Politik

Tag Archives: Deep Learning

Artificial Intelligence

Robotarna, Deep Learning och AI kommer, bör vi oroa oss?

Published by:

machines

När jag kom hit till Silicon Valley i slutet av 80-talet så var det för att skriva s.k. expert-system, som var en form av AI. Exempel på de system som då var populära var Rete-baserade appar som kunde identifiera giftormar i Australien, som matchade anställda med mötesrum så att man inte fick för stora mötesrum, och som hjälpte flygbolagen att planera sina router så att när det var dags att serva planet så befann det sig på det rätta flygplatsen, så att man aldrig behövde flyga tomma plan. Sen kollapsade hela AI-marknaden och det var slut med allt AI-arbete i flera decennier. Till nyligen. Och vad som har gjort att AI har återuppstått är Big Data-rörelsen. På 80-talet hade vi pyytesmå mängder data att processa, några K var ofta allt. Men idag har vi hur mycket som helst. Plus starkare datorer och givetvis Internet.

Resultatet är att AI och robotiseringen nu verkligen förändrar samhället och börjar äta upp allt fler jobb.

Economist skriver om dagens stora AI-trenden:
Artificial intelligence. The return of the machinery question. After many false starts, artificial intelligence has taken off. Will it cause mass unemployment or even destroy mankind? History can provide some helpful clues, says Tom Standage

Läs fortsättningen här!

Artificial Intelligence

Google RankBrain, neuronnät och deep learning mot algoritmer

Published by:

När man skriver datorprogram som ska lösa ett speciellt problem, som att identifiera hudsjukdomar för att ta ett exempel, så använder man sig traditionellt av algoritmer som skräddarsys för sin uppgift. I det här fallet för att klassificera olika slags hudsjukdomar.

Men idag har vi ett nytt sätt att lösa klassificeringsfrågor, och det är genom att använda neuronnät och s.k. deep learning. Och där skriver vi inte speciella regler som vårt datorprogram sen ska följa, vi låter ett Neuronnät lära sig de olika bilder av hudsjukdomar vi visar det för att sen själv kunna identifiera olika hudsjukdomar. Det är något som är nöra förknippat med Deep Learning och Machine Learning och det har blivit mycket populärt inom datavärlden idag.

Cade Metz skriver i Wired om hur Google nu börjar använda neuronnät för att hjälpa till att avgöra vad vi menar när vi söker på webben: AI Is Transforming Google Search. The Rest of the Web Is Next

Läs fortsättningen här!

Analytics Artificial Intelligence Mobiltelefoner

Bortom Deep Learning, IBM’s TrueNorth chip gör mobilerna supersmarta

Published by:

Det enklaste sättet att se på världen omkring oss är att vi har Big Data, dvs mängder med digitaliserade data som idag kan analyseras av allt mer avancerade datorprogram som använder teknologier som kallas Deep Learning, Machine Learning, Neuronnät och Artificial Intelligence.

Nu har IBM lanserat en ny slags energisnålt neuronnät som går under benämningen TrueNorthIntroducing a Brain-inspired Computer. TrueNorth’s neurons to revolutionize system architectur och som kommer att göra det möjligt att utföra allt mer avancerade analyser av digitala data direkt i din mobil. Utan att ens behöva kontakta datormolnen.

Tom Simonite skriver i MIT Technology Review: IBM Making Plans to Commercialize Its Brain-Inspired Chip. Phones and other compact devices with silicon neurons and synapses inside could be much more useful.

Läs fortsättningen här!

Artificial Intelligence

Artificiell Intelligens som äter sina barn, kommer programmeringsyrket att ha försvunnit år 2060?

Published by:

ArtificialIntelligence_01

En av de viktigaste samhällsfrågorna i dag handlar om hur snabbt kognitiva molnbaserade datorsystem kommer att kunna ta över hur många jobb inom de närmaste decennierna. Och om det är något vi kan göra åt det.

När bönderna tog slut och jordbruket automatiserades så ledde det inte till massarbetslöshet, bara till att fler jobb blev tillgängliga i den växande tjänstesektorn.

Problemet med dagens artificiella kognitiva system är att dom inte bara äter upp lågavlönade jobb utan även har börjat automatisera högavlönade jobb som läkare, börsmäklare, pilot, och i stort sätt alla jobb som överhuvudtaget finns. Inte bara alla rutinjobb som kassajobben på ICA eller bokutcheckningen på biblioteken utan nu även läsningen av enklare röntgenbilder och analys av provsvar kan skötes av datorer.

Så det är inte helt enkelt att föreställa tillräckligt nya jobb som i sin tur inte kommer att kunna ätas upp av allt mer flexibla och smarta datorsystem.

Economist skriver i veckans nummer: Automation angst
Three new papers examine fears that machines will put humans out of work
Läs fortsättningen här!

Artificial Intelligence

Deep Learning, djup kunskap och kognitiva datorsystem pekar mot en helt ny värld

Published by:

Att vi kan programmera datorer så att de kan tänka är lika gammalt som dataåldern. Den artificiell intelligensen grundades på en konferens på Dartmouth College på sommaren 1956.

Nej det är inte fel, redan 1956 började dataforskare som John McCarthy, Marvin Minsky, Allen Newell, Arthur Samuel, och Herbert Simon bygga artificiella datasystem.

Men 30 år senare kraschade den artificiella intelligensen efter att ha utsatts för svidande kritik, och det är först under de senaste åren som den har kommit igen under namn som Kognitiva datorsystem, maskinlärning och djup kunskap, Deep Learning.

Cade Metz skriver i Wired: Deep Learning’ Will Soon Give Us Super-Smart Robots

Läs fortsättningen här!

Artificial Intelligence Big Data

Neuronnät och Deep Learning, datorerna lär sig se, och förstå talat språk

Published by:

När jag kom hit till Silicon Valley för ett kvartssekel sen så var det för att jobba med Artificiell Intelligens. Men den stora AI-våg som alla hoppades på på den tiden förvandlades snart till ett pyttelitet vågskvalp, och IT-världen skyndade snart vidare till mer lovande området som objektorienterad programmering och webben.

Men nu är artificiell intelligens tillbaks med ett vrål och orsaken är Big Data. Dvs huvudorsaken till att AI inte kunde möta de högt uppskruvade förväntningarna var att man som mest kunde behandla några megabytes med data, om ens så mycket.

Nu, med gigantiska datorhallar med tiotusentals sammankopplade servrar i datormolnen så kan man köra AI-teknologier som neuronnät mot terabytes med data, och det har gjort det möjligt att göra stora framsteg inom bl.a. datorseende, tänk ansiktsigenkänning, och förmågan att förstå talat språk.

Det här är en mycket viktig utveckling som bl.a. har gjort Googles självstyrande bil möjlig.

John Markoff skriver i New York Times de senaste framstegen inom Artificiell Intelligens 2.0: Scientists See Promise in Deep-Learning Programs

Continue reading