Nederlandse Skilllab een van de winnaars van Google's wereldwijde AI Impact Challenge

Het Nederlandse Skilllab BV is een van de gelukkige winnaars van Google’s wereldwijde AI Impact Challenge. Dit hebben we vandaag tijdens I/O bekend gemaakt. Vluchtelingen die in een nieuw land naar werk zoeken, vinden het vaak moeilijk om hun vaardigheden naar de nieuwe omgeving te vertalen. De technologie van Skilllab maakt het mogelijk om automatisch uitgebreide vaardigheidsprofielen te genereren en vertalen. Het systeem doet vervolgens aanbevelingen die het mogelijk maken om de unieke vaardigheden van kandidaten direct met vacatures te matchen. Als een van de winnaars van de AI Impact Challenge zal Skillab onder meer financiële steun voor hun project ontvangen en coaching door AI experts.

Google AI Impact Challenge is gelanceerd in het kader van het AI for Social Good -initiatief. De challenge is gebaseerd op ons geloof dat nieuwe technologieën ons zullen helpen aan oplossingen voor belangrijke maatschappelijke, humanitaire en milieuvraagstukken. We waren onder de indruk van het enorme aantal sterke inzendingen. Er waren maar liefst 2.602 subsidieaanvragen uit 119 landen. We voerden een grondige analyse uit om de beste projecten te selecteren op basis van vier criteria: de haalbaarheid, potentiële impact, schaalbaarheid en verantwoorde inzet van AI.

Uiteindelijk zijn er 20 organisaties geselecteerd als winnaars van de AI Impact Challenge. Zij maken aanspraak op  een deel van de totale subsidiepot van 25 miljoen dollar van Google.org, advies van Google Cloud en coaching. Daarnaast krijgen zij de gelegenheid om deel te nemen aan een accelerator-programma dat speciaal voor hen is ontwikkeld door Google Developers Launchpad.

Hieronder volgt een volledig overzicht van alle organisaties die voor subsidie en ondersteuning in aanmerking komen.

• American University of Beirut (Libanon): Machine learning toepassen op weer- en landbouwdata om arme boeren in Afrika en het Midden-Oosten aan verbeterde irrigatie te helpen.
• Colegio Mayor de Nuestra Señora del Rosario (Colombia): Satellietbeelden inzetten om illegale mijnen te detecteren en de lokale bevolking en overheid te helpen met het beschermen van mensen en natuurlijke bronnen.
• Crisis Text Line, Inc. (V.S.): Technologie voor het analyseren van natuurlijke taal inzetten voor een optimale toewijzing van hulpverleners aan mensen in crisis die via een sms-bericht om hulp vragen. Dit moet bijdragen aan effectievere communicatie en kortere wachttijden.
• Eastern Health (Australië): Het analyseren van medische gegevens van ambulances om trends en mogelijke interventiepunten te identificeren. Dit dient ter ondersteuning van de beleidsvorming en een effectievere reactie van hulpverlenende instanties op (potentiële) pogingen tot zelfmoord.
• Fondation MSF (Frankrijk): Het blootleggen van patronen in beelden van antimicrobiële processen. Dit moet medische professionals in achtergestelde gebieden helpen met het voorschrijven van de juiste antibiotica voor bacteriële infecties.
• Full Fact (Verenigd Koninkrijk): Tools voor trendbewaking en clustering ontwikkelen die factcheckers helpen met hun analyses, zodat zij nieuwsberichten in de juiste context kunnen plaatsen en gefundeerde beslissingen kunnen nemen.
• Gringgo Indonesia Foundation (Indonesië): Technologie voor beeldherkenning inzetten ter ondersteuning van informele inzameling en verwerking van afval in achtergestelde gemeenschappen. Dit moet bijdragen aan een hogere mate van recycling.
• Hand Talk Serviços LTDA (Brazilië) Artificial intelligence inzetten om Portugese gebarentaal in Braziliaanse gebarentaal te vertalen met behulp van een digitale avatar.
• HURIDOCS (Zwitserland): Technologie voor machine learning en het analyseren van natuurlijke taal inzetten voor het opvragen en met elkaar in verband brengen van relevante gegevens uit documenten in dossiers, zodat mensenrechtenadvocaten effectief onderzoek kunnen doen en hun cliënten doeltreffender kunnen verdedigen.
• Makerere University (Oeganda): Het bijhouden en voorspellen van luchtvervuilingspatronen met goedkope sensoren in Kampala ter verbetering van de prognoses van de luchtkwaliteit en het eventueel signaleren van de noodzaak van ingrijpen.
• New York University (V.S.): Samenwerken met het data analytics-team van de brandweer van New York voor het optimaliseren van zijn reacties op bijna 1,7 miljoen jaarlijkse noodgevallen, rekening houdende met factoren als het weer, het verkeer en de locatie van de brand.
• Nexleaf Analytics (V.S.): Datamodellen ontwikkelen voor het voorspellen van de houdbaarheid van vaccines binnen de gehele koude keten en het waarborgen van een effectieve vaccinatie.
• Quill.org. (V.S.): Deep learning inzetten om studenten met een laag inkomen te voorzien van directe feedback over de teksten die zij schrijven, zodat zij hun werk kunnen reviseren en hun schrijfvaardigheden snel kunnen verbeteren.
• Rainforest Connection (V.S.): Deep learning gebruiken voor bio akoestische bewaking en de inzet van doorsnee mobiele devices voor het bewaken van de gezondheid van het regenwoud en het detecteren van bedreigingen.
• Skilllab BV (Nederland): Vluchtelingen helpen om hun vaardigheden naar de Europese arbeidsmarkt te vertalen en een passend loopbaantraject voor hen uit te stippelen.
• TalkingPoints (V.S.): AI inzetten voor het vertalen van de communicatie tussen ouders en docenten in gevallen waarin sprake is van een taalbarrière.
• The Pennsylvania State University (V.S.): Deep learning-tools gebruiken voor verbeterde voorspellingen van locaties waar, en tijdstippen waarop sprake is van het gevaar van een aardverschuiving. Het doel is om een waarschuwingssysteem te creëren waarmee de impact van natuurrampen tot een minimum kan worden beperkt.
• The Trevor Project (V.S.): Technologie voor het analyseren van natuurlijke taal en sentimenten om de kans op zelfmoordpogingen van LGBTQ -jongeren vast te stellen om effectievere hulp te bieden aan jongeren die in psychische nood verkeren.
• Wadhwani AI (India): Technologie voor beeldherkenning inzetten om activiteiten rond ongediertebestrijding in kaart te brengen en analyseren. Dit moet zorgen voor een tijdige en gerichte tussenkomst, het stabiliseren van de productie van gewassen en het terugdringen van het gebruik van pesticiden.
• WattTime Corporation (V.S.): Algoritmes voor beeldverwerking en satelliet netwerken gebruiken om oplossingen op locatie voor het bewaken van de CO2-uitstoot van energiecentrales te vervangen door open source bewakingsplatforms.

De winnaars komen volgende week in San Francisco bij elkaar voor de kick-off van de Google AI Impact Challenge Accelerator.