AI-projekt under uppstart – inventering av produktifierade tjänster

Jag och kollegan Lars Lindsköld har fått projektpengar från Innovationsfonden för en förstudie med AI & machine learning (ML). Det finns massor med tänkbara vägar för oss att utforska och jag har precis börjat inventera de mer produktifierade möjligheterna.

I väntan på att komma över mer officiella testkonton för att utvärdera Microsofts Azure leker jag lite med de gratistjänster som erbjuds. Kan konstatera att träffsäkerheten på den computer vision som erbjuds via deras API är lite så där. Den fixar visserligen kattungar vid varje försök, men en röntgenbild på en fot är ”close-up of a human” och en röntgad hand med en ram i bilden är ”A screen shot of a video game case lying on a box”…

Bakom kulisserna finns även en viktning över hur övertygad maskinen är att den har rätt. Kunskapsbasen för denna maskin har säkert bestått av massor med kattbilder då de är lätta att komma över via nätet.

Lära upp sin egen computer vision

Men de erbjuder också en version där man kan träna en egen instans av denna maskin med ens egna bilder. Frågan är bara hur precis den blir då om jag exempelvis skulle ladda upp hundratusentals bilder på röntgade lungor i jakt på lunginflammation, som de gör på Stanford.

Stanford har genom ML-tekniken djupinlärning (deep learning) lyckats få en maskin att bli bättre på att diagnosticera lunginflammation än en radiolog. Detta är vad vår förstudie ska jobba med, att se vilka möjligheter det finns att sortera undan uppenbara fall av sjukdom och hälsa för att låta vår personal lägga mer energi på de inte fullt så uppenbara fallen. Vi kommer nog inte gå in på de pedagogiska problemen kring när AI stöttar en människa. Vanligaste exemplet jag hört är det som drabbar bilförare när de plötsligen behöver ta över kontrollen från en till 95% självkörande bil. Förutom förvåningen är den människan inte lika van som den förare som lägger mer tid som förare.

Samverkan mellan AI och människa kanske är ett uppslag för någon kollega som vill söka innovationspengar från Innovationsfonden?

Drifta sin egen molntjänst för att inte läcka data

Det är tjänster likt den ovanstående jag hoppas på att vår IT-avdelning kan få in internt på sikt, att köra ett internt Azure-moln så vi kan använda det för bilder vi inte vill skicka runt halva jordklotet. Vore lämpligt för prestanda, integritet och kostnad misstänker jag.

Andra tekniker vi kommer utvärdera är Apples CoreML, Python i kombination med ramverk som SciKit-Learn, Keras och TensorFlow. Vi kommer inte bygga något komplett, snarare ta fram en rapport och bygga en demonstrator (dvs en form av prototyp).

Mer om AI och computer vision

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *