19-10-2017 23:39:34

Machine learning: 10 situationer hvor teknologien allerede ændrer verden

Machine Learning: Der bliver investeret massivt i machine learning, men hvorfor er teknologien interessant, og hvad er fremtidsperspektiverne? Vi har fundet 10 vidt forskellige eksempler, der viser machine learnings store potentiale.
10. aug. 2016 Af Rene Pedersen - netværksredaktør

Få emner er så hypede i disse år som machine learning og kunstig intelligens. Den simple årsag? Potentialet er enormt, og derfor har giganter som Apple, Microsoft, Amazon, IBM og Intel heller ingen skrupler ved at investere milliarder i startups, der beskæftiger sig med machine learning.

Men hvad er Machine Learning egentlig?

Grundlæggende er machine learning et underfelt af kunstig intelligens, der er baseret på algoritmer kombineret med statistisk analyse. I takt med at regnekraften i vores computere stiger, kan vi udsætte computeren for større og større datasæt, som algoritmerne så kan bruge til at lave hypoteser på de bedste løsninger af et problem. Sagt på en anden måde beskæftiger machine learning sig med at udlede regler fra data - computeren lærer ud fra erfaringer.

Der findes i dag en række velkendte services, der i større eller mindre grad benytter machine learning. Googles søgeresultater er i dag afhængige af machine learning-algoritmer, og det samme er firmaets oversættelsestjeneste Google Translate og billedtjenesten Google Fotos, der i mange tilfælde selv kan fortælle dig, hvad der er på billedet. Men også inden for sundhedssektoren skal Google DeepMind hjælpe i kampen mod blindhed ved at gennemgå millioner af øje-scanninger. Også Apples elektroniske assistent, Siri bygger på machine learning-teknologi.

Og det er som sagt langt fra kun Google og Apple, der bruger Machine Learning. Vi har tidligere beskrevet, hvordan teknikken skal revolutionere finansverdenen, sygdomsbehandling, forskningen samt hvordan selvkørende biler bliver fuldstændig afhængige af machine learning. I denne artikel har vi samlet yderligere 10 eksempler, hvor teknologien allerede nu bliver brugt.

1: Machine learning skal være med til at bekæmpe cancer

Tidligere på året lancerede den amerikanske regering med vicepræsident Joe Biden i spidsen deres Cancer Moonshot Task Force, som skulle “double the rate of progress in the fight against cancer”. Et ambitiøst mål som siden er blevet fulgt op ved frigivelsen af mere end 2 petabyte sundhedsdata. Dataen indeholder blandt andet 12.000 sæt fuldt segmenteret arvemasse fra patienter, og håbet er, at dataen kan få en række firmaer, der normalt ikke beskæftiger sig med cancerforskning på banen med nye ideer og metoder.

Et af de startups, der tidligt meldte sig på banen, er machine learning-virksomheden Tamr, der i et åbent brev til vicepræsidenten siger, “Count us in”.

Også IBMs supercomputer, Watson er tidligere kastet ind i kampen mod cancer. Watson har blandt andet gennemgået mere end 20 millioner forskningsrapporter, og det ser ud til, at resultaterne begynder at komme.

2: Machine learning kan gøre trafikken sikrere

Et andet sted, hvor der er store forventninger til, at machine learning kan være med til at redde liv, er trafikken. Teknologien er en afgørende faktor i forhold til at skabe selvkørende biler, som mange mener kan være med til at gøre trafikken markant mere sikker.

Men derudover kan machine learning kombineret med sensorer skabe mønstre i store mængder data og dermed unik viden om, hvilken type uheld der sker hvor, hvornår de sker, ligesom for eksempel trafikreguleringer vil kunne lære og dermed blive bedre. Vi kender alle eksempler på lyskryds, hvor vi venter unødvendigt lang tid, og et intelligent lyskryds vil kunne få trafikken til at glide mere gnidningsfrit.

