Adam Scraba, directeur Product Marketing bij NVIDIA, sluit zich aan bij Ryan Chacon op de IoT For All Podcast om te bespreken IoT in AI, computer visieen simulatie. Ze praten over de groei van IoT, vision AI en digitale tweeling, hoe AI en IoT waarde creëren, de uitdagingen van IoT-adoptie, het belang van domeinkennis voor succes, en camera's als IoT-sensoren.

Sponsor van aflevering 311: KORE Wireless

Twilio Super SIM is nu KORE Super SIM! Op 1 juni heeft KORE Wireless Twilio IoT overgenomen, en daarmee de eenvoudigste oplossing om uw hardware betrouwbaar over de hele wereld te verbinden.

Super SIM is een enkele simkaart die toegang geeft tot meer dan 400 netwerken, waaronder de drie grootste providers in de VS. Automatische netwerkfailover betekent maximale uptime voor uw apparaten.

En aan de slag gaan is eenvoudig: bezoek gewoon korewireless.com/supersim-iotforall

Over Adam Schraba

Adam Scraba is directeur Product Marketing en stimuleert de wereldwijde evangelisatie en marketing voor NVIDIA's versnelde computerplatform bij het toepassen van kunstmatige intelligentie en deep learning op videoanalyse om kritieke problemen in een reeks industrieën op te lossen.

Daarvoor was hij verantwoordelijk voor het leiden van NVIDIA's bedrijfsontwikkeling en strategische allianties waarbij kunstmatige intelligentie en deep learning werden toegepast op videoanalyse voor smart city-initiatieven wereldwijd. Gedurende zijn carrière heeft hij samengewerkt met Fortune 500-bedrijven, startups en overheden.

Geïnteresseerd om in contact te komen met Adam? Neem contact op via LinkedIn!

Over NVIDIA

NVIDIA is de pionier op het gebied van GPU-versneld computergebruik. De uitvinding van de GPU door het bedrijf in 1999 heeft computergraphics en gaming opnieuw gedefinieerd, het tijdperk van moderne AI ingeluid en de creatie van de industriële Metaverse aangewakkerd – waarbij de GPU fungeert als het brein van robots, autonome machines en zelfrijdende voertuigen die kunnen de wereld om hen heen waarnemen en begrijpen.

Belangrijkste vragen en onderwerpen uit deze aflevering:

(00: 45) Inleiding tot Adam Scraba en NVIDIA

(01: 34) Wat heeft de groei van IoT mogelijk gemaakt?

(03: 32) Definitie van visie AI en computervisie

(06: 00) Hoe creëren IoT- en AI-technologieën waarde?

(08: 02) Uitdagingen bij IoT-adoptie

(11: 20) Belang van domeinkennis voor succes

(12: 54) Digitale tweelingen en simulatie

(17: 00) Camera's als IoT-sensoren

(20: 12) Meer informatie en opvolgen

Transcript:

– [Ryan] Welkom Adam bij de IoT For All Podcast. Bedankt dat je hier deze week was. 

– [Adam] Bedankt dat je mij hebt.

– [Ryan] Voordat we erop ingaan, zou ik het leuk vinden als je even een korte introductie zou kunnen geven over jezelf en het bedrijf aan ons publiek. 

– [Adam] Ik ben Adam Scraba. Ik leid de marketing voor een toegepast AI-project binnen NVIDIA dat zich richt op het toepassen van AI op infrastructuurautomatisering.

We maken veel gebruik van IoT. We werken aan zaken als slimme detailhandel, slimme ziekenhuizen, productie, slimme ruimtes zoals luchthavens en het verminderen van verkeersopstoppingen in onze stadsstraten, allemaal met behulp van sensoren en IoT. En dus werk ik al een tijdje bij het bedrijf en ben ik vanaf het begin bij deze onderneming betrokken.

Het was dus behoorlijk spannend. Ik doe veel aan evangelisatie en ik werk met een heel groot en groeiend en snel evoluerend ecosysteem van partners. 

– [Ryan] We hebben het IoT de afgelopen jaren duidelijk enorm zien groeien in verschillende sectoren. De kosten van adoptie en implementatie dalen op verschillende punten.

Oplossingen worden bewezen en schalen zelfs beter dan voorheen. Dus wat gebeurt er met al die groei en al deze sensoren die worden ingezet? Wat zie je nu gebeuren? Of wat zie je hierna gebeuren, zou ik moeten zeggen. Wat zijn de belangrijkste zaken waar we bij die groei op moeten letten? 

