Hoe visualiseer je big data?

"Dat we in de tijd van big data leven is wel duidelijk. […] We verzamelen, produceren en delen met z’n allen meer informatie dan we ooit nog terug kunnen zien. We verdrinken bijna in die zee van digitale gegevens, waarmee we betekenis aan ons eigen leven proberen te geven, en tegelijkertijd de betekenis van het leven in het algemeen proberen te doorgronden."NRC Handelsblad, 22 augustus 2018

Hoe bereken je in milliseconden realistische schaduwen voor een computerspel? En hoe kun je grootschalige overstromingssimulaties visualiseren? Elmar Eisemann ontwerpt dit soort toepassingen, en zorgt er tegelijkertijd voor dat ze niet teveel rekenkracht vergen van je computer.

Beelden zijn ontzettend krachtig: mensen worden er vanzelf toe aangetrokken.

“Beelden zijn ontzettend krachtig. Mensen worden er als het ware vanzelf toe aangetrokken, veel meer nog dan naar tekst. Met name voor informatieoverdracht is het dan ook goed om beelden te benutten om de aandacht te trekken of vast te houden. Dat is precies wat mijn onderzoeksgroep doet: we ontwerpen algoritmes om beelden voor verschillende applicaties te creëren.

Vergelijk het met de bouwtekeningen voor een Ikea-kast. Die tekeningen moeten schematisch zijn. Dit soort niet-realistische beelden zijn vaak ook van belang als je met big data werkt. Stel dat je schadelijke cellen wil opsporen in een dataset van miljoenen andere cellen, dan wil je de cellen met afwijkende waarden in handige clusters  groeperen. Liefst met een opvallend kleurtje. Het zou alleen maar verwarrend werken als je die beelden tot in detail zou uitwerken. Met “visual analytics” ontdekken we zo trends in die data. Technisch is dit een grote uitdaging, omdat de databestanden gigantisch van omvang zijn. Daarom maken wij algoritmes die gemakkelijk schaalbaar zijn.

Op basis van data kun je trouwens ook heel goed realistische beelden maken. Bijvoorbeeld in de context van waterbeheer. Laat je een groep mensen over abstracte overstromingskaarten discussiëren, dan zijn het vooral de goed ingevoerde experts die de discussie domineren. Zij weten immers hoe ze die kaarten het best moesten lezen en kunnen zelf de gevolgen van verschillende scenario’s bedenken. Voor leken is dit veel moeilijker. Met onze 3D-simulaties staat de kijker als het ware in de betreffende situatie en ziet hoe hoog het water daar komt bij een eventuele overstroming. Dit soort realistische beelden zorgen ervoor dat iedereen een beeld heeft van de impact van een overstroming. De discussie wordt als het ware gedemocratiseerd.

Met onze 3D-modellen wordt een discussie als het ware gedemocratiseerd.

Dit probeer ik ook met andere databronnen: gegevens zo visualiseren dat voor iedereen de gewilde informatie toegankelijk wordt. Onze technieken zijn nuttig voor veel applicaties, zoals in de architectuur, de gezondheidszorg en in videospellen. Wij zorgen met algoritmes bijvoorbeeld voor een realistische simulatie van de verdeling van licht. Dat is handig als je een gebouw wilt ontwerpen, maar ook om schaduw te creëren in een videospel.

Maar hoe zorg je er voor dat zulke prachtige animaties niet teveel rekenkracht vragen van je computer? Vooral immersive virtualy reality-omgevingen bestaan uit ontzettend veel beelden, soms wel 120 per seconde. Erg mooi natuurlijk, maar je computer moet het wel aankunnen. Met mijn onderzoeksgroep zoek ik naar effectieve methodes om die programma’s minder zwaar te maken. Eén manier is om met behulp van een eye tracker alleen dat deel van het scherm scherp weer te geven waar je ogen op dat moment op rusten. Een andere optie is om een stel opeenvolgende lageresolutiebeelden te tonen die samen op een hogeresolutiebeeld lijken. Soms moet je mensen een beetje foppen voor hun eigen bestwil.”

Soms moet je mensen een beetje foppen voor hun eigen bestwil.

Tekst: Merijn van Nuland | Fotografie: Mark Prins