Hoe AI onze erge files zou kunnen voorkomen

Files op de snelweg, drukke bussen en slecht getimede verkeerslichten frustreren miljoenen mensen elke dag. Nu werkt een onderzoeker van MIT aan een nieuw aanpak van deze problemen met behulp van reinforcement learning — eigenlijk: een computer leren van vallen en opstaan, net zoals mensen een vaardigheid verbeteren door oefening.

Cathy Wu, een associate professor aan MIT, past deze methode toe op transportstelsels en andere ingewikkelde systemen die ons dagelijks leven beïnvloeden. In plaats van verouderde, starre regels te gebruiken, zet haar team AI in om uit te zoeken wat écht beter werkt. De computer leert door verschillende scenario's uit te testen en ontdekt geleidelijk welke veranderingen tot echte verbeteringen leiden.

Waarom is dit belangrijk? Transport treft iedereen — van je woon-werkverkeer tot de tijd die goederen nodig hebben om in winkels aan te komen. Wanneer verkeerstelsels soepeler werken, besparen mensen tijd, brandstof en geld. Ook de vervuiling daalt. Wu's werk laat zien dat AI niet alleen gaat over futuristische gadgets; het kan ons helpen echte, ingewikkelde problemen op te lossen die we nú hebben.

De werkelijke kracht is dat deze aanpak voor veel complexe stelsels werkt, niet alleen voor verkeer. Dezelfde methode zou elektriciteitsnetten, ziekenhuisbedrijfsvoering of bevoorradingslijnen kunnen optimaliseren. Door computers zelf te leren en te verbeteren, openen onderzoekers als Wu deuren naar oplossingen waar we nog niet eens aan hebben gedacht.