Digitale Transformatie is het inzetten van nieuwe technologie om bedrijfsprocessen te optimaliseren. De term ‘nieuwe technologie’ in deze stelling is behoorlijk vaag. Bestaat er een algemene verzameling nieuwe technologie? En wanneer wordt nieuwe technologie oude technologie? Ik ben ondertussen 20 jaar betrokken in Enterprise IT projecten rond samenwerken en beheren van bedrijfsinformatie. De tools veranderden, de verwachtingen werden groter en gedetailleerder en de gebruikers werden slimmer. Met de komst van Artificiële Intelligentie ziet het er eindelijk naar uit dat er terug iets interessants aan het bewegen is.  Iets dat een nieuw tijdperk inluidt in de manier waarop we met technologie omgaan en onze verwachtingen zal bijstellen. Er zijn in de voorbije jaren initiatieven in de richting gestart. Telkens bleken ze te vroeg of te beperkt om écht tot verandering te leiden.Het scharnierpunt werd al in 2017 benoemd door AIIM als ‘Systems of Understanding’, geïnspireerd op de manier waarop Geoffrey Moore informatiesystemen benoemt. Hoewel de denkrichting correct was, ontbrak het toen aan voldoende draagkracht om impact te hebben. Die impact is er ondertussen wel.
Laten we vanuit de geschiedenis tot de getailleerde uitwerking van ‘Systems of Understanding’ komen en zien wat de vernieuwing inhoudt.

Voorbij de hype.

1987 – 2007 – Systems of Record.

Systems of Record is een informatiesysteem dat dient als unieke bron van bedrijfskritische data binnen een organisatie. De technische mogelijkheden en de wil van organisaties om hierin te investeren lag aan de basis van deze evolutie.In de periode voor 2007, en vooral voor 2000, lag de focus op het digitaliseren van informatie. Het waren doorgaans logge en complexe software toepassingen die op interne infrastructuur draaiden. Er was in die tijd weinig aandacht voor gebruikersvriendelijkheid en vormgeving. De gebruikers werden opgeleid om taken uit te voeren en stelden zich daarbij verder niet kritisch op.Over het algemeen werden documenten, afbeeldingen en transactionele data bewaard.Het netwerk werd vooral gezien als een manier om data uit te wisselen tussen die systemen.

2007 – 2017 – Systems of Engagement

Gebruikers en hun verwachtingen in het digitaliseren van bedrijfsprocessen vormen het centrum van Systems of Engagement. De driver tot die evolutie moeten we niet alleen binnen de organisaties zoeken. De verandering richting Systems of Engagement wordt ingeleid door 2 gebeurtenissen:

  • Op 9 januari 2007 werd de allereerste iPhone aangekondigd tijdens de MacWorld Conference & Expo. In juni dat jaar werd de eerste iPhone verkocht.
  • In 2006, lanceert Amazon zijn eerste cloud services voor het publiek (S3, storage –  SQS, een queue systeem – EC2, virtuele computers – SimpleDB, een Hadoop gebaseerd framework)

Dankzij deze tech giganten was de toegang tot IT systemen niet uitsluitend werk gerelateerd. Dankzij Apple’s bijzondere aandacht voor gebruikersvriendelijkheid was de interface van de persoonlijke toestellen veel geavanceerder dan dat van de bedrijfssystemen. Consumerization of IT is een term die deze beweging goed samenvat.De beschikbaarheid van vernieuwende tools bij een groep gebruikers die breder is dan de selecte groep business gebruikers is de hefboom tot een groot draagvlak. De publieke beschikbaarheid van onbeperkte rekenkracht in de cloud, aangerekend per gebruik, zette de hele SaaS beweging in gang. Elk bedrijf kon zonder voorafgaande investering software ontwikkelen en ter beschikking stellen.De combinatie van beiden leidden tot de ontwikkeling van sociale netwerken en uiteindelijk tot digitale vaardigheden die veel verder gingen dan wat op kantoor nodig was. Gebruikers werden zich op die manier bewust van de mogelijkheden van technologie en vertaalden dat in nieuwe verwachtingen en ontwikkeling van bedrijfssoftware.

2017 – … – Systems of Understanding.

