Software die uit zichzelf kan leren, daar kijken we niet meer van op. Denk aan spraakherkenning die ons telkens beter begrijpt, of een slimme thermostaat die na een tijdje weet wanneer we dagelijks van ons werk komen en dan de verwarming al op tijd wat hoger zet. Maar hoe werkt machine learning precies?

We spreken van machinelearning als een programma in staat is om zonder menselijke inbreng te leren hoe het een specifieke taak kan uitvoeren en beter wordt in die taak hoe meer ervaring het heeft. Er is dus geen mens die een algoritme programmeert om die taak uit te voeren; de mens programmeert een algoritme dat uit zichzelf leert om de taak uit te voeren.

Hoe programmeer je zo’n algoritme om te leren? Kort door de bocht bestaat dat leren eruit dat het algoritme zoveel mogelijk informatie uit een verzameling gegevens haalt en zo een signaal van ‘ruis’ kan onderscheiden in die gegevens. Zo zijn in spraakherkenningstechnologie de gegevens een geluidsopname, terwijl de informatie de uitgesproken woorden zijn. Al de rest van de geluidsopname is ruis.

In de praktijk trainen we de software op een trainingset, een verzameling gegevens die een goede voorstelling vormen van de gegevens die de software zal tegenkomen. Nadat de software op die manier getraind is, kan ze ook onbekende gegevens aan. Wel moet de taak altijd duidelijk afgelijnd zijn. Software die spraak herkent, kun je niet integraal inzetten om muziek te herkennen en al zeker niet om gezichten te herkennen.

Neuraal netwerk

Neurale netwerken (‘artificial neural networks’) vormen een belangrijke aanpak in machinelearning. Ze bootsen de werking van de hersenen na, die een biologisch neuraal netwerk vormen: een kluwen van ontzettend veel verbindingen tussen neuronen (hersencellen). Een kunstmatig neuraal netwerk bestaat meestal uit meerdere lagen: een invoerlaag van neuronen die de invoer van een probleem voorstellen, een uitvoerlaag van neuronen die de oplossing van het probleem voorstellen, en één of meer tussenliggende lagen die berekeningen uitvoeren.

Bij een fully connected neural network krijgt elk neuron invoer van alle neuronen in de laag ervoor en geeft het zijn uitvoer aan alle neuronen in de laag erna. Bij een convolutioneel neuraal netwerk is een neuron niet afhankelijk van alle neuronen in de vorige laag. Een neuraal netwerk programmeer je niet door expliciet aan te geven hoe het een probleem moet oplossen; je ‘traint’ het door het vele voorbeelden van een probleem te geven, waardoor het uit zichzelf de taak leert.

Deep learning

Vooral deeplearning maakt de laatste jaren furore in de wereld van machinelearning. Bij deeplearning gebruikt het algoritme een groot aantal lagen tussen input en output. De invoerlaag verwerkt de input en stuurt die door naar de volgende laag, die zijn input verwerkt en naar de volgende laag doorstuurt, enzovoort, tot er aan het einde de output uitkomt. Dit grote aantal lagen maakt complexe transformaties mogelijk.

Een prominente gebruiker van deeplearning is Google DeepMind. In 2014 nam Google de start-up DeepMind uit Cambridge over. Begin 2016 kwam het in het nieuws met de overwinning van AlphaGo op de menselijke kampioen in het bordspel go. En het systeem van DeepMind blinkt uit in het spelen van games zoals Space Invaders en Pac Man.

Google DeepMind combineert deeplearning op een convolutioneel neuraal netwerk met het zogenoemde Q-learning om spelletjes te leren spelen zonder dat het hoeft te weten wat de goede zet is: het algoritme krijgt alleen informatie over ‘winst’ of ‘verlies’. Google DeepMind noemt hun techniek deep reinforcement learning.

Wat heeft Google DeepMind dat anderen niet hebben? “Vooral geld,” zegt Sander Bohte, onderzoeker bij het Amsterdamse CWI (Centrum voor Wiskunde & Informatica). “Wanneer je een industrieel onderzoekslabo hebt waar een paar honderd briljante mensen werken, verkrijg je de resultaten van Google DeepMind. Google heeft het geld om de beste mensen ter wereld aan te nemen en ze hebben geld voor krachtige computerclusters. Zij kunnen dus op een heel andere schaal werken dan universiteiten.”