– [Adam] Het is zo interessant. In onze ruimte zijn camera's een van de grootste sensoren of IoT-apparaten waarmee we te maken hebben, denk ik. Dus je weet wel, het is de netwerkcamera. Er zijn schattingen, en ik geloof er sterk in, dat er wereldwijd waarschijnlijk ongeveer twee miljard camera's zijn ingezet.

En dat is misschien wel een van de belangrijkste en meest waardevolle IoT-apparaten die we hebben. Er zijn zoveel vragen die je met camera's kunt beantwoorden, en we zien echt ongelooflijk, ten eerste, zoals je zei, dat de kosten enorm dalen, en het vertegenwoordigt een heel belangrijk AI-toepassingsgebied voor ons om zinvol te zijn van dit alles.

En zoals ik in de inleiding al zei, concentreren we ons veel op echt belangrijke problemen, en met de wijdverspreide aard van deze sensoren voor het eerst kunnen we echt belangrijke dingen aanpakken. Verkeersdoden zijn bijvoorbeeld doodsoorzaak nummer één in de VS, en het is voor het eerst dat we dit dankzij deze gegevens daadwerkelijk kunnen benaderen alsof het een ziekte is. In tegenstelling tot dat het onvermijdelijk is, en dat is heel belangrijk. En dat is slechts één voorbeeld. Er wordt een heel interessante inspanning geleverd om het aantal dodelijke slachtoffers tot nul terug te brengen, en voor de eerste keer is dat mogelijk, dankzij IoT.

– [Ryan] Dus laat me je vragen: we praten over video. Het is nu zeker een populair gebied, dat volgende niveau van detectie via camera's en technologieën, er zijn veel dingen die er zijn, vision AI, computer vision, geautomatiseerde optische inspectie. Wat zijn die dingen? Kun je op hoog niveau definiëren wanneer mensen deze termen horen: dit is wat ze bedoelen of waar je aan zou moeten denken?

– [Adam] Ja, ik denk dat de gemakkelijkste manier om over veel van deze dingen na te denken een heel eenvoudige analogie is. En hopelijk zal het zinvol zijn. De gemakkelijkste manier om hierover na te denken is als een automatiseringsinspanning. En wat ik daarmee bedoel is dat als je nadenkt over, we denken niet aan een robot, zoals een, uit Star Wars, een robot die rondbeweegt en piepgeluiden maakt, maar die een zekere mate van autonomie heeft, of jij kan nadenken over een autonoom voertuig. Beide robots.

Een robot doet eigenlijk drie dingen. Het neemt de wereld om zich heen waar. Er zit een bepaalde redenering in, zoals redeneren alsof ik op het punt sta tegen een muur aan te rennen of dat er een auto voor me staat, en dat ik moet remmen. En dan is er actie. Een beetje fysieke actie. Remmen, beweging, wat dat ook mag zijn.

Perceptie, redenering en actie ondernemen. Wat we in veel verschillende industrieën doen, en waar ons team zich eigenlijk veel op concentreert en over nadenkt, is het veranderen van infrastructuur in een robot. En dus die visie AI, die perceptie, dat eerste ding dat, de wereld om je heen waarnemen met behulp van camera's, dat is net als de, dat is eerlijk gezegd de laatste, sinds deep learning en AI echt explodeerden, zeg maar tien jaar geleden, dat wil zeggen, we hebben de hele tijd doorgebracht de afgelopen jaren is het idee om machines een bovenmenselijke visie te geven door middel van perceptie echt geperfectioneerd. En dat is waarschijnlijk de gemakkelijkste manier om erover na te denken. En dat concept van het veranderen van infrastructuur, of het nu een luchthaven of een ziekenhuiskamer is of een kruispunt in een stadsstraat, wrijvingsloos winkelen, zoals onze winkels, zullen steeds meer effectieve robots zijn die gewoon niet bewegen.

Dat is echt wat we doen. En dat is dus, ik zou zeggen dat dit waarschijnlijk de beste manier is om over al deze sensoren na te denken en dat AI, dit is slechts het perceptieniveau, maar eigenlijk is dat een belangrijk onderdeel, dat is een derde ervan. Maar het meest interessante is dat je niet alleen kunt zeggen wat er nu gebeurt, maar ook wat er gaat gebeuren, en hoe kan ik dat verbeteren? Hoe kan ik een leven redden? Hoe kan ik een klant een betere, aangenamere, superverrukkelijke ervaring laten hebben terwijl hij zijn boodschappen gaat doen? Dat is denk ik wat we echt proberen te bereiken. 

