Din smartphone er smartere end du tror

Apps der oversætter og genkender fotos er i virkeligheden kunstig intelligens på din telefon.

Vores smartphone bliver smartere med kunstig intelligens. (© ColourBox.com)

Hvad har du spurgt dit neurale netværk om i dag?

Mit hvaffornoget, tænker du måske?

Men hvis du har en smartphone, så er du formodentlig hver dag i dialog med en eller anden form for kunstig intelligens. Det lyder måske som science fiction, men de fleste af os bruger allerede kunstig intelligens hver dag via apps på vores smartphone.

- Nogle af frugterne fra kunstig intelligens arbejder allerede bag kulisserne og gør et fantastisk stykke arbejde i vores biler, i vores computersystemer og i cloud computing, siger Eric Horvitz, der er forskningsdirektør hos Microsoft i Redmond i USA.

Han peger på, at takket være kunstig intelligens er det muligt at præsentere søgeresultater på nettet, som er tilpasset den enkeltes interesser.

På vores smartphones kan vi lave oversættelser fra et sprog til et andet i realtid, hvilket kræver meget sofistikeret analyse og dermed et meget avanceret system til maskinlæring.

- Vi har teknologier på vores smartphones, som for få år siden kun var tilgængelige i forskernes laboratorier, siger han.

Vores sociale data gør maskiner smartere

Årsagen til at vi kan gøre det nu, er at flere forskellige teknologier er blevet udviklet sideløbende og nu smelter sammen.

For 15-20 år siden var det utroligt dyrt at gemme de mængder data, som virksomheder som Google, Facebook, Amazon og Microsoft og flere andre i dag gemmer i datacentre.

Prisen på lagring er faldet voldsomt, samtidig med at vi har fået flere og bedre teknologier til at samle data ind. Ikke mindst fordi vi mennesker har en langt større aktivitet på nettet.

- Både vores indkøb, vores sociale liv og vores medievaner er flyttet på nettet, hvilket betyder, at vi skaber enorme mængder af data, der kan indsamles, gemmes, analyseres og bruges til at skabe nye services baseret på analyser af de indsamlede data, siger Eric Horvitz.

Vi har altså store mængder af data, som neurale netværk kan lære en masse af. Baggrunden for det nuværende gennembrud indenfor kunstig intelligens er nemlig de neurale netværk.

Gammel teknologi i ny forklædning

Neurale netværk er computerprogrammer, der efterligner den menneskelige hjerne. De er gode til at genkende mønstre i information. Ligesom menneskehjernen kan de lagre og genkende mønstre og blive bedre og bedre til det. Neurale netværk har været kendt de sidste 20 år.

- De nuværende neurale netværk, som kan genkende tale og video, dem begyndte vi at udvikle i 1990erne, fortæller professor i kunstig intelligens Jürgen Schmidhuber fra universitetet i Lugano i Schweiz.

Han har beskæftiget sig med kunstig intelligens og neurale netværk i 30 år.

- Vores model ligner en menneskehjerne lidt, siger han for at forklare principperne i neurale netværk.

Han arbejder med recurrent neural networks, hvilket vil sige, at hver gang computeren har lavet en udregning, så bliver den sendt tilbage til næste lag i computeren, som regner videre på resultatet. På den måde lærer det neurale netværk af sine erfaringer lidt ligesom et menneske.

Først nu er computerne hurtige nok

I 1990erne udviklede Schmidhubers forskningsenhed en metode, som de kalder Long Short-Term Memory, der er særligt velegnet til at bruge på tale og video.

Men 1990ernes computere var for langsomme til virkelig at kunne gøre brug af LSTM.

Mellem 1997 og 2007 arbejdede Schmidhuber og hans forskerteam på at forbedre systemet, men først i 2014 havde computerne regnekraft nok til, at fx Google kunne udfolde potentialet i Schmidhubers algoritmer.

I dag er regnehastigheden forøget betragteligt, og vi kan gemme flere data til en lavere pris, så derfor kan man bruge neurale netværk til stemmegenkendelse, videogenkendelse og maskinoversættelse fra et sprog til et andet.

