Hjernen bak de smarteste dronene

– VI lager et enhetlig rammeverk som kan lære å lokalisere, gjenkjenne og oppdage gjenstander, gjøre segmentering og en rekke andre oppgaver blant annet ved hjelp av droner. I 2012 kom for alvor maskinlæring og kunstig intelligens på markedet med nettverk som fullstendig overgikk alt annet. Tre år senere presenterte Microsoft et nettverk som var overmenneskelig, det utførte oppgaver bedre enn mennesker.

Tidligere var det en stor sak hvis det kunne skille mellom hunder og katter. Nå kom det nye nettverket skille mellom forskjellige hunderaser, og det betraktes som overmenneskelig. Men for å kunne utvikle intelligens som kan utføre dette trenges det datakraft, masse datakraft understreker Dr Jeremy Wurbs fra Neurala. Du sa i presentasjonen at for å kunne gjøre dette trenger man mye datakraft, men også mange bilder som referanser.

Hva betyr «mange bilder», er det 100 eller 1000 eller er det millioner?

– Det er millioner. I tillegg til datakraft, er datasett den andre komponenten. ImageNet har millioner av bilder og de har fokusert på generelle ting som trær og biler, men også veldig spesifikke ting, som disse forskjellige hunderasene. Det kreves millioner av bilder av hunder for å kunne gjøre dette – det er noe av utfordringen for utvikling innenfor dette fagområdet i dag, sier Wurbs.

– Det ser ut til at dataene blir den nye handelsvaren på dette området. For tre-fire-fem år siden begynte folk å innse verdien av disse dataene, og nå begynner de å få store proprietære datasett. Det betyr at vi også ser utviklingen av en markedsplass for datasett tilpasset ulike sektorer eller oppgaver som skal løses, forteller forskeren til Dronemagasinet.

– Hvilke datasett er tilgjengelige nå?

Du nevnte at inspeksjon av mobilmaster sannsynligvis er en av de som er nærmest?

– Ja det kan se slik ut – anslagsvis innen 12-24 måneder, og det handler om å få samlet inn dataen. Hvis du går inn i spesifikke bruksområder, som mobilmaster, fins det så vidt jeg vet ikke noe åpent datasett. ImageNet eller Google legger ut åpne bilder som i utgangspunktet bruker Flickr-bilder, og så har den en prossess for identifisering og klassifisering av bildene. Ofte på samme måte som om du blir bedt om å «finne-alle-bilder-som-har-en-butikk-fasade» på en nettside du besøker. Men mange datasett vil trolig aldri være åpne, i hvert fall ikke i de neste fem årene, tror forskeren fra Neurala.

Hvis dataene er tilgjengelig, hvorfor tar det så lang tid å implementere på droner?

– Det er en stor utfordring i å innhente data og merke disse korrekt. Har du dårlige data er datasettet mindre verdt. Hvis du har titusenvis av mobilmaster over hele landet, trenger du ikke å gå til dem alle, men du må gå til et betydelig antall og samle titusenvis av bilder og forskjellige forhold rundt dem og under forskjellige værforhold. En stor utfordring er at kunstige nettverk har en helt annen forståelse av det som er vanskelig eller enkelt enn det menneskelige øye.

Du får mange ting gratis «on the fly» fordi du har mye opparbeidet kunnskap. Når du blir kjent med en ny person, vet du at håret sannsynligvis ikke vil endre seg på kort sikt, men at klærne kan endre seg fullstendig, men for en maskin er ikke dette klart. De forskjellige variablene er ikke åpenbare. Så det er en del utfordringer. Hvordan representerer du det objektet du prøver å lære, hvordan plukker du opp de karakteristiske trekkene, slik at i fremtiden når du «blir kjent med» denne personen, har du viss trygghet om at dette faktisk er den personen, selv om de har en annen skjorte eller en annen farge på lua.

– Vi er i midten av 2017, hva forventer du å se innen årets slutt, og på hvilke områder forventer du at det maskinlæring og kunstig intelligens vil ha stor betydning?

– Det er mange selskapet som har flere hundre tusen brukere over hele verden, hver dag sender disse store mengder data som ikke er klassifisert på noen måte. Innen 6-12 måneder vil vi nok se smartere måter å sende data over våre nettverk som gjør at vi i sanntid kan få en bedre klassifisering av dem.

Med kunstig intelligens og trening kan vi få langt smartere nettverk som kan hjelpe alt fra helsevesen, energiselskaper til bilindustrien. Dette er noe av det vi jobber mye med og det ser lovende ut Neurala har spesialisert seg på integrasjon av software som en del av en totalløsning. Selskapet leverer software og hovedsakelige datasett for bruk til ulike type klassifiseringer av objekter. I motsetning til eks IBM Watson som krever at data blir lastet opp til deres skybaserte tjeneste jobber Neurala som en integrert del av en nettverk.

I dag leverer selskapet bla software som er kompatibel med DJI Phantom 4 som gjør at softwaren analyserer datastrømmen (bilder/video) og gir beskjed tilbake til dronen hva den skal gjøre.