– [Ryan] Dus hoe helpen deze technologieën om dat punt te bereiken, toch? Zoals hoe het inzetten van sensoren, het plaatsen van deze camera's en deze oplossingen, deze AI-tools, IoT-tools in de detailhandel en in steden, hoe creëren deze dingen daadwerkelijk waarde?

– [Adam] Er is zoveel inefficiëntie. En nogmaals, wat, weet je, onze rol, de lens waarmee ik de wereld zie, wordt grotendeels bepaald door deze fysieke processen. En nogmaals, we konden gewoon één voor één gaan. Als je aan de productie denkt, is er een aanzienlijke hoeveelheid handarbeid die inefficiënt is, of, ik zou niet zeggen handarbeid,

Ik denk altijd dat processen erg inefficiënt zijn. Er is een inspectie die zeer rudimentair is, en die, net als Gillette-scheermesjes die van de lijn komen of PepsiCo-producten, veel stroomopwaarts van het proces op defecten kunnen worden geïnspecteerd om via vision AI een aanzienlijk bedrag aan dollars te besparen. Detailhandelaren hebben een ongelofelijke hoeveelheid afval, dat kan een duizelingwekkende hoeveelheid zijn. Er worden biljoenen dollars verspild in de detailhandel. Landbouw. We kunnen voedsel beter maken waar we het letterlijk hebben. Het is voor het eerst dat robotbestuiving een ding begint te worden om voedsel efficiënter te maken.

Maar wat echt interessant is, is dat er een efficiëntiecomponent is en ook een veiligheidscomponent. Deze twee dingen gaan vaak hand in hand, vooral omdat dit allemaal fysieke processen zijn waar we aan denken. En net als veiligheid op de werkplek is dit een groot probleem. We hebben steeds meer, en naarmate de automatisering in onze productiefaciliteiten toeneemt, bestaan ​​er nu machines en mensen naast elkaar.

En dat is een gebied waar we een stuk veiliger mee kunnen maken, simpelweg door onze infrastructuur meer betekenis, meer perceptie en meer mogelijkheden te geven om de processen te verbeteren. 

– [Ryan] Als het gaat om de adoptie, of het nu gaat om het bedrijf dat het adopteert om zijn klanten een betere ervaring te bieden of om het door een bedrijf intern binnen de organisaties te laten gebruiken, zijn er altijd uitdagingen als het gaat om de implementatie en adoptie van IoT-oplossingen , rechts?

Het is vaak nieuw. Het wordt geïntegreerd met mogelijk oudere systemen. Het kan een soort nieuwe zakelijke uitdagingen voor organisaties creëren. Als je denkt aan bedrijven die IoT adopteren, of het nu voor zichzelf is of voor hun eindklant of iets dat ze aan een klant verkopen, waar zie je dan de grootste uitdagingen buiten het technische stuk?

Omdat het een technisch stuk is, waar we het al eerder over hebben gehad, en we hebben ook, het kan ook afhankelijk zijn van de omgeving, wat er actueel is, de huidige infrastructuur die er al is binnen een organisatie, maar haal dat eruit, wat ziet u de grotere, grootste uitdagingen als het gaat om het introduceren van IoT in een bedrijf of in het bedrijf van potentieel uw klanten. 

– [Adam] Er is een interessante trend die volgens mij aansluit bij wat je zegt. En het is interessant omdat het enigszins overlapt met de technische kant. Maar hopelijk kan ik het uitleggen. Wat we zijn, want zelfs in mijn rol weten we de afgelopen negen jaar letterlijk dat we hier mee bezig zijn geweest, we hebben in het begin gezien dat, zoals je zei, al deze technologie heel erg is. nieuw. Wat je had waren technologiemensen, in ons geval veel mensen met computervisie, die oplossingen dicteerden of creëerden waarvan zij dachten dat ze geschikt waren voor een bepaalde branche, of het nu detailhandel, productie of slimme steden was. In de afgelopen negen jaar is de volwassenheid van deze tools en AI zo sterk toegenomen dat de toegankelijkheid van het kunnen maken van deze tools een heel interessant effect heeft gehad, terwijl het vandaag de dag niet langer deze grijze dertigjarige veteranen van computervisie zijn die proberen problemen op te lossen. een detailhandel of een verkeersprobleem, een smart city-probleem. We beschikken nu over de tools waarmee deskundigen uit de sector, mensen uit de detailhandel of de fabrikant, zoals die hun branche letterlijk echt begrijpen, voor het eerst toegang hebben tot het benutten van IoT en AI, omdat de abstractie van deze tools mensen toegang heeft gegeven tot de magie van dingen als AI zonder een AI-persoon te hoeven zijn.