Det handler om mønstergenkendelse

I fremtiden ser Schmidhuber store landvindinger for neurale netværk. Vi har allerede et supermenneskes evne til at genkende mønstre, hævder han.

Han henviser til, at hans hold af forskere i 2011 vandt en konkurrence for selvkørende biler i Silicon Valley, der handlede om evnen til at genkende og forstå lyssignaler på gaden.

Det handler om mønstergenkendelse. Og vores adgang til teknologien er oftest vores smartphone.

Hvis man går på restaurant i Kina og får et menukort, som man ikke kan læse, så kan man fotografere den med sin telefon og et system, som Schmidhuber har vundet en konkurrence på, kan genkende de kinesiske skrifttegn og oversætte menuen. Schmidhuber joker lidt med, at hans forskere designede systemet uden at kunne et ord kinesisk. Det lærte systemet af sig selv. Eller rettere systemet ved ikke, at det læser kinesisk. Det laver bare mønstergenkendelse.

Det neurale netværk kan lave optisk karakter-genkendelse og dernæst køre teksten igennem et oversættelsessystem, som kan oversætte kinesisk til engelsk eller dansk.

Fra ansigter til katte og stålstænger

Den samme teknik kan bruges på ansigter, som det neurale netværk kan lære at skelne fra hinanden. Fx har Google haft succes med at få et neuralt netværk til at genkende fotos af katte på nettet. Og når en selvkørende bil bevæger sig gennem byen, så er det også et neuralt netværk, der hjælper den med at kende forskel på lygtepæle, træer og lyssignaler.

De neurale netvæk kan også bruges i traditionel industri. Schmidhubers teknologi er installeret på et stort stålværk, hvor et kamera fotograferer stålstænger, der bliver produceret med en hastighed af 10 meter i sekundet. Det neurale netværk kan bedømme kvaliteten af stålet gennem kvalitetscheck af materialet. På den måde kan stålværket hurtigt sortere den dyre højkvalitetsstål fra en billigere og lavere kvalitet. Denne kvalitetskontrol blev tidligere lavet af mennesker og var meget tidskrævende og dyr.

Alt dette handler om mønstergenkendelse. Man bruger store mængder regnekraft til at lære fx en robot eller et talegenkendelsessystem at genkende bestemte mønstre, når de møder dem. Det kan være ord på din smartphone eller et rødt lyssignal på gaden.

Opfundet i Europa

Jürgen Schmidhubers teknologi vandt allerede i 2009 en pris for at være særlig god til skriftgenkendelse.

- Og det bunder altsammen i forskning lavet i Europa for europæiske skatteborgeres penge, siger han, der ikke mener, at store amerikanske teknologifirmaer skal løbe med æren. I dag er det nemlig primært via apps på vores smartphones, at vi som almindelige brugere stifter bekendtskab med neurale netværk.

Den kunstige intelligens bor ikke i telefonen, men appen er i forbindelse med et neuralt netværk på nettet, når den skal klare den opgave, som vi stiller den.

Ikke uden stolthed bemærker Jürgen Schmidhuber, at Google for et halvt år siden erstattede sit tidligere talegenkendelsessystem med hans LSTM, som gjorde Googles talegenkendelse 50 procent bedre.

De neurale netværk er blandt andet trænet gennem at sammenligne offentligt tilgængelige dokumenter fra EU Parlamentet, der har et stort arkiv af tekster på forskellige sprog fra de mange sessioner i parlamentet. Det neurale netværk læser sig igennem teksterne bogstav for bogstav eller ord-for-ord.

På den måde lærer systemet at gå fra engelsk til fransk fra bunden ligesom et barn, der skal lære et nyt sprog.

Har du kommunikeret med kunstig intelligens i dag?Hvis du har en smartphone, så har du formodentlig.

Opslået af DR Nyheder på 5. marts 2016

Nyhedsbrev TAG DR.DK VIDEN MED DIG

Få seneste nyt om tech og videnskabens verden hver fredag

Vis alle nyhedsbreve