Generative AI's zoals ChatGPT kunnen de ontwikkeling van datascience in de watersector een serieuze versnelling geven. Dat was de algemene conclusie van het webinar ChatGPT op woensdag 24 mei. Bekijk de video, het verslag en de slides.
Razendsnel ideeën genereren met ChatGPT
Sanne Pasveer van Arcadis liet zien hoe hij als democase een aantal ideeën voor de seedmoney uitvraag van DigiShape liet genereren. In minder dan twee uur tijd kwam de tool van een aantal eerste ideeën tot een volledig uitgewerkt datamodel en een script voor time series forecasting. De resultaten waren nog niet compleet en zouden door een deskundige moeten worden gecontroleerd, maar gaven wel een goed beeld van de hoeveelheid werk die in een dergelijk model zouden gaan zitten en welke databronnen ervoor nodig zijn.
"Los van de vraag of we van ChatGPT kunnen verwachten dat de tool 100% kloppende informatie afgeeft, denk ik dat we dit soort tools uitstekend kunnen gebruiken om het denken over wateroplossingen te versnellen," concludeerde Sanne. "Een generative AI staat altijd direct tot je beschikking en heeft meer kennis dan de meeste collega's. Natuurlijk moet je wel alles checken wat de tool genereert, maar dat zou je bij de meeste collega's ook doen."
Wat betekent de ontwikkeling van generative AI's voor organisaties?
Ruben Dahm van Deltares vertelde over een traject dat ze met 70-80 collega's doorlopen om te inventariseren hoe het is om een Generative AI als co-worker te hebben. Hij nam ons mee in de ontwikkeling van deze tools aan de hand van vier aspecten: scripting, writing, legal en community. De voorlopige conclusie is dat de kwaliteit van applicaties als Copilot en ChatGPT erg afhangt van de kennis die je zelf hebt. Om echt goede uitkomsten te krijgen moet je gedetaileerde kennis in je prompts kunnen stoppen en in staat zijn om de informatie die de AI genereert op juistheid te checken.
Verder spelen er, net als bij alle andere organisaties die met ChatGPT werken, vragen hoe om te gaan met de juridische aspecten van Generative AI's. Mag je de tool bijvoorbeeld op het bedrijfsnetwerk gebruiken? Welke data stop je erin? Wat mag je met de uitkomsten? Het maken van beleid op dit soort vragen is een flinke uitdaging, omdat de ontwikkeling van Generative AI's sneller gaat dan je beleid kunt schrijven.
Hoe kunnen we generative AI gebruiken in de water sector?
In de discussie kwamen de volgende ideeën naar voren:
- Speed up coding
- Report writing
- smart inspections of assets
- Determine the best construction based on previous results, drempelverlagend voor het vergaten van bestaande kennis
- More efficient software engineering
- Flood modelling
- As a start for creating workflows in scripting
- Faster problem definition and use of scientific studies
- Find and combine relevant data
- Converting to different computer language
- Translate transfer numerical omodel results to comprehensible text
- Maintenance of legacy programs
- Provide answers on questions about public policy
- Remote sensing interpretation
- Decision making during crisis situation
Oproep
Student Jip van Vree deed een oproep om input te geven op zijn onderzoek naar ChatGPT for Hydraulic Engineering:
"For my Civil Engineering Bachelor Thesis at the TU Delft, I'm researching the usability of ChatGPT for solving Hydraulic Engineering questions. To do this, I need experts in the field to come up with 6 questions that you would hypothetically someday want to ask ChatGPT, including the answers in order to evaluate the answers that ChatGPT gives. I would really appreciate your help! - Jip Vree (Dit e-mailadres wordt beveiligd tegen spambots. JavaScript dient ingeschakeld te zijn om het te bekijken.)"
Slides
Slides Sanne Pasveer (Arcadis): 
Exploring the impact of generative and conversational AI models on Deltares
Slides Ruben Dahm (Deltares): Use cases voor AI in Water
Mentimeter resultaten: chat-gpt_menti_resultaten