Ze hoeven geen datawetenschapper te zijn. Ze hoeven eigenlijk helemaal niet veel te weten. De hulpmiddelen zijn geweldig. En dus heeft die explosie van volwassenheid van deze tools echt een diepgaand effect gehad op wat, de waarde van applicaties. Dat zijn we niet meer, het is niet langer een oplossing die een probleem najaagt.

We kunnen nu een brandend probleem vinden en het veel gemakkelijker oplossen. En we hebben bijvoorbeeld letterlijk, zelfs dit jaar, steden als voorbeeld voor het eerst gezien, steden die hun eigen oplossingen creëerden en AI gebruikten voor het oplossen van verkeersproblemen. Raleigh, North Carolina is een heel goed voorbeeld waar we al een tijdje mee samenwerken.

We werkten vroeger met hen samen vanuit het oogpunt van een ecosysteem van app-partners die u kunnen helpen. Ze bouwen nu hun eigen oplossingen met behulp van AI. Voor het eerst hebben we steden, en dat is gewoon, weet je, als je me dat zelfs zes, zeven maanden geleden had verteld, zou ik je waarschijnlijk hebben uitgelachen, maar dat is het soort dingen waar we mee bezig zijn. zien, en dat gaat veranderen, denk ik, alles in veel van deze industrieën. 

– [Ryan] Een van de dingen die ik heb gezien die er echt toe leidt of er echt aan bijdraagt ​​dat implementaties succesvol zijn, is het kunnen hebben van een heel duidelijk inzicht in de domeinkennis en expertise voor waar het zal worden ingezet, en het begrijpen van de eindklant , het milieu, het bedrijf, et cetera.

En ja, een bedrijf dat deze oplossingen bouwt, kan dat leren. Maar hoe dichter je dat bij de mensen kunt brengen, of mensen die dat zijn, hoe dichter je dat kunt brengen en de mensen erbij kunt betrekken die dit dagelijks doen als onderdeel van dat proces, hoe groter de kans dat je hebt, denk ik. iets bouwen dat succesvol zal zijn.

Dus, en ik heb gemerkt dat veel bedrijven zich richten op meer verticale specifieke tools, verticale specifieke toepassingen, terwijl ze het ook mogelijk maken voor degenen die zich in die sectoren bevinden om de tools te gebruiken en niet altijd met een ander bedrijf te hoeven werken. om te ontwikkelen, wat er ook toe kan leiden dat er dingen verloren gaan in dergelijke gesprekken om op te bouwen wat precies nodig is voor de eindgebruiker.

Ik heb dus gezien dat dit echt een grote rol speelt in de groei of het succes van veel verschillende implementaties. 

– [Adam] Ja, 100%. En ik denk dat dat zo interessant is aan het feit dat we in een bedrijf als dit zitten en dat we dit allemaal zien gebeuren. Dit is niet, wij zeggen wel eens, dit is niet, het is niet een klein beetje goedkoper of een klein beetje beter.

Dit is gloednieuw spul, en er is een heel ander soort genetische samenstelling voor nodig dan bijna alleen maar een ervaring en openheid om wat dingen te gaan proberen. En dus doen de early adopters magisch werk met ons. 

– [Ryan] Ik had een tijdje geleden een gast en we hadden het over simulatie in IoT.

En toen ik ongeveer zeven jaar geleden voor het eerst in de IoT-wereld kwam, was simulatie een belangrijk onderwerp. Het was de mogelijkheid om te implementeren zonder implementatie en zonder de initiële investering, zonder de hardware, zonder alle technische onderdelen, om de ROI te bepalen en te laten zien voordat die investering nodig was.

