Vi mener at kunstig intelligens (AI) og maskinlæring (ML) er blandt de teknologier, der vil have den største indflydelse på vores hverdag i den nærmeste fremtid.
Der har været fantastiske fremskridt, der kommer fra forskning i de sidste par år. En nylig fremvisning af mulighederne indenfor deep learning er NVIDIA’s nye video-til-video arkitektur som kan genere fotorealistisk video fra kanttegninger eller kropspositioner.
Snart kunne vi være i stand til at generere helt nyt indhold til digitale medier ved hjælp af enkle skitser. Dette muliggør nye måder at arbejde sammen med mennesker, der leverer kreative input og computere, der producerer nyttigt indhold.
Området bevæger sig hurtigt
Da nye og spændende resultater kommer ud af deep learning, er interessen for AI vokset enormt, både indenfor industrien og for det offentlige.
Dette har udløst et boom i viden, der genereres inden for området, og kommerciel brug af deep learning teknologier er blevet et mål for efterforskning.
Det ser ud til, at forskere hver måned opdager nye løsninger for at muliggøre større og dristigere løsninger på svære problemer - drevet af AI. Antallet af årligt offentliggjorte forskningsartikler om AI er vokset med 900% siden 1996, og VC-investeringer i amerikanske AI-startups er vokset med 600% siden 2000.
På grund af denne hurtige udvikling har AI og maskinlæring også vundet interessen for de traditionelle nyhedsmedier. Deres holdninger er udbredte: Nogle negative, nogle positive, og andre hævder, at robotterne kommer til at spise os.
Der er meget at være begejstret for, men det ser ud til, at der også er mange misforståelser om, hvad kunstig intelligens er i den virkelige verden, og hvad den faktisk kan gøre.
Misforstået, men alligevel super nyttig
Ideen om en generel kunstig intelligens, der kan tænke og være fornuftig, er stadig en ønskedrøm og er i dag mest en teoretisk konstruktion at tænke på.
Billede fra Adam Geitgey’s morsomme artikel om “awful AI stock photos”
Når vi taler om AI i en praktisk sammenhæng, henviser vi til kunstige neurale netværk og maskinlæring. Dette er undergrupper af AI, men praktisk taget kan de tænkes på som en måde at opbygge store statistiske modeller som kan registrere mønstre i data ved at lære" fra eksempler.
Denne tilgang hjælper med at løse problemer, der tidligere var meget vanskelige, såsom forudsigelse af, når maskiner går i stykker baseret på deres opførsel, klassificering af e-mail-emner, så de automatisk kan videresendes til den rigtige person eller forstå indholdet af billeder og lyd til overvågning eller analyse.
For virksomheder tilføjer AI værdi i at støtte medarbejdere med at tage datadrevne beslutninger, automatisere vanskelige opgaver og forbedre kundeoplevelsen.
AI vil også være et stort aktiv for vores samfund, f.eks. inden for sundhedsvæsenet, hvor maskinlærings systemer allerede er under anvendelse for at forbedre kræftdetektering og forudsige sandsynligheden for, at en borger akut har brug for medicinsk hjælp, så der kan træffes forebyggende foranstaltninger.
At tage ansvar
Vi startede neurospace, fordi vi mener, at AI og maskinlæring er super nyttige, og vi ønsker at spille en rolle i at bringe det til god brug i den virkelige verden.
For os kræver dette at bygge bro mellem viden mellem forskningen og den praktiske, kommercielle brug af maskinlæring. Det er derfor, vi anbefaler at starte med vores AI Camp: hvor vi finder mulighederne for AI i din virksomhed, hvad der kræves af dig, hvad du kan forvente af et pilotprojekt, der viser, hvordan din virksomhed kan få værdi af maskinlæring.
// Maria Hvid, Machine Learning Engineer @ neurospace