Vanaf het ontstaan van System of Records spreken we van ECM, Enterprise Content Management. In 2017 kondigt Gartner het einde aan van die definitie. Per 2017 verdwijnt het ECM Quadrant en wordt de nieuwe term Digital Experience Platform in gebruik genomen. AIIM ziet dat als de start van Systems of Understanding, terwijl een ‘digital experience’ eerder te categoriseren is onder een System of Engagement. Behalve het verdwijnen van een Gartner definitie was er niet meteen een trigger die aan de basis lag van die omwenteling. Dat is vandaag anders. Er zijn vandaag 2 elementen die trigger zijn van een grotere beweging de komende jaren:

  • De komst van citizen development. Citizen development betekent dat medewerkers zélf tools kunnen bouwen op platformen die door IT departementen ondersteund worden. Deze tools  kennen we onder de noemer RPA of low code platformen.
  • De ontwikkeling van toegankelijke Artificiële Intelligentie door publieke cloud providers Google, Amazon en Microsoft. De infrastructuur componenten als een dienst zijn ondertussen volwassen en gelijkwaardig op elk platform. Het dienstenaanbod wordt vandaag enorm uitgebreid met bouwblokken om slimme toepassingen te bouwen: Machine Learning, Computer Vision, Speech Recognition, NLP, … Dergelijke services vandaag worden aangeboden via standaard koppelingen en connectoren. Op die manier kunnen ze relatief eenvoudig gebruikt worden door citizen developers.

De combinatie van beide vormen de basisingrediënten voor een nieuwe evolutie. Citizen developers zijn de brede groep gebruikers die niet tot de selecte groep IT engineers behoren om met een andere blik applicaties te bouwen. Deze groep gebruikers is het gewoon om om te gaan met technologie die menselijke activiteiten ondersteunt maar minder expliciet aanwezig is. Technologie vandaag is zich bewust van de context.Systems of Understanding zijn systemen die gebruikers begrijpen en taken overnemen waar mogelijk. De kern van de zaak is automatisatie, op een menselijke manier.

In deze drie grote omwentelingen valt op dat het gebruik telkens vereenvoudigt maar de technische complexiteit vergroot. In Systems of Records viel de interface haast samen met de manier waarop data bewaard werd. Bij Systems of Engagement wordt de ervaring niet als een transactioneel gegeven bewaard. Het verschil tussen interface en onderliggend systeem is groter. Interfaces worden eenvoudiger, terwijl de technische complexiteit toeneemt.De kloof en technische complexiteit wordt bij Systems of Engagement nog groter. Waar de interfaces menselijker worden, lijken de onderliggende technische componenten een zwarte doos. In dat onbekende schuilt meteen de uitdaging om dit scharnierpunt betekenisvol te maken. Gebruikers hebben een zeker wantrouwen tegenover de technische complexiteit. Wanneer we stellen dat de computersystemen menselijker worden, is het nuttig te kijken naar de manier waarop mensen zich ontwikkelen. Uiteindelijk worden systemen door mensen gebouwd en zullen zij die systemen bouwen naar wat ze van zichzelf kennen.In het volgende hoofdstuk benader ik die complexiteit vanuit een menselijk perspectief.  

Het menselijk perspectief.

Systems of Understanding is een algemene term die aanduidt dat systemen mensen zouden begrijpen. Uiteraard doen ze dat niet vanzelf, of toch niet helemaal. Met Machine Learning toepassingen zijn systemen in staat om bepaalde voorspellingen te doen en deze voorspellingen te vertalen in acties. Via beeldherkenning kunnen systemen objecten identificeren en daar verdere acties aan koppelen.Deze toepassingen kunnen we plaatsen in de groep van Cognitive Computing. De term ‘Cognitive Computing’ is een goed vertrekpunt om de technische complexiteit verder te ontleden.De analyse is gebaseerd op de manier waarop Kathleen M. Galotti de ontwikkeling van de mens omschrijft in het boek ‘Cognitive Development: Infancy Through Adolescence‘.
De term ‘cognition’ bevat een breed gamma aan intellectuele activiteiten. Cognitive psychologie gaat doorgaans over de manier waarop mensen informatie opnemen, bewaren, gebruiken en over de manier waarop ze die informatie communiceren. Dit hele proces kan onderverdeeld worden in cognitieve gebieden. Deze gebieden vormen meteen de technische bouwstenen voor Systems of Understanding. Wanneer we later een oplossing zullen bouwen als citizen developer dan zullen we elk van deze elementen ergens configureren. Eén van de interessantste voorbeelden is het bouwen van een chatbot.