En toen werden digitale tweelingen populairder. Dat werd iets groots. En dan begin ik de combinatie van digitale tweelingen, simulatie, in zekere zin ook als fysieke tweelingen te zien. Er is dus een grote relatie tussen succes en het vermogen om simulatie en digitale tweelingen te gebruiken om iets te bouwen dat het beste bij elkaar past.

Hoe ziet u dat de groei van die gebieden bijdraagt ​​aan een bredere adoptie en succes op het gebied van IoT, waarbij nu al AI-tools als onderdeel van dat proces worden ingezet? 

– [Adam] Ja, het is behoorlijk ongelooflijk. En ik denk dat het een beetje iets zegt over de toegankelijkheid van sommige van deze tools. We zien simulatie en digitale tweelingen, zoals je al zei, er wordt al zo lang over gesproken, maar wat we echt zien een toename, en wat ook interessant is, is dat we deze zeer benijdenswaardige en heerlijke positie hebben als NVIDIA om bij te zijn geweest het allereerste begin in de wereld van simulatie. Je zou heel veel ruzie kunnen maken, en ik denk dat niemand het idee zou betwisten dat gamen, en veel mensen denken er goed over na, NVIDIA, je bent begonnen met gamen. Gaming is eigenlijk een simulatie van een 3D-wereld. Het simuleert, en we simuleren natuurkunde, we simuleren alle verlichting. Wij simuleren al deze dingen. We hebben dus altijd met één been in de simulatiewereld gestaan. Dus nu kunnen we veel van de technologieën die zijn gebouwd voor gaming en rendering en natuurkundige simulatie gebruiken voor het simuleren van uiteraard autonome voertuigen. Hoe ga je ooit een X-aantal miljoenen kilometers in een voertuig rijden zonder ooit het voertuig te maken en er ooit AI aan toe te voegen. Je doet dit door middel van simulatie, en we zien dat we overal, en vooral nu met IoT, omgevingen kunnen simuleren. We simuleren met 5G.

We simuleren, hoe moet dat, waar moeten de 5G-torens in een stad zijn, en we simuleren dat allemaal in digitale tweelingen en rollen het vervolgens uit. In onze ruimte simuleren we camera's. Waar moet de cameraplaatsing in stadsstraten zijn om de interactie van verkeer en fietsers te simuleren en de veiligheid te vergroten.

Wat is dat, en veel van het werk dat we nu doen, slaat een brug tussen de digitale tweeling en de fysieke activiteiten. Dus als je ontwerpt in de simulatieruimte, en je ontwerpt om te bedienen, en als je het bedient, veel van de AI die we doen, de perceptie met sensoren en camera's, kunnen we nu een brug slaan over wat je probeert de ervaring te ontwerpen of het scenario dat je probeerde te ontwerpen, brengen we het nu in kaart met wat er daadwerkelijk in de echte wereld gebeurt. Het andere echt coole dat we zien is dat simulatie ons niet alleen in staat stelt om een ​​digitale tweeling te maken van een stadsstraat, omgeving of een productiefaciliteit voordat deze wordt gebouwd, en gewoon, interessant genoeg, te zien hoe het eruit gaat zien. simulatie wordt nu eigenlijk een heel belangrijk onderdeel van AI. We kunnen nu voor het eerst simulatie gebruiken om ons te helpen echt complexe AI-oplossingen te ontwikkelen. Voor het voorbeeld van een matrix van sensoren in een omgeving kunnen we nu simuleren wat er gebeurt, kunstmatige grondwaarheid genereren en vervolgens simuleren wat alle sensoren zien en al die informatie gebruiken om onze neurale netwerken daadwerkelijk te trainen om zoiets te doen als trackingboxen in een toeleveringsketen van duizenden vierkante meter met honderden sensoren.

Dat kunnen we alleen doen in de digitale tweelingruimte. En dus hadden sommige van de echt complexe en verbazingwekkende oplossingen die we nu uitrollen, eigenlijk hun oorsprong in de digitale tweeling. Dat is de enige manier waarop je sommige van deze dingen kunt doen. Het is dus heel spannend. 

– [Ryan] Ik wilde even teruggaan voordat we hier afsluiten en praten, en je een vraag stellen over hoe ver we zijn gekomen als het gaat om camera's en hun vermogen om waarde te bieden. Omdat mensen met wie ik eerder heb gesproken, aarzelden om camera's te adopteren, proberen ze nog steeds te begrijpen hoe betrouwbaar ze zijn, hoe betrouwbaar de software erachter is voor zaken als computer vision-oplossingen, vision AI, enzovoort.

