Praktikopgave om neuralt netværk

Jeg startede i praktik for et par uger siden, og beskæftiger mig i mit projekt, med neuralt netværk som mere specifikt, bruges til objekt-genkendelse på billeder. Det kan både være stilbilleder og levende billeder.

Projektet går ud på, at vi skal kunne tage et billede og så skal computeren kunne identificere de forskellige objekter, som er på det billede. Dette opnår vi ved hjælp af Googles neurale netværk, TensorFlow.
Et neuralt netværk, er et system, som essentielt skal kunne det samme som en menneskehjerne ville kunne gøre, f.eks. at genkende objekter. Neurale netværk bruges også til at genkende tale, som f.eks. Siri gør på en iPhone.

TensorFlow kan ud af boksen genkende 90 forskellige objekter, som f.eks. personer, biler og bærbare computere. Men vi kan faktisk også træne TensorFlow til at genkende flere objekter, så programmet bliver skræddersyet til netop vores behov. TensorFlow vil også kunne genkende specifikke personer, skulle det være nødvendigt.

For at træne Tensorflow skal man bruge så mange billeder som muligt, gerne flere hundrede eller tusinde, som indeholder de objekter man gerne vil kunne genkende. Objekterne skal så markeres og defineres på alle billederne. Det kan være en lang og trættende proces, men det kan tænkes, at TensorFlow kan benyttes til selv at gennemgå billederne. F.eks. kan TensorFlow trænes på 200 billeder, og så gennemgå flere tusinde billeder selv, som derefter kan bruges til træning. På den måde vil TensorFlow kunne gøre sig selv bedre til at genkende objekter.

Ikke nok med, at systemet vil kunne genkende objekter på stilbilleder, så kan det også bruges på video. Faktisk kan systemet, med en hurtig nok server, køre på live-video, f.eks. fra et sikkerhedskamera.

Der er mange muligheder i dette projekt, inden for en bred vifte af brancher. Det er næsten kun fantasien der sætter en stopper for hvad man kan med sådan et system.

Webitall til AI konference

Computerworld afholdt torsdag den 30. marts en større konference i København om kunstig intelligens, og Webitall deltag med tre udviklere.

Konferencen havde deltagere fra bl.a. IBM, Microsoft og Kammeradvokaten, og indeholdt hele 9 oplæg om forskellige problemstillinger, som alle var løst ved hjælp af kunstig intelligens. Problemerne dækkede alt fra at opdage brud på højspændingskabler til automatiske aktiehandler, og løsningerne indeholdt alt fra analyse af store mængder data, neurale netværk, genetiske algoritmer og mønstergenkendelse.

Webitall har det seneste år arbejdet med kunstig intelligens, især indenfor sundheds- og velfærdsteknologi. Helt konkret er Webitall i gang med at oplære en række neurale netværk til at genkende mønstre i anonyme patientjournaler – en spændende og kompliceret udfordring, der kræver store mængder af regnekraft, både hos mennesker og maskiner.

Konferencen var derfor yderst relevant, og gav et godt indblik i hvad der sker på området, og praktiske informationer om brug af applikationer og teknikker fra de forskellige virksomheder.

Der er ingen tvivl om, at kunstig intelligens, machine learning og deep learning bliver mere og udbredt, og kommer til at være en del af vores dagligdag inden længe. En verden med intelligente assistenter til Office-pakker, selvkørende biler og forskellige hjælpemidler til handicappede er her allerede.

Husk også at tilmelde dig Webitalls nyhedsbrev.