Facebook, Microsoft, Apple...

Google is niet de enige die geld investeert in machinelearning. Facebook heeft een Applied Machine Learning-team dat spam herkent, foto’s automatisch tagt en nog heel wat andere slimme taken uitvoert op het sociale netwerk.

In 2015 kocht Microsoft het bedrijf Equivio, dat patronen in grote hoeveelheden e-mails en documenten doorspit. En Apple nam in 2016 de vooraanstaande onderzoeker Ruslan Salakhutdinov aan als hoofd van zijn AI Research team. Ook Amazon, Twitter en Baidu zijn bezig met machinelearning. En dan is er nog IBM, dat met zijn supercomputer Watson belangrijke toepassingen ontwikkelt.

De kunstmatige neurale netwerken die een belangrijke rol spelen in machinelearning zijn losjes geïnspireerd op de neuronen in onze hersenen. Maar ze werken helemaal niet zo efficiënt, zegt Sander Bohte: “Onze hersenen verbruiken zo’n 25 W energie. Een neuraal netwerk op een pc verbruikt al snel 300 W. Dat kunnen we niet in een drone implementeren, want die verbruikt dan te veel energie om lang in de lucht te blijven op zijn batterijlading."

"En als we een neuraal netwerk ter grootte van de hersenen zouden maken, zou dat 5 MW verbruiken. Onze kunstmatige neurale netwerken zijn dus aanzienlijk minder efficiënt dan hun biologische evenknieën.”

De grote uitdaging is dus om dat verschil te verkleinen. Dat kunnen we volgens Sander Bohte bereiken als we ons nog meer laten inspireren op biologische neurale netwerken: “Neuronen in onze hersenen communiceren met pulsen. Gemiddeld sturen ze één puls per seconde. Maar neuronen zijn niet continu actief. Soms doen ze een seconde niets en soms vuren ze tien keer op een seconde.”

Spiking neural networks

Sander Bohte doet onderzoek naar spiking neural networks, die net zoals biologische neuronen geen energie gebruiken wanneer er niets gebeurt. “We hopen zo neurale netwerken toch een factor 100 energie-efficiënter te maken,” zegt hij. IBM gebruikt dezelfde aanpak in zijn TrueNorth-processor, die met een miljoen neuronen maar 70 mW verbruikt.

Spiking neurale netwerken hebben volgens Sander Bohte nog een ander voordeel: ze zijn compatibel met biologische neuronen omdat ze dezelfde taal spreken. “We kunnen een spiking neuraal netwerk in principe rechtstreeks op ons brein aansluiten. Zo werk ik nu samen met het Leids Universitair Medisch Centrum om cochleaire implantaten te verbeteren. "

"Ik verwacht dat neuroprotheses met spiking neurale netwerken binnen vijf jaar mogelijk zijn. En ik verwacht ook veel van het Amerikaanse DARPA, dat veel geld steekt in projecten binnen het BRAIN Initiative met als doel om 1 miljoen gelijktijdige ‘aansluitingen’ met de hersenen te maken.”

Onbetrouwbare resultaten

Een nadeel van neurale netwerken is dat ze een soort ‘black box’ vormen: wanneer ze een resultaat geven, weet je niet hoe ze tot dat resultaat komen. In sommige domeinen is dat helemaal geen wenselijke eigenschap. Stel dat we software ontwikkelen om een arts te helpen bij het nemen van juiste beslissingen. Als de software een diagnose stelt, maar de arts helemaal niet weet waarop die diagnose gebaseerd is, kan hij daarop niet vertrouwen. Een verkeerde beslissing kan immers een grote impact hebben.

“In zulke domeinen werk je daarom liever met predictieve modellen die voor de expert te begrijpen zijn,” zegt Gilles Vandewiele, doctoraatsstudent aan het Internet Technology and Data Science Lab (IDLab) van de Universiteit Gent – imec. Gilles Vandewiele werkt daarom met decision support systemen.