3: OL-atleter bruger machine learning i kampen om medaljer

Aktuelt er alles øjne rettede mod Rio, hvor verdens skarpeste atleter kæmper om guldet til OL. Sport er blevet big business og big prestige, og selvfølgelig er moderne teknologi også blevet en vigtig del af en række forskellige sportsgrene. Blandt de sportsudøvere, som benytter machine learning til dette års OL, er det irske hockey-landshold. I samarbejde med firmaet Kitman Labs bliver alle irske hockeyspillere overvåget, så trænerteamet kan dosere træningen, så spillerne undgår overbelastning. Machine learning er med til at overvåge de tusindvis af input, som systemet modtager.

Også de canadiske og amerikanske boksere bruger teknologi, hvor machine learning er en afgørende del. Ved at benytte håndleds-sensorer kan firmaet Hykso lave tusindvis af målinger per sekund, som kan bruges til at analysere boksernes slag.

Før OL gik i gang, er machine learning også blevet brugt til at analysere, hvilke nationer der kommer til at vinde flest medaljer. Buddene lyder i øvrigt på USA, Kina, Rusland og England - måske ikke bud, der har krævet den store computerkraft - mens Japan og Brasilien bliver nævnt som de nationer, der vil gå mest frem i forhold til tidligere olympiader.

4: Tyskland bruger machine learning til at booste den grønne omstilling

Selv om vindmøller og solceller konstant bliver mere effektive og falder i pris, er der stadig en grundlæggende udfordring ved den grønne energi. Forsyningssikkerheden. Vind- og solenergi er ustabile energikilder, og selv om en større og større del af Tysklands behov for strøm bliver dækket af grøn energi, er man stadig helt afhængige af, at kulkraft- og kernekraftanlæg kan supplere med energi i de perioder, hvor der er overskyet og vindstille.

I perioder skaber Tyskland så meget grøn energi, at prisen bliver negativ, og så skal de store kunder pludselig have penge for at forbruge strøm. Det koster årligt 500 millioner euro, og det siger sig selv, at det er en dårlig forretning. Et af redskaberne, tyskerne har kastet ind i kampen for kun at skabe den mængde strøm, der er behov for, er machine learning.

Projektet EWeLiNE er sat i søen for at udvikle komplicerede modeller, der kan forudsige vejret og strømforbruget, så der kan skrues op og ned for kul- og kernekraft i de perioder, hvor der er store udsving i den grønne energi.

5: IBM bruger historisk data til at skabe hyperlokale vejrudsigter

I det hele taget er vejrdata en oplagt kampplads for machine learning. IBM købte tidligere på sommeren The Weather Company, og via det opkøb har de skabt en model, de kalder Deep Thunder. Modellen analyserer historisk vejrdata, og ud fra det, kan Deep Thunder lave specialiserede lokale vejrprognoser til virksomheder. Flyselskaber vil fx kunne spare penge på brændstof, hvis de kender vejrforholdene, ligesom forsikringsselskaber, medier og energiselskaber vil kunne udnytte de lokale vejrudsigter i deres daglige arbejde.

6: Kan være med til at spotte autisme

Autisme er en samlet betegnelse for en bred gruppe af beslægtede vanskeligheder. Eksperterne er dog enige om, at følgerne af autisme kan mildnes væsentligt gennem tidlig indsats. Men det er ikke altid let at spotte autisme, så derfor håber man, at machine learning kan blive et stærkt våben.

Studiet Use of Machine Learning to Improve Autism Screening and Diagnostic Instruments: Effectiveness, Efficiency, and Multi-Instrument, der blev offentliggjort tidligere på året har fokus på netop det.

7: Bekæmpe terror-angreb

Det kommer næppe som nogen overraskelse, at machine learning også er et begreb, man kender, i verdens efterretningstjenester. Den amerikanske sikkerhedstjeneste, NSA har oprettet programmet SKYNET (Nej, navnet er ikke en joke), som hjælper med at lokalisere terrorister.
Ifølge MIT vil det også være muligt at bruge machine learning til at identificere terrorister, når de laver det ofte benyttede v-tegn på billeder.

Skal man overvåge hele verdens internettrafik, er det vigtigt med systemer, der kan skære den mest unødvendige støj fra. I Israel arbejder man derfor på at udvikle et system, der kan skære folk, der joker med terror fra. Ved at lade en algoritme gennemgå tusindvis af Facebook-sider, har den lært forskellen på folk, der skriver seriøst om terror, og dem der bare skriver ‘med tungen i kinden’.

Der er dog også folk, der peger på, at antiterror-tiltagene ikke er effektive, fordi machine learning kræver meget data. Og selv om terrortruslen er vokset de sidste år, er der fortsat et begrænset datasæt at træne algoritmen udfra.

Det er ikke kun i forhold til den almene terror-trussel, at machine learning bliver brugt. Også i forhold til cyber-terror, vil teknologien formentlig blive en vigtig faktor i de kommende år.

8: Dansk firma bruger machine learning til at placere annoncekroner bedst muligt

Mens de fleste eksempler på listen er usecases, der kan være med til at gøre vores liv tryggere, sundere og grønnere, er der også masser af eksempler på machine learning, der bare bruges til godt gammeldags købmandsskab. Det danske mediebuerau Blackwood Seven blev stiftet i København i 2013, men kastede sig tidligere på året ind på det amerikanske marked. Deres våben er machine learning-modeller, der kan bruges til at placere annoncekroner bedst muligt.

I forhold til almindelige mediebureauer er Blackwood Seven en software-platform, så i stedet for at betale bureauerne per indrykning, betaler kunderne et fast fee for brug af platformen. Men det interessante er ifølge Blackwood Seven, at kunderne bliver i stand til at forudsige, hvor meget de får ud af en markedsføringsindsats - alt efter hvor de placerer annoncekronerne. Samtidig skulle platformen blive klogere, jo flere investeringer du laver.

9: Kan bruges til at tage verdens første billede af et sort hul

Selv om vi ved, at de findes, har mennesket endnu ikke set et sort hul. Det skyldes primært, at de sorte huller befinder sig meget langt fra jorden, så hvis vi skulle tage et billede, ville vi skulle bruge et gigantisk teleskop. I stedet arbejder et hold MIT-forskere på via en algoritme at stykke et billede sammen ud fra data fra tusindvis af teleskoper. Continuous High-resolution Image Reconstruction - eller bare CHIRP - er navnet projektet har fået, og algoritmen udmærker sig ved at være god til at skelne mellem brugbare billeder og rent støj.

10: Alle kan få en personlig assistent

Allerede i 2011 lancerede Apple deres virtuelle Personal Assistant, Siri. De fleste pegede på, at teknologien ikke var klar - og der er nok mange, der mener, at Siri stadig ikke har den store funktion. På samme måde slap Microsoft heller ikke godt fra deres først forsøg på at skabe en chatbot. Før eller siden vil personlige assistenter, der bygger på en form for kunstig intelligens/machine learning dog formentlig komme til at spille en rolle, peger de på hos Harvard Business Review.

Disse 10 eksempler er blot en lille del af den udvikling, der sker i øjeblikket. Andre eksempler på brugen af machine learning er:

Test af lægemidler
I kampen mod Alzheimers
Til at forhindre brande
Risk management

Vil du være klogere på emner som machine learning, deep learning, kunstig intelligens og big data? Meld dig ind i et af vores netværk. 

Fremtidsteknologi
Fremtidsteknologi

”Fremtidsteknologi beskæftiger sig tværgående med alle teknologier og deres muligheder og konsekvenser. IDA Fremtidsteknologi kigger fremad og prioriterer teknologier, som ikke nødvendigvis er på ...

Læs mere
Machine Learning
Machine Learning

Få emner er så hypede i disse år som machine learning og kunstig intelligens. Potentialet er enormt, og derfor har giganter som Apple, Microsoft, Amazon, IBM og Intel heller ingen skrupler ved at ...

Læs mere

På hvilke områder tror du, at machine learning kommer til at ændre verden?

luk
close