server op basis van hardware en toepassingsdoel.
Beoordeel de werkelijke reactiesnelheid en detectiekwaliteit onder realistische omstandigheden.
06 / QUESTIONS & ANSWERS
Veel kleinere AI-modellen kunnen dat wel. Grotere modellen en toepassingen die snel resultaat moeten leveren, vereisen vaak meer parallelle rekenkracht en geheugen dan een gewone CPU efficiënt kan bieden.
Bij training moet het model niet alleen een resultaat berekenen, maar ook fouten terugrekenen en veel gewichten aanpassen. Dat gebeurt herhaaldelijk over grote hoeveelheden voorbeelden. Het gebruiken van een getraind model, ook wel inferentie, vereist doorgaans minder bewerkingen per taak.
Een model bestaat onder andere uit gewichten die tijdens berekeningen snel beschikbaar moeten zijn. Wanneer het model en de benodigde tussenresultaten niet goed in het beschikbare geheugen passen, kan verwerking sterk vertragen.
Nee. Veel camera's gebruiken gespecialiseerde en energiezuinige AI-processors die geoptimaliseerd zijn voor een beperkte verzameling detectiefuncties. De exacte hardware verschilt per model.
Ja, als de camera de gewenste AI-functie lokaal uitvoert en de recorder ermee kan samenwerken. Controleer wel de specificaties en de totale verwerkingscapaciteit van camera én NVR.
Nee. Goede trainingsgegevens, passende modellen, camera-instellingen, beeldkwaliteit en praktische testen blijven belangrijk. Een sneller systeem levert niet automatisch een betrouwbaardere detectie.
07 / EXPLORE THE INTELLIGENCE ARCHIVE
Verder leren? Ontdek de andere AI-artikelen van CCTV Academy, van de basisprincipes tot deep learning en intelligente camerabewaking.
Van onbekende technologie naar begrijpelijke basiskennis.
START BIJ DE BASIS ↗Wat zijn de risico’s, grenzen en verantwoordelijkheden?
ONTDEK DE RISICO’S ↗Leer hoe AI teksten, beelden en andere inhoud creëert.
ONTDEK GENERATIEVE AI ↗Van een videobeeld naar een gerichte detectiemelding.
BEKIJK AI-CCTV ↗Duik in de lagen van neurale netwerken en patroonherkenning.
LEER DEEP LEARNING ↗Zeven nuttige inzichten om populaire misverstanden te doorprikken.
FEIT OF FICTIE ↗08 / KNOWLEDGE INTO PRACTICE
Wil je begrijpen waarom intelligente camera's en recorders doen wat ze doen? Bouw je technische kennis verder uit met de praktijkgerichte leertrajecten van CCTV Academy.