“Dat vereist vaak meer menselijke inbreng dan een neuraal netwerk, omdat we zelf aan feature extraction (het verminderen van de hoeveelheid middelen die nodig zijn om een grote set van gegevens te beschrijven – red.) doen, terwijl dat bij deeplearning automatisch gebeurt. Maar het resultaat is dan wel een begrijpelijk model dat vaak sneller getraind kan worden dan zijn tegenpool, omdat we dan geen miljoenen parameters meer moeten leren.”

Naast de medische sector zijn ook de financiële en juridische sectoren geïnteresseerd in deze aanpak, omdat experts in die domeinen een uitleg moeten kunnen geven bij hun beslissingen. “De nauwkeurigheid ligt bij deeplearning wel nog hoger. Bij de keuze tussen deeplearning- en decision support-systemen maak je altijd de afweging tussen nauwkeurigheid en begrijpelijkheid van het model.”

Ook IBM Watson is op deze aanpak gebaseerd. De DeepQA-software die het hart uitmaakt van Watson kan allerlei gestructureerde en ongestructureerde gegevens combineren en zijn beslissingen uitleggen. IBM heeft Watson dan ook al in meerdere ziekenhuizen ingezet en waagt zich met het systeem ook aan weersvoorspellingen.

Lees verder op de volgende pagina.

Vandewiele wijst ook op Kaggle, een online platform dat programmeerwedstrijden in data science-problemen organiseert. “Op Kaggle vind je heel veel state-of-the-art oplossingen voor machinelearning-problemen. Voor problemen die niet over afbeeldingen, video’s of geluid gaan, is de meest prominente tactiek om hoge classificaties te halen het trainen van heel veel verschillende modellen op basis van geëxtraheerde features en dan de voorspellingen van die modellen gebruiken als nieuwe features voor een finaal model.

Een van de meest voorkomende algoritmes daarvoor is eXtreme Gradient Boosting (XGBoost), een algoritme gebaseerd op beslissingsbomen.” In 2015 en 2016 haalden doctoraatsstudenten van de Universiteit Gent de eerste respectievelijk tweede plaats in de Data Science Bowl van Kaggle.

Bayesiaans netwerk

Nog een andere aanpak in machinelearning vormen de Bayesiaanse netwerken. Een Bayesiaans netwerk is een probabilistisch grafisch model dat de conditionele afhankelijkheden van willekeurige variabelen voorstelt. Zo kun je de relaties tussen ziektes en symptomen voorstellen. Bij het voorkomen van bepaalde symptomen, kun je dan berekenen wat de kans is op allerlei ziektes.

“Voor een Bayesiaans netwerk moet je ontzettend sterke aannames maken over de wereld,” zegt Peter Grünwald van het Amsterdamse CWI. “Je moet aangeven hoe groot de kans is op alle mogelijke toestanden van de wereld, je prior beliefs. Voor complexere problemen gaat dat al snel over een kansverdeling van miljoenen getallen. Het is conceptueel niet zo eenvoudig om je dan voor te stellen waar je nu eigenlijk mee bezig bent.”

Peter Grünwald is daarom voorstander van een informatietheoretische aanpak. “Eigenlijk is dat een veralgemening van de Bayesiaanse methode, maar de interpretatie ervan is helemaal anders, in termen van datacompressie. De kern bestaat uit het minimum description length (MDL) principle. Dit principe zegt dat de beste hypothese voor een bepaalde verzameling gegevens degene is die leidt tot de beste compressie van deze gegevens.”

Als je ruwe data zoals x- en y-coördinaten letterlijk zou opschrijven zonder enige compressie, zouden die veel ruimte innemen. Maar als er een patroon tussen x en y bestaat, bijvoorbeeld y is een functie van x, dan kun je die gegevens kleiner opschrijven. Je schrijft dan de functie op en daarna de x-coördinaten. Die tweede manier comprimeert de gegevens beter dan de eerste en is dus een betere hypothese.

