In een vorige baan ontwikkelde ik ooit samen met een klein team een robot die in staat was zeer complexe mens-bewegingen na te bootsen; het type robot dat gebruikt wordt in de auto-industrie. De hele analyse was van begin tot eind geautomatiseerd. Dus tot en met het checken van de controlesample, waarbij -na goedkeuring door het systeem- de hele serie werd vrijgegeven. Het systeem nam tijdens het werken beslissingen op basis van ingegeven parameters. Dat was 20 jaar geleden. Tegenwoordig noemen we dit ‘artificial intelligence’. Na enkele jaren belandde de robot op de schroothoop. De programmering van het systeem was dermate complex, dat het toch niet overdraagbaar was. De leerschool: borg de robuustheid én continuïteit.
De robot die nu dezelfde analyse uitvoert, is heel wat minder hightech dan die robot van toen, maar minstens zo functioneel. Efficiënter ook. Bij het eerste en tweede ontwerp lieten we de creativiteit zijn gang gaan. We namen onze ervaring mee. Robuust moest hij zijn, met borging van de sourcecode. Vastleggen van het IP. De tweede robot was meer modulair opgebouwd en eenvoudig. Toch konden we alle doelen waaraan hij moest voldoen, afvinken. Dat waren er minder dan bij de eerste robot. De leerschool: nóg geavanceerder is niet per definitie beter.
Hoe zorg je ervoor dat je de creativiteit niet begrenst? Dat je deze volledig kan benutten? Een veelgehoord antwoord is: ‘Stel duidelijke doelen waaraan systemen moeten voldoen. En ja; je leert, dus gaandeweg worden je projectdoelen steeds beter.’ Voor mij is dat echter niet voldoende. Want wellicht is toch niet aan alles gedacht of juist geformuleerd. Wat ik heb geleerd is dat de ‘wat als’ vragen een goede toevoeging zijn bij dit soort trajecten: ‘Wat als de stroom uitvalt. Wat als de programmeur ontslag neemt. Wat als…’
Onbegrensde creativiteit kan leiden tot té grote complexiteit.
Creativiteit moet je daarom leiden. Dat vraagt veel van een creatief brein.
Keep it simple.
Pieter Vos
Directeur Nutrilab
Bron: Vakblad Voedingsindustrie 2021