Waarneming.

Alle informatie die we opnemen komt binnen via één van onze zintuigen. We zien, horen, ruiken, smaken of voelen nieuwe informatie. Afhankelijk van het gebruikte zintuig zal de informatie een andere vorm aannemen. Zo zijn lichtgolven de basis voor ons zicht, zijn geluidsgolven de basis om iets te horen en zijn chemische en biologische samenstellingen de ingrediënten om informatie te ruiken of proeven. Die input kanalen brengen ons een rijkdom aan informatie. De informatie komt echter ‘ruw’ en onverwerkt binnen. Waarneming refereert naar de verzameling van cognitieve processen om de zintuiglijke waarnemingen om te zetten naar bruikbare informatie.Wanneer iemand uit het raam kijkt zal hij overstelpt worden met visuele informatie over objecten, de grootte ervan, de afstand, de hoeveelheid en kleur van licht, … . Het herkennen van de individuele elementen in het beeld is de waarneming. Ergens in het brein van de waarnemer zal de opgenomen informatie gesegmenteerd worden tot bruikbare informatie: welke waarnemingen horen samen, wat vormt één object, etc.

Aandacht.

Wanneer we een complexe cognitieve taak verwerken hebben we vaak focus nodig. We concentreren onze mentale energie om die ene taak succesvol af te werken. Dat betekent dat we andere signalen negeren en ons afsluiten van afleidingen. Deze beschrijving vat de essentie van wat men in de cognitieve psychologie ‘aandacht’ noemt samen. De vaardigheid om mentale middelen in te zetten bij specifieke taken. Door ons bijvoorbeeld te richten tot één conversatie in een ruimte zijn we in staat om meer nuances van date ene  gesprek op te nemen. De kans is groot dat we een rijkere herinnering hebben aan een conversatie wanneer we heel aandachtig waren.


Geheugen

Informatie die we aandacht geven en die we opnemen willen we ook bewaren voor toekomstig gebruik. Geheugen is daarbij de term die we gebruiken om te verwijzen naar de opslagruimte en processen om die informatie op te slaan. Zoals voor elk cognitief gebied zijn er ook voor het geheugen uitgebreide en gedetailleerde studies over de aard van deze ‘opslagruimtes’. Er zijn echter drie belangrijke types van geheugen te bekijken:

  • Het geheugen is tijdelijk. Vooral wanneer het gaat om actieve informatie. Men noemt dit het werkgeheugen. Het werkgeheugen is de capaciteit die we hebben om een aantal niet gerelateerde elementen van informatie te onthouden.
  • Het geheugen is constructief en is niet goed in het perfect afspelen van een gebeurtenis uit het verleden. We zijn in staat om op basis van fragmenten een gebeurtenis op te bouwen. We bewaren essentiële elementen en vullen de ‘missing links’ op met mogelijke gokken.
  • We coderen informatie in ons geheugen met randinformatie. Die randinformatie of context is nuttig om een herinnering op te roepen. Een bepaalde kleur, een stemming, een geur, kan bijdragen tot het opnieuw afspelen van een herinnering.

Kennis

weergeven en categoriseren.Oudere kinderen kennen meer over verschillende onderwerpen dan jongere kinderen. Oudere kinderen kunnen beter spellen, hebben een grotere woordenschat, kennen meer feiten, etc.. Uiteraard hoe meer kennis een individu heeft, hoe belangrijker het wordt om deze informatie georganiseerd op te slaan om makkelijker naar boven te halen. Een interessant experiment is te proberen om 10 woorden die beginnen met de letter ‘w’ op te noemen. Dat zal eenvoudig lukken. De volgende stap in het experiment is om een lijst van 10 woorden te noemen met ‘w’ als vierde letter. Dat zal een pak moeizamer zijn. Dit experiment doet vermoeden dat we woorden alfabetisch opslaan en niet organiseren per vierde letter.


Taal

Taal is het vermogen om een oneindig aantal uitingen te produceren en te begrijpen aan de hand van slechts een eindige basis van elementen (bijv. geluiden of woorden) die een systeem van regels volgen dat bekend staat als grammatica, wordt beschouwd als het meest onderscheidende aspect van menselijk bewustzijn. (Steven Pinker).Taal op zich is een boeiend en breed domein. Binnen deze context is het belangrijk om enkele aspecten te bekijken.