Machine learning en robots

We denken bij machinelearning doorgaans aan ‘virtuele’ oplossingen zoals slimme assistenten en vertaalprogramma’s, maar we zien ook meer en meer oplossingen in robotica, die een effect in de echte wereld hebben. “Het is een hele uitdaging om robots te leren bewegen en ze zo adaptief mogelijk te maken in menselijke situaties,” zegt Francis wyffels, die hiernaar onderzoek doet aan het IDLab van de Universiteit Gent.

Vooral in kleinere bedrijven is die aanpak interessant. Terwijl grotere productiebedrijven vaak grotendeels geautomatiseerde fabrieken hebben met robots die zonder enige menselijke inbreng hun werk doen, gaat het bij mkb’s vaak anders: de robots krijgen steeds wisselende taken en voeren die in nauwe samenwerking met mensen uit. Dat vereist heel wat meer intelligentie én aanpassingsvermogen.

Om intelligentere robots mogelijk te maken, is ook heel wat fundamenteel onderzoek nodig. Zo bekijken onderzoekers hoe ze de werking van robots meer door biologische processen kunnen laten inspireren. “In onze ruggengraat zitten de Central Pattern Generators (CPG’s), neurale netwerken die de spieren aansturen. Voor motorische controle op hoog niveau zijn de hersenen natuurlijk nog nodig, maar de CPG’s werken op een lager niveau. De controle gebeurt dus door neurale netwerken op verschillende niveaus,” legt Francis wyffels uit.

“We kunnen dan ook allerlei basisbewegingen doen zonder dat onze hersenen dat moeten aansturen. Robots werken daarentegen doorgaans met één centraal programma dat alles aanstuurt. Wat als je nu de bewegingen van een robot ook hiërarchisch laat aansturen, met onafhankelijk werkende motorneuronen zoals in onze ruggengraat? Dit onderzoek staat wel nog in zijn kinderschoenen, maar het is een veelbelovende aanpak.”

Binnen enkele jaren zouden we ons domoticasysteem volgens Francis wyffels niet meer via een aanraakscherm aan de muur of via onze tablet aansturen, maar we zouden ermee op een natuurlijke manier communiceren via een soort kunstmatige huiscoach.

“Zo’n sociale robot waarmee je spreekt kan de aversie van veel mensen voor technische systemen overwinnen. Veel mensen zijn bang voor een domoticasysteem omdat ze in de war raken door al die knopjes en instellingen. Dat is allemaal veel te abstract voor hen. We hebben alle bouwblokken om een sociale interactie met ons domoticasysteem te ontwikkelen: goede spraakherkenning, beeldverwerking, kennis over human-robot interaction enzovoort. De ontwikkelingen zullen hier dus niet zo heel lang op zich laten wachten.”

De toekomst

De vooruitgang in machinelearning zal niet alleen in ons dagelijks leven gevolgen hebben, maar ook breder in onze maatschappij. Vaak hoor je het doemscenario dat we allemaal onze banen gaan verliezen aan computers. Artsen, journalisten, juristen, ... volgens de doemdenkers is hun baan binnen afzienbare tijd bijna volledig te automatiseren. Onderzoeksbureau Forrester voorspelt dat in 2021 al zes procent van de banen in de VS door robots zijn overgenomen.

Toch is het toekomstbeeld niet zo negatief voor onze baanvooruitzichten als vaak wordt voorgesteld. In zijn rapport ‘Preparing for the Future of Artificial Intelligence’ van eind 2016 schetste de Obama-administratie in één van zijn laatste publicaties dat we onze banen kunnen behouden als we mens en machine laten samenwerken om elkaars zwakheden te compenseren.

Zo vermeldt het rapport een studie waarbij afbeeldingen van cellen van lymfeknopen door een computer of door een dokter beoordeeld werden om te bepalen of het om kanker ging. De computer maakte 7,5 procent fouten, de menselijke patholoog 3,5 procent fouten. Maar als de patholoog werd bijgestaan door een computer, werd het foutpercentage van de gecombineerde aanpak gereduceerd tot 0,5 procent.

De grootste uitdaging in het domein is volgens Francis wyffels dat we te weinig mensen hebben die onderzoek doen naar machinelearning. Dat is volgens hem ook een gevolg van het gebrek aan interesse in wetenschappen en technologie bij de jeugd, in het bijzonder de informaticawetenschappen. Het sterotypische beeld van de asociale computernerd is nog altijd niet uitgeroeid.

“Hier ligt een grote taak voor de overheden en scholen: zij moeten onze jeugd voldoende laten kennismaken met informaticawetenschappen en hen leren om met de snelle veranderingen in de toekomst om te gaan. Er zijn gelukkig heel wat scholen die al op eigen houtje initiatieven invoeren om hun leerlingen warm te maken voor informaticawetenschappen.” Om leerkrachten daarbij te helpen, richtte Francis wyffels de vzw Dwengo op en heeft hij didactisch materiaal op de website program-uurtje verzameld.

Een lange werkdag achter het scherm eindigt vaak met vermoeide ogen en een stijve nek. macOS biedt gelukkig talloze verborgen opties waarmee je het beeld, de tekst en zelfs de cursor precies op jouw voorkeuren afstemt. Door deze slim te combineren, verbeter je de leesbaarheid van de tekst op je scherm. Je hebt zelfs geen extra software nodig om binnen een paar minuten meer fijner met macOS te werken.

Omdat een te hoge resolutie voor piepkleine letters zorgt en een te lage voor kartelige pictogrammen, begin je met het vinden van de juiste balans - en die is voor iedereen anders. Open Systeeminstellingen via het Apple-logo linksboven of de losse app, kies Beeldschermen en probeer de verschillende opties die je ziet even uit. Elke optie geeft een andere pixelverhouding weer: de uiterst linkse vergroot, de uiterst rechtse verkleint.

Gebruik je een externe monitor? Dan kun je per scherm een andere schaal kiezen, zodat het ingebouwde Retina-scherm loepzuiver blijft terwijl de 4K-monitor comfortabel grote elementen toont. Bij Geavanceerd vind je overigens nog wat instellingen over hoe je muis omgaat met meerdere schermen. Experimenteer een paar minuten en geef je ogen even de tijd om aan een nieuwe instelling te wennen.

Tekstvergroting in apps

Als de systeemschaal goed staat, maar je in Safari of Mail nog steeds moeite hebt de letters te lezen, kun je ook alleen de tekst vergroten. Start Safari, open een pagina en druk op Cmd+Plusteken (Cmd++) tot de letters prettig groot zijn. Klik vervolgens in de menubalk op Safari en kies Instellingen / Websites en vervolgens Zoomniveau aan de linkerkant. Kies nu voor elke openstaande website het standaard-zoomniveau.

Mail werkt vergelijkbaar: open Mail, kies Instellingen / Lettertype en kleur en klik op Selecteer om het font groter te maken.

Omdat Finder in macOS Ventura is samengevoegd met Voorvertoning, krijg je ook daar consistente resultaten; open een map, druk op Cmd+J en stel onder in het menu bij Tekstgrootte een grotere tekstgrootte in. Door per app te werken, voorkom je het rare effect dat randmenu’s reusachtig worden terwijl artikelkolommen nog onleesbaar klein blijven.

Hoog contrast en kleurfilters

Tekst wordt pas echt leesbaar wanneer het contrast tussen letters en achtergrond groot genoeg is. Ga naar Systeeminstellingen / Toegankelijkheid / Beeldscherm en schakel Verhoog contrast in. MacOS verhoogt dan onmiddellijk het onderscheid tussen wit en zwart, maar behoudt subtiele schaduwen, zodat pictogrammen herkenbaar blijven. Als je liever de kleuren aanpast in plaats van het licht-donkerverschil, activeer dan Keer kleuren om of zet helemaal onderaan de slider bij Kleurfilters aan, open het menu Filtertype en selecteer Protanopie, Deuteranopie of Tritanopie voor specifieke kleurenblindheid. Klik op het uitklapmenu Intensiteit en versleep de schuif tot je zonder moeite rode koppen van blauwe links onderscheidt. De instellingen gelden voor je hele systeem, zodat games, pdf-lezers en zelfs virtuele machinevensters profiteren.

Retina, pixels en puntdichtheid uitgelegd

Bij het afstemmen van leesbaarheid stuit je vaak op termen als Retina en ppi (pixels per inch). Een klassiek lcd-scherm toont tekst met relatief weinig pixels per letter, terwijl een Retina-display het aantal pixels per element verdubbelt of verdrievoudigt, zodat individuele pixels bij normaal gebruik niet meer zichtbaar zijn. MacOS beschrijft resolutie daarom in punten: een punt is de logische eenheid waarop het besturingssysteem interface-elementen tekent. Op een 27inch-iMac wordt één punt bijvoorbeeld gerenderd door twee-bij-twee fysieke pixels, terwijl een niet-Retina externe monitor nog steeds een-bij-een werkt. Wanneer je in Beeldschermen een schaaloptie kiest, rendert macOS de interface op een alternatieve interne resolutie die vervolgens wordt geschaald naar de fysieke pixels, waarbij slimme anti-aliasing wordt toegepast om de scherpte te behouden. Het verklaart ook waarom sommige resoluties in de lijst er wazig uitzien: het zijn tussenwaarden waarbij de pixelverhouding niet gelijk is aan die van het scherm. Kies dus altijd een schaal die tot een exact veelvoud leidt, bijvoorbeeld 1920 × 1080 op een 4K-scherm (dat heeft exact viermaal zoveel pixels). 

Donkere modus, Night Shift en True Tone

De donkere modus vermindert lichtschittering en is daarom onmisbaar bij comfortabel werken in schemerige omgevingen. Open Systeeminstellingen / Weergave en kies bij Weergave voor Donker of Automatisch. Bij die laatste koppelt macOS de omschakeling aan het dag-nachtritme. Ga vervolgens terug naar de instellingen voor Beeldschermen, klik onderaan op Night Shift en zet het dropdown-menu bij Schema op Zonsondergang tot zonsopgang. Het systeem past nu ‘s avonds de kleurtemperatuur warm aan, waardoor blauw licht wordt gefilterd.

Gebruik de schuif Kleurtemperatuur om het effect subtiel te houden; te veel oranje of blauw maakt bijvoorbeeld foto-editing onmogelijk. True Tone is ten slotte de sensorfunctie die witpunten gelijkstelt aan het omgevingslicht. Zet deze optie op dezelfde pagina aan en kijk hoe het scherm minder fel oplicht wanneer een wolk voor de zon schuift.

Vergeet niet dat een externe monitor soms eigen logica heeft voor de kleurtemperatuur; zet in dat geval de fabrieksinstelling op neutraal en laat macOS de rest doen. Door de drie technologieën samen te laten werken, blijft tekst op elk moment van de dag helder maar vriendelijk voor de ogen.

Zoomen, vergroting en Hover Text

 Voor wie regelmatig kleine cijfers in spreadsheets moet controleren, is de ingebouwde zoomfunctie een absolute zegen. Navigeer naar Systeeminstellingen / Toegankelijkheid / Zoomen en selecteer Schermzoom. Kies bij Stijl de optie Beeld-in-beeld, zodat alleen het vergrootglasvenster inzoomt en de rest van het bureaublad overzichtelijk blijft. Stel met de schuiven Maximale vergroting en Minimale vergroting onder Geavanceerd een comfortabele factor in en bevestig met OK. Vervolgens druk je tijdens het werken op Option+Command+= om in te zoomen en op Option+Command+- om weer uit te zoomen. Loop ook zeker nog even door de rest van de instellingen in het Geavanceerd-scherm.

Je kunt er bijvoorbeeld instellen dat de zoomfactor wordt gereset bij het opnieuw opstarten van je Mac, dat kleuren in het beeld-in-beeld-venster worden omgedraaid voor een beter contrast, of dat het schermpje op een vaste plaats blijft staan, ongeacht de bewegingen van je muis. Je kunt zelfs trackpadgebaren instellen om de cursor te verplaatsen als je ingezoomd bent.

