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 och klassificering av ljud/bild och videodata.
• För känslig data kan vi utföra beräkningar på vår 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 det är, analysera lösningen för att i slutändan komma till en lösning baserad på klassisk maskininlärning. Lite som att “ringa in problemet” med en väldigt komplex modell och sedan jobba sig fram till en mer deterministisk lösning.
• 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.
• “Riktigt AI” där modellen inte bara utför igenkänning eller klassificering utan lär sig att interagera med en miljö och ta strategiska beslut är väldigt intressant för att lösa, optimera eller ersätta olika roller inom arbetslivet. Detta område får mer och mer praktiskt implementering men ligger fortfarande till stor del på forskningsnivå.
• Företag som Amazon tar hela tiden till sig ny teknik och använder det som fungerar för att bli “bäst i världen”.
• Nystartade företag som Zalando använder DS som konkurrensfördel, då det hjälper dom att sänka kostnader, sälja mer och hålla kunderna nöjda.
• Det är lättare för nystartade företag att använda nyaste tekniken med etablerade företag kämpar för att ställa om organisationen till att jobba datadrivet och förändra sitt arbetssätt för att dra nytta av den revolution inom DS som skett senaste åren.