  • Taal is gestructureerd en volgt een set van regels. Een lettersamenstelling als ‘eloe’ volgt een bepaalde structuur en kan ooit een betekenis krijgen. Een lettersamenstelling ‘spzt’ volgt de structuur niet en zal dus nooit een betekenis krijgen, tenzij in een andere taal dan het Nederlands. Zo zijn er niet enkel regels voor woorden, dit geldt evenzeer voor de constructie van een zin.
  • Taal kent verschillende lagen. Zo zijn er fonetische regels die bepalen hoe een woord uitgesproken wordt. Er zijn regels die de betekenis van een woord bepalen. Zinnen worden opgebouwd volgens vooraf bepaalde regels. Mensen of systemen die luisteren of praten zullen deze regels moeten begrijpen en kunnen toepassen.

Denken, redeneren en beslissen.

Informatie leidt meestal tot het oplossen van problemen, maken van plannen, kiezen van opties, … . Denken, redeneren en beslissen zijn de processen die leiden tot actie.

  • Denken is de breedste term en verwijst naar het gebruiken van informatie. Dit houdt o.a. maken van sommen, vermenigvuldigen, zoeken naar een woord, oplossen van een raadsel in.
  • Redeneren refereert typisch naar het soort logisch denken. Het trekken van een conclusie uit gegeven informatie wordt redeneren genoemd.
  • Beslissen is het maken van een keuze uit verschillende opties.

Cognitive Computing: chatbots, RPA en automatisatie.

Waarneming.

Zintuigen zijn de sensoren van ons lichaam. Vertalen we dit naar een computersysteem vertalen dan hebben we dezelfde sensoren nodig om waarnemingen te doen.  Zo is een camera de sensor voor zicht, de microfoon voor geluid, …. De opgevangen analoge signalen worden aan de hand van computersoftware omgezet naar digitale informatie. Die digitale informatie wordt op zijn beurt omgezet naar bruikbare informatie. Dit hele proces is de waarneming

Uitgewerkt voor zicht is dat als volgt:

  • sensoren als zintuigen: van ruwe data naar nuttige informatie.
    De camera neemt een foto van een landschap waarin een koe graast op een weide. De eerste stap is het vertalen van de lichtsignalen naar een digitale foto. Vervolgens zullen alle elementen in de foto verwerkt worden tot nuttige informatie.Zo zal de contouren van een object, de kleuren van de lucht en weide leiden tot de definitie van het beeld en identificatie van de koe. De verwerkingssoftware doet hierbij beroep op de kennis van kleuren en dieren.Verwerking van beelden noemen we Computer Vision.
  • specifieke sensoren en context.
    Bij het verwerken van waargenomen data gebruiken we onbewust veel kennis om betekenis te geven aan deze data. Zo weten we uit ervaring wat de gevoelstemperatuur van een GSM oplader is. Wanneer we voelen dat deze warmer is dan de aanvaarde temperatuur zullen we alarm slaan. We hoeven de exacte temperatuur niet te kennen.Computersystemen kunnen we uitrusten met allerlei specifieke sensoren die we geen context moeten meegeven om dezelfde waarneming en alarmering te doen. Zo is een thermometer een sensor om temperatuur te meten. Als we willen alarmeren boven of beneden een bepaalde waarde volstaat een eenvoudige wiskundige berekening om te bepalen of de gemeten temperatuur warmer of kouder is dan de toegelaten temperatuur.

Waarneming toegepast in automatisatie.
Het element waarneming is van belang wanneer we processen binnen de fysieke ruimte willen automatiseren. Voorbeelden van waarnemingen zijn nummerplaat herkenning aan een slagboom, gezichtsherkenning of identificatie van een mondmasker aan het onthaal, meting van luchtkwaliteit in een vergaderzaal, …

Aandacht.