Toegankelijkheid voor iedereen

Toegankelijkheid klinkt misschien als iets dat vooral bedoeld is voor mensen met een visuele of motorische beperking, maar in werkelijkheid profiteert vrijwel iedereen van deze functies. Heb je weleens moeite gehad met het lezen van kleine tekst op een Retina-scherm, of gemerkt dat je ogen vermoeid raken na een paar uur achter je laptop? Dan ben je niet de enige. Situaties zoals fel zonlicht, contrastarme websites of gewoon een lange werkdag kunnen het leescomfort flink beïnvloeden. Toegankelijkheidsinstellingen zoals grotere lettertypes, hogere contrasten, kleurfilters of zelfs schermlezeropties zoals VoiceOver kunnen dan ineens verrassend handig zijn.

Deze functies helpen je niet alleen om beter te lezen, maar zorgen er ook voor dat je productiever en met minder inspanning werkt. Door toegankelijkheid te zien als een vorm van personalisatie, wordt duidelijk dat het niet alleen gaat om toegang in de letterlijke zin, maar ook om comfort, rust en controle over je digitale omgeving.

Muisinstellingen

Een verloren cursor zoeken kost tijd en frustreert, vooral op grote schermen. Open daarom Systeeminstellingen / Toegankelijkheid / Beeldscherm en vergroot de aanwijzer met de slider Aanwijzergrootte. Houd het voorbeeldvenster in de gaten totdat de aanwijzer opvalt. Zet vervolgens Schud de muisaanwijzer om deze te vinden aan; een snelle zigzagbeweging vergroot de aanwijspijl tijdelijk, zodat je ‘m makkelijk kunt vinden. Wie contrastrijke muiskleuren wil, kiest bij Contourkleur aanwijzer bijvoorbeeld een fluorescerend groen en bij Vulkleur aanwijzer diepzwart. De combinatie versnelt navigatie in complexe grafische of codeprojecten aanzienlijk.

Spraak, VoiceOver en Live Captions 

Als lezen vermoeiend is, kan luisteren uitkomst bieden. Activeer Systeeminstellingen / Toegankelijkheid / Live spraak. Je ziet nu een schermpje boven in beeld waarin je tekst kunt typen of plakken. Met de Afspeelknop kun je de systeemstem het stuk tekst uit laten spreken. Voor volledige schermnavigatie schakel je onder Toegankelijkheid / VoiceOver de gelijknamige functie in. De snelle rondleiding legt de belangrijkste toetscombinaties uit; onthoud vooral Ctrl+Option+PijltjeRechts om naar de volgende regel te springen.

In videoconferenties kan verminderde gehoorcapaciteit een probleem vormen. Zet dan onder Systeeminstellingen / Toegankelijkheid / Horen de optie Ondertiteling aan. MacOS plaatst automatisch ondertiteling onder elk FaceTime-venster en in vele apps van derden, zolang de taal op Nederlands staat. Let op: niet elke Mac ondersteunt deze functie.

Comfortabeler kijken zit in de details

Met enkele kleine aanpassingen verander je het beeldscherm in een productievere werkomgeving. Door eerst resolutie en tekstgrootte goed te zetten, kun je letters makkelijker lezen. Contrast- en kleurfilters brengen duidelijkheid, terwijl de donkere modus met Night Shift de lichtbelasting verlaagt. Zoom en een opvallende cursor houden details zichtbaar, zelfs bij complexe projecten. VoiceOver en Live Captions geven je ogen rust door teksten te laten uitspreken.  

Fresh 'n Rebel introduceert de Clam Ace 2, een draadloze over-ear koptelefoon die technologie en comfort slim samenbrengt. Hij klinkt niet alleen goed, maar past zich ook aan jou aan. Met gepersonaliseerd geluid, intelligente noise cancelling en een batterij die het moeiteloos meerdere dagen volhoudt is dit een koptelefoon die meebeweegt met jouw dag.

