12-12-2018 04:15:03

Machine Learning er også for almindelige mennesker

Machine learning: Du skal igennem en stejl læringskurve for at komme i gang med machine learning. Men hvorfor egentlig? Ifølge Andreas Refsgaard, der blandt andet hjælper Google med at gøre kunstig intelligens mere håndgribelig, findes der genveje.
14. aug. 2018 Af Rene Pedersen - netværksredaktør
<p>Andreas Refsgaard benytter kodning og machine learning i sit arbejde som underviser, kunstner og konsulent. Mød ham i IDA 12. september. </p>

Andreas Refsgaard benytter kodning og machine learning i sit arbejde som underviser, kunstner og konsulent. Mød ham i IDA 12. september. 

“Hvis man siger machine learning eller kunstig intelligens, tænker folk, at det er noget satans avanceret noget. Noget man skal være virkelig god til matematik for at arbejde med, og noget hvor man skal have en masse data og store computere. Jeg vil sige, at man kan komme i gang lynhurtigt og uden at installere alt muligt”.

Sådan siger Andreas Refsgaard om machine learning og den buzz af trolddom - ja, næsten sort magi - der klæber til begrebet. 

Andreas Refsgaard beskriver sig selv som en interaktionsdesigner, der bevæger sig i feltet “creative coding” uden at have en tung teknisk baggrund. Alligevel står han bag flere projekter, der har tidens hotteste teknologi, machine learning, som omdrejningspunkt. Men omdrejningspunkt på en mere jordnær og kreativ måde, end når Google, Amazon og de andre tech-giganter tygger tusindvis af datasæt igennem og spytter blackbox-løsninger ud i den anden ende.

Fx fik han i 2016 en del opmærksomhed for appen Eye Conductor, som gør det muligt at afspille musik via mimik og øjenbevægelser for personer med bevægelsesvanskeligheder. Og i 2017 var han i samarbejde med kollegaen Lasse Korsgaard og Google's Creative Labs med til at udvikle Teachable Machine, der giver dig mulighed for at træne en machine learning-algoritme direkte i browseren på en sjov og intuitiv måde.

12. september gæster han IDA-huset, og her vil han vise en række projekter, som vender bøtten lidt rundt i forhold til, hvad vi normalt forbinder med machine learning. 

Andreas Refsgaard

Andreas Refsgaard er interaktionsdesigner, kunstner og underviser. Hans arbejde veksler mellem kreativt arbejde for kunder som Google og mere kunstneriske installationer på museer og festivaler i hele verden.

Senest har Andreas udforsket kreative anvendelser af machine learning og undervist designere og udviklere i forbindelse med interaktive projekter i realtid. Et eksempel er "Eye Conductor", som gør det muligt at afspille musik via mimik og øjenbevægelser for personer med bevægelsesvanskeligheder.

Læs mere om Andreas på andreasrefsgaard.dk

En lang række af de machine learning-algoritmer, som i disse år rykker grænserne for, hvad vi kan med kunstig intelligens, er skrevet for flere årtier siden. Men når machine learning og kunstig intelligens har fået så meget vind i sejlene de seneste år, skyldes det især de enorme mængder data og processorkraft, som vi har til rådighed. De store datasæt og en dyb forståelse for matematik er dog ikke nødvendigvis en forudsætning for at komme i gang med machine learning, mener Andreas Refsgaard.

“Jeg er mere interesseret i at lave noget “on the fly” uden store datamængder, men som man lynhurtigt kan træne,” siger han og uddyber:

“Kan man fx lynhurtigt træne en algoritme til at kende forskel på to personer? Eller kan man træne den til at kende forskel på to personers stemmer? Eller til at reagere når man klapper eller laver et bestemt ansigtsudtryk?”.

Lettere at forstå

Andreas Refsgaard vil til sit oplæg vise, hvordan man helt specifikt kommer i gang med at lave sine egne små forsøg med machine learning direkte i en browser. Han fortæller, at de små mere umiddelbare machine learning-projekter, som han beskæftiger sig med, selvfølgelig hverken er så robuste eller nøjagtige, som hvis du træner dine algoritmer med millioner af træningseksempler på store computere.

“Til gengæld er det nogle gange lidt lettere at forstå for folk, hvad der sker, fordi de ser træningen i realtid. De ser, at nu tager jeg nogle eksempler på klasse 1, og nu optager jeg klasse 2, og nu begynder jeg at bruge de output,” siger Andreas Refsgaard.

Til arrangementet viser Andreas Refsgaard blandt andet, hvor og hvordan du kan hente kodeksempler og en kode-editor, så du selv kan være i gang med at træne dine egne machine learning-projekter på få minutter.

“Det er lidt en stejl læringskurve at komme i gang med machine learning, men det er helt vildt ærgerligt, for det kan så meget,” siger han og fortsætter:

“Jeg tror virkelig, at man kan lære noget af det her. For når det bliver træningssæt med millioner af billeder, bliver det meget abstrakt for de fleste. Når det er noget, jeg lige gør - og tit improviserer jeg - så kan folk bedre forstå det,” siger han.

For Andreas Refsgaard ligger der også et element af demokratisering af machine learning i undervisningen. Han mener, at kunstig intelligens baseret på machine learning bliver mere og mere udbredt, og det vil påvirke vores liv i højere grad i fremtiden, end blot hvilke anbefalinger, du får i Spotify, eller hvilke nyheder du får vist. Har du en forståelse for, hvordan teknologien fungerer, har du også en bedre mulighed for at forholde dig kritisk til den.

“Det er lidt som demokrati. Er det vigtigt for den enkelte person at forstå, hvordan samfundet er bygget op demokratisk? Ikke nødvendigvis. Er det en god ide for samfundet som helhed, ja, det vil jeg sige,” siger han.

Kreativ machine learning

Tag med til arrangementet Kreativ Machine Learning 12. september.

Du lærer ikke at bygge den næste store AI-succes på mødet. Til gengæld vil du se en masse anderledes og ofte improviserede eksperimenter med machine learning, som forhåbentlig vil gøre teknologien mere håndgribelig. Du vil efter oplægget selv kunne kaste dig ud i små, hurtigt opsatte projekter - og så bliver det sjovt, lover Andreas Refsgaard.


Deltag i debatten

luk
close