AI Labbet

Vårt initiativ startades 2016 för att tillämpa framstegen inom artificiell intelligens och maskininlärning. Stora framsteg gjordes även inom dataanalys och signalbehandling. Vi såg också att många nya tekniker började tillämpas och ansåg därför att läget var rätt att satsa på dessa nya ideer. Vi driver också en sedan 2018 en meetup för de som praktiserar data science och med AI/ML.

Syfte

• Att komplettera vårt kunnande inom signalbehandling, klassisk maskininlärning och statistiska modeller med den senaste forskning och utvärdera praktiska tillämpningar.
• Många år senare har vi en verktygslåda med lösningar på många praktiska problem och håller ögonen på många lovande tekniker som fortfarande inte är klara för praktiskt användande.
• Vi har också samarbetat med företag inom många olika områden för att utvärdera dessa verktyg i riktiga praktiska tillämpningar.
• Larm/bevakning, fordonsindustrin, logistiksektorn, gruvindustrin och även corona-spårning har dragit nytta av våra verktyg.

Vårt erbjudande idag

• Kan skapa skräddarsydda modeller för igenkänning, klassificering och räkna objekt i ljud/bild och videodata.
• Optimering och styrsystem baserade på Reinforcement learning.
• Simulering och analys av processer (Discrete Event Simulation)
• Tidsserieanalys (forecasting)
• Avancerad visualisering av data
• För känslig data kan vi utföra beräkningar på egen hårdvara istället för i “molnet”.
• God kännedom om vilka tekniker lämpar sig för vilka problem.

Slutsatser från dessa projekt:

• Maskininlärning/AI är domänagnostiskt – ett problem i en domän är matematiskt ekvivalent med problem i andra domäner och kan därför dra nytta av samma typ av lösning.
• Nya AI metoder kan lösa problem som tidigare varit olösliga (AlphaGo) eller som tidigare lösts men så dåligt att det inte varit värt att använda (2000-talets tal-till-text).
• I vissa fall så kan man använda ett avancerat AI för att snabbt se om ett problem är lösbart och om så, analysera lösningen för komma till en lösning baserad på klassisk maskininlärning.
• AI är inte en magisk lösning på alla problem. Det ska ses som ett fantastiskt effektiv verktyg för vissa specifika problem eller som ett komplement till klassisk maskininlärning.
• En kombination av maskininlärning, statistiska metoder och AI löser ofta problemet bättre tillsammans än vad dom individuella teknikerna gör för sig.

Vill ni skriva upp er på inbjudningslistan till vårt MeetUp eller kontakta oss om ett intressant problem och samarbete, kontakta Torbjörn Nilsson – torbjorn.nilsson@athega.se