Det finns maskiner och det finns människor. Och människorna är intelligenta och kan fatta beslut medan maskiner, som t.ex. en bil,, skördetröska eller ångvält alltid har saknat varje form av intelligens. Men tack vare IT-teknologin kan vi idag träna datorer att fatta beslut, något som vi ser med Stanforduniversitetets CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning som gör det möjligt att klassificera röntgenbilder och hitta dom som visar på lunginflammation och dom som inte visar på lunginflammation.

Något som nu gör det möjligt för sjukhus världen över att identifiera risk-patienter utan att behöva vänta på röntgenläkare för att analysera röntgenbilderna.

Så det här är viktigt och ett bra exempel att sätta sig in i.

Vi börjar med hela 112.120 taggade röntgenbilder i ett dataset som går under benämningen ChestX-ray14 dataset. Det innehåller röntgenbilder av bröstkorgen som är märkta med upp till 14 olika thorax-sjukdomar, inklusive lunginflammation.

Så det första steget är att träna neuronnät som Googles öppna kod-produkt Tensorflow att känna igen de röntgenbilder som redan är manuellt taggade med pneumonia. När man har justerat, eller “tränat” neutonnätet så att dess resultat överensstämmer med de data man har, så har man en algoritm som man kan använda även på helt nya röntgenbilder som inte ingår i det originella datasetet.

Som videon ovan visar så måste man justera originaldatan som ofta kan innehålla felaktig information.
Men har man väl fått neuronnätet att fingera som man vill, så brukar resultatet bli mycket positivt.

Som i det här fallet. Ett typisk exempel på maskininlärning och neuronnät.