Aandacht is de mate waarin we in staat zijn om ons te focussen op één taak en waarbij we ons afsluiten voor andere prikkels. Een computersysteem kan zich niet autonoom afsluiten van externe prikkels of de aandacht richten op een onderwerp.De aandacht of focus van een computersysteem wordt bepaald door de sensor of de context van de ontvangen data. Zo kunnen we ervan uitgaan dat de waarneming van een thermometer steeds een temperatuurwaarde is. In de verwerking van de waargenomen data hoeven we geen verdere berekeningen te doen of context te kennen om die veronderstelling te maken.
Bij een chatbot toepassing bestaat die focus ook. Wanneer je een eerste bericht naar een chatbot stuurt zal het achterliggend systeem proberen achterhalen wat de mogelijke vraag is en hoe die vraag best verwerkt wordt. We noemen dit ‘triggers’. Het zijn herkenbare beginvragen die het verdere verloop van de conversatie bepalen. Voor elke trigger worden varianten geconfigureerd op voorhand. Zo zal de vraag ‘Ik wil graag een vergaderzaal boeken’ en ‘boek mij een vergaderzaal’ dezelfde conversatie opstarten.Wat aandacht betreft komt het er dus op neer om de specifieke context van de te ontvangen informatie op voorhand te bepalen. Dat kan door een bepaalde sensor te gebruiken (thermometer, CO2-meter, UV-meter, …). Wanneer het om tekst gaat zullen bepaalde woorden in de tekst het onderwerp bepalen.

Geheugen en kennis

Het geheugen is één van de bekendste onderdelen in een computersysteem. Zo is de harde schijf het permanent geheugen en het typische geheugen, het werkgeheugen.Wanneer we geheugen binnen cognitive computing bekijken moeten we iets verder gaan dan die fysieke componenten. Eén van de belangrijkste bouwstenen bij het bewaren van informatie is de databank. De configuratie en het beheer van databanken is een specialisatie op zich. De keuze voor het type databank en de manier waarop deze wordt geconfigureerd is bepalend voor het volgende gebied in cognitive development: de weergave en categorisatie van kennis.Het geheugen helpt ons als mens om ervaringen op te slaan en die, aan de hand van context parameters, terug af te spelen. Bij de introductie van artificiële intelligentie in een computersysteem gebeurt dat op dezelfde manier. Stel dat we een computersysteem willen laten voorspellen wat de treinbezetting is op een bepaalde dag, dan zal in één van de voorbereidende stappen het systeem gevoed worden met de treinbezetting van alle dagen in het verleden. Dat wordt bewaard in het geheugen en wordt gebruikt bij elke nieuwe voorspelling. Dit wordt algemeen onder de noemer Machine Learning geplaatst.

Kennis Weergeven en Categoriseren.

Categoriseren en weergeven zijn twee van de meest belangrijke gebieden in cognitive computing. Binnen dit gebied zal betekenis gegeven worden aan verkregen informatie.

  • Weergeven betekent dat we op een snelle manier data kunnen ophalen uit een grote bibliotheek van informatie. In het menselijk geheugen slaan we worden alfabetisch op. De volgorde van de letters is dus een hulpmiddel om woorden in onze woordenschat snel terug te vinden. Hetzelfde principe wordt toegepast in computersystemen. Een hulpmiddel als het alfabet wordt een index genoemd. Het is de inhoudstafel voor een onderdeel van de informatie. Diezelfde informatie kan, net als bij mensen, meerdere indexen hebben. Zo worden woorden alfabetisch maar misschien ook thematisch bewaard.
  • Categoriseren (en classificeren) is het organiseren van informatie in groepen en bijkomend, het verband tussen die groepen. De uiteindelijke groepering en definities van groepen en verbanden noemen we een taxonomie. De taxonomie kan dan gebruikt worden als de index om verkregen informatie snel betekenis te geven. Wanneer een computersysteem een bal en een wit doel herkent op een foto zal hij de foto als geheel kunnen classeren als ‘een foto over voetbal’. De link ‘voetbal’ tussen een bal en een wit doel kan op twee manieren ontstaan zijn in het computersysteem:
    • Een manuele configuratie van het systeem waarbij men op basis van een regel stelt dat als een bal en een wit doel op een foto herkend worden, het onderwerp van de foto ‘voetbal’ is.
    • Een aangeleerde link die ontstaan is door vele foto’s met het onderwerp ‘voetbal’ te analyseren. In dit geval betekent het de toepassing van machine learning en het trainen van een model.

Classificatie en categorisatie zijn op hun beurt essentiële aspecten binnen het volgende gebied: de taal.

Taal

Voor de verwerking van taal binnen computersystemen wordt vaak verwezen naar NLP (Natural Language Processing). Net zoals bij mensen is dit het gebied waar betekenis gegeven wordt aan informatie in tekstvorm. Binnen een NLP systeem gebeurt categorisatie en classificatie van woorden volgens bepaalde methodes. In de meeste systemen worden volgende drie concepten gebruikt:

  • Categorie. Een categorie is een aanduiding van een algemene groep. Zo kan nieuwsinformatie verdeeld worden in de categorie ‘gezondheid, politiek, rechtspraak, sport, vrije tijd, technologie, …’. Complexere systemen zullen onder hoofdcategorieën ook de mogelijkheid bieden om subcategorieën te configureren.
  • Topic. Een topic is het onderwerp van de verkregen informatie. Het computersysteem zal de ‘ruis’ in een tekst wegfilteren en de essentie bepalen. Zo kan een nieuwsbericht in de categorie ‘politiek’ als topic ‘presidentsverkiezing’ hebben. Een topic kan op verschillende niveau’s bepaald worden: per zin, alinea, paragraaf, …. Een algoritme binnen een NLP systeem bepaalt de manier waarop een topic gegenereerd wordt.
  • Entiteit. Een entiteit is de definitie van een begrip. Zo zijn plaatsnaam, persoon, bedrijf entiteiten. In de zin ‘Jeff was vandaag bij Google op bezoek’ is Jeff een entiteit van het type persoon en Google een entiteit van het type bedrijf. Bij de configuratie van computersystemen wordt een verschil gemaakt tussen algemene entiteiten en specifieke entiteiten. Algemene entiteiten zijn vooraf bepaalde entiteiten die voor iedereen gelden. Specifieke entiteiten zijn entiteiten die voor één bepaalde organisatie of toepassing gelden. Zo kan ‘PO-10062021’ een entiteit van het type ‘purchase order’ zijn.

Denken, redeneren en beslissen.

De basis van elk computer programma is ‘denken’ of eerder het toepassen van regels om aan de hand van verkregen informatie tot een bepaalde uitkomst te komen. Er bestaan twee algemene methodes om met via een computersysteem tot bepaalde uitkomst te komen:

  • De regels zijn vooraf bepaald. Wiskundige berekeningen, een stap in een vooraf bepaald proces, … . Deze regels worden op voorhand geconfigureerd of geprogrammeerd en toegepast wanneer de informatie verwerkt wordt. De uitkomst is steeds exact voorspelbaar.
  • De uitkomst wordt bepaald op basis van bewaarde kennis. Dit betekent het toepassen van artificiële intelligentie. We leren (of trainen) het systeem de uitkomst van vele voorgaande gelijkaardige gevallen kennen. Wanneer een nieuw gelijkaardig geval moet verwerkt worden zal het systeem bepalen wat de best mogelijke uitkomst is. In veel gevallen zal het systeem een reeks uitkomsten geven met een score.

De toekomst: na het begrip, de ontwikkeling van de persoonlijkheid.

Het menselijker maken van een computersysteem betekent dat deze gebieden steeds gedetailleerder uitgewerkt worden. De mate van informatie begrijpen, autonoom verwerken en aangepast weergeven zal leiden tot een systeem dat we aanzien als meer menselijk. Deze evolutie kunnen we gerust ‘nieuw’ en ‘vernieuwend’ noemen. Digitale Transformatie in de komende jaren zal met andere woorden gericht zijn op het ‘vermenselijken’ van computersystemen.Ook deze vernieuwing zal ooit ‘oud’ genoemd worden. Het is daarom ook nuttig om na te denken over de volgende omwenteling. Systems of Understanding worden gebouwd om waargenomen data te objectiveren volgens afgesproken en vooraf bepaalde regels. In de opbouw van deze systemen houden we geen rekening met cultuur en persoonlijkheid. Deze aspecten zijn veel moeilijker te objectiveren. Ik ga er echter van uit dat de volgende grote fase te maken zal hebben met het inbouwen van persoonlijkheid, en nadien cultuur en andere contextuele aspecten, in computersystemen. Je ziet voorbodes van deze evolutie in verschillende projecten opduiken. Zo is er de discussie rond ethiek, zijn er de persoonlijkheidstesten in de bedrijfswereld, de ontwikkeling van lichaamsexpressie en gelaatsuitdrukkingen in games en computeranimatie, …