Partnerbijdrage - in samenwerking met Fresh 'n Rebel

Stilte wanneer jij dat wilt

Of je nu werkt, reist of ontspant: de Clam Ace 2 helpt je de juiste focus te vinden. Dankzij Adaptive Hybrid Active Noise Cancelling bepaal je zelf hoeveel van de wereld je hoort. De technologie filtert storend geluid weg, en jij bepaalt zelf hoeveel daarvan je wilt dempen. In de My Sound App stel je het niveau eenvoudig bij, afhankelijk van waar je bent – op kantoor, in de trein of thuis op de bank. Zo houd je zelf de controle over wat je wel en niet hoort.

Met de Ambient Sound Mode blijf je alert op wat er om je heen gebeurt. Het omgevingsgeluid wordt subtiel versterkt, zodat je bijvoorbeeld het verkeer hoort of iemand kort kunt aanspreken. De Quick Access-functie maakt het extra handig: houd kort de linkeroorschelp ingedrukt en je schakelt direct over naar hear-through, zonder instellingen te veranderen.

©Fresh ’n Rebel

Geluid dat zich aan jou aanpast

Iedereen hoort anders, en dat merk je pas echt met Personal Sound by Audiodo. Deze technologie, geïntegreerd in de My Sound App, meet met een gehoortest hoe goed jij verschillende frequenties waarneemt. Op basis daarvan wordt een geluidsprofiel aangemaakt dat de muziek afstemt op jouw gehoor. De lage tonen worden iets krachtiger waar nodig, de hoge juist helderder. Zo klinkt elke noot precies goed!

De app geeft bovendien volledige controle over je instellingen. Je kunt de equalizer aanpassen, knoppen een eigen functie geven, het volume begrenzen of batterijbesparing activeren. Alles in één overzichtelijke interface.

©Fresh ’n Rebel

Schakelen zonder onderbreking

De Clam Ace 2 ondersteunt Multipoint Bluetooth, waarmee je twee apparaten tegelijk kunt verbinden. Zo kun je moeiteloos wisselen tussen laptop en smartphone. Een inkomend telefoontje aannemen terwijl je muziek luistert of een video bekijkt? De koptelefoon schakelt automatisch over.

Tijdens gesprekken zorgen twee Environmental Noise Cancelling-microfoons dat je stem helder blijft, zelfs in een rumoerige omgeving. En met Wind Noise Cancelling blijft ook buiten het geluid helder, zelfs als het waait. Dankzij on-ear detectie pauzeert de muziek automatisch als je de koptelefoon afzet, en gaat hij verder zodra je hem weer opzet. Met het volumewieltje en de klikbare knop op de oorschelp bedien je muziek, noise cancelling en spraakassistent zonder je telefoon erbij te hoeven pakken.

©Fresh ’n Rebel

Dagenlang luisteren zonder opladen

Een van de grootste pluspunten van de Clam Ace 2 is de speeltijd. Met meer dan 100 uur luisteren op één lading hoef je nauwelijks nog aan opladen te denken. Zelfs met actieve noise cancelling ingeschakeld haal je nog 60 uur speeltijd, en met tien minuten snelladen heb je alweer acht uur muziek. Handig als je vaak onderweg bent.

Het draagcomfort is net zo goed doordacht. De zachte oorkussens vormen zich naar je oren, terwijl de flexibele hoofdband ook bij lange luistersessies prettig blijft zitten. Na gebruik klap je de Clam Ace 2 eenvoudig in en berg je hem op in het meegeleverde tasje.

Kleur en karakter

Fresh 'n Rebel staat bekend om zijn frisse kleuren, en dat zie je terug in de Clam Ace 2. Van subtiel Ice Grey en Storm Grey tot opvallender Dreamy Lilac, Dried Green, True Blue en Pastel Pink – er is altijd een uitvoering die bij je past. Welke kleur je kiest, maakt voor de prijs geen verschil: die is voor elke tint 99,99 euro.

©Fresh ’n Rebel

Dit maakt de Clam Ace 2 bijzonder

De Clam Ace 2 past zich aan jou aan. Hij filtert storend geluid weg, stemt het geluid af op jouw gehoor met Personal Sound by Audiodo en houdt het moeiteloos dagenlang vol. Een slimme koptelefoon die meedenkt, comfortabel zit en altijd klaarstaat. Zoals het hoort. Zoals jíj het hoort!