Als ik hiernaar luister en probeer te begrijpen wat ik moet zijn, wat ik echt moet weten, wat ik echt moet weten over wat ze kunnen doen, de rol die ze echt kunnen spelen en waar we in het algemeen zijn als het Als je tot dit soort oplossingen komt, wat zou je dan zeggen tegen iemand die nog niet zeker was?

– [Adam] We hebben een hele lange weg afgelegd. Ik denk, en ik zal je geven, ik zal je gewoon een paar voorbeelden geven. En trouwens, ik denk ook dat we een lange weg hebben afgelegd, maar we zijn nog lang niet waar we in de toekomst zullen zijn. We zijn nog steeds, dit is, alles wat we doen is nog steeds, we bevinden ons nog steeds in de allereerste innings van waar dit allemaal naartoe gaat. Maar als je erover nadenkt, kan ik je vertellen dat het vrij snel ging met CNN's, en het was net als ImageNet, en dit is nog niet zo lang geleden.

Het is misschien drie, vier of vijf jaar geleden dat we een bovenmenselijke visie bereikten met alleen eenvoudige CNN's. Op dit moment bevinden we ons in een tijdperk waarin we transformatoren gebruiken, toch? En transformer, vision transformers zijn de bouwsteen van grote taalmodellen die je ziet in zaken als ChatGPT.

We zien nu dus de mogelijkheid om ongelooflijk complexe vragen te stellen via beeldmateriaal en video. En dat hebben we gedaan, dit is de allernieuwste nauwkeurigheid, en de nauwkeurigheid blijft stijgen als we vragen wat er in deze video gebeurt. En het is robuust voor zaken als waar mensen zich zorgen over maken: werkt het? Laten we nu echt modellen bouwen die robuust zijn voor ruis, voor occlusie. Er gaat iets achter een boom of achter een doos in een fabriek, de modellen kunnen het met ongelooflijke nauwkeurigheid volgen. We zien ook niet alleen het concept van wat er in dit videoframe staat, maar we zien ook wat er in de loop van de tijd gebeurt. Is iemand gestruikeld en gevallen, is het echt slecht dansen of is dat geweld? Dat wil zeggen, dit zijn vragen die dwaas zijn, maar dit zijn echt belangrijke dingen die we met veel betere duidelijkheid kunnen ontcijferen en begrijpen. En dan is het concept van meerdere sensoren in een matrix van de mogelijkheid om uit te zoomen op een fabrieksvloer echt krachtig. En dat brengt ons verder dan dit kortzichtige beeld van alsof ik alleen naar een ruimte van 10 bij 10 vierkante meter kan kijken.

Nu kijk ik naar duizenden vierkante meters. Dit zijn allemaal echt, dus ik zou zeggen dat de kosten van camera's zijn gedaald tot een punt waarop ze niet helemaal gratis zijn, maar ze zijn grofweg erg goedkoop. En wij maken er gebruik van, de wereld maakt er op een heel opwindende manier gebruik van.

En nogmaals, het is efficiënt. Het zijn echt heel veel efficiëntie- en openbare veiligheidszaken waarvan we zien dat dit de grote waarde hiervan is. 

– [Ryan] Fantastisch. Adam, heel erg bedankt dat je de tijd hebt genomen. Voor ons publiek dat meer wil weten over wat jullie allemaal doen rond deze onderwerpen, eventueel vervolgvragen stellen, al dat soort goede dingen: wat is de beste manier waarop ze dat kunnen doen? 

– [Adam] Bekijk het werk dat we hebben gedaan op nvidia.com/metropolis. De inspanningen van Metropolis brengen al onze AI-oplossingen en ons ecosysteem samen en vieren het werk dat wordt gedaan. Mensen kunnen meedoen, zich aansluiten bij de beweging, leren wat we hebben gedaan en daardoor vragen stellen. Het is waarschijnlijk de beste manier om het te doen. 

– [Ryan] Nou, Adam, nogmaals heel erg bedankt. Ik ben blij om dit aan ons publiek bekend te maken. 

– [Adam] Uitstekend. Hartelijk bedankt.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• ChartPrime. Verhoog uw handelsspel met ChartPrime. Toegang hier.
• BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
• Bron: https://www.iotforall.com/podcasts/e311-iot-in-ai-computer-vision-and-simulation