Kunstig intelligens

Kunstig intelligens

Kunstig intelligens forandrer verden med stor hast, og vender op og ned på arbejdsgange i stort set alle virksomheder. Som softwareudvikler tilbyder jeg at hjælpe virksomheder, iværksættere og selvstændige med design, udvikling og implementering af kunstig intelligens og robotteknologi.

Jeg har kendskab til machine learning værktøjer og software algoritmer, som jeg bruger til at hjælpe virksomheder med udvikling af helt nye produkter og services.

Kontakt mig gerne på telefon +45 22 39 34 91 eller på mail tb@tbcoding.dk for en uforpligtende samtale omkring mulighederne med kunstig intelligens i din virksomhed.

Kunstig intelligens udvikling

  • Selvkørende biler
  • Python
  • C++
  • Lisp
  • Machine Learning
  • Neural Networks
  • Deep Learning
  • Long short-term memory
  • Recurrent Neural Networks
  • Computer Vision
  • Convolutional Neural Networks

Hvad er kunstig intelligens?

Kunstig intelligens er et område inden for datalogi, som går ud på at udvikle kunstig intelligens til computer/maskiner, så enheden selv kan opfatte sit miljø og tage beslutninger, der maksimerer chancen for succes i forhold til et eller andet mål. Her har man i mange år prøvet at udvikle systemer som efterligner menneskehjernen, så computeren selv kan lære nye ting og kan løse problemstillinger.

Inden for området skelner man mellem Strong AI (stærk kunstig intelligens) og Weak AI (blød kunstig intelligens). Strong AI går ud på at udvikle systemer, som har intelligens på samme niveau som os mennesker. Weak AI går ud på at udvikle systemer, som kan efterligne dele/træk af menneskelig intelligens.

Artificial intelligence er den direkte engelske oversættelse af kunstig intelligens. Forkortelsen af Artifical intelligence er AI. Forkortelse af kunstig intelligens er KI.

Machine Learning

Machine learning er et populært område indenfor kunstig intelligens, som gør det muligt for computere at lære nye ting uden at man har programmeret hvordan læringen foregår. Problemer og opgaver der involverer brugen af Machine learning er ofte klassificeret I 3 forskellige kategorier. Supervised learning, unsupervised learning og reinforcement learning.

Supervised learning

Supervised learning er hvor en algoritme bliver præsenteret for inputs og deres ønskede outputs. Her er målet at finde frem til en generel regel (funktion), som mapper input til output, som så kan bruges til at forudsige nye inputs som ikke er set før.

Super learning kan fx bruges til klassifikation (classification) af data. Spam filtre er et godt eksempel på klassifikation, hvor inputs er emails der klassificeres som spam eller ikke spam.

Unsupervised learning

Unsupervised learning er hvor en algoritme kun bliver præsenteret for inputs, hvor algoritmen prøver at frem til en funktion der fortæller noget om strukturen og forholdene mellem inputs. Unsupervised learning kan fx bruges til gruppering af data (clustering), hvor data splittes i grupper kaldt clusters. Det kan i den virkelig verden bruges til segmentering af kunder i forhold markeder eller til analyse af sociale netværk. Du kan fx se at der er rigtig mange kunder, brugere i den her del af verden, og du bør derfor på sigt åbne et nyt varelager eller datacenter i det her område.

Reinforcement learning

Reinforcement learning er hvor en algoritme integrerer med en dynamisk verden, hvor algoritmen skal opnå et bestemt mål. Fx klare en bane i et computerspil. Algoritmen får feedback ved hjælp af belønning og straf. Hvis algoritmen gør noget godt, bliver den belønnet for sin handling. Hvis den gør noget dårligt bliver den straffet. Over tid bliver algoritmen bedre og bedre, da den maksimerer efter at opnå sit mål, og gør derfor mere og mere af de handlinger den bliver belønnet for at gøre.

Neural Networks

Vi har i TB Coding kodet vores eget neural network i Python, som vi har trænet til at forstå håndskrevne tal fra 1-9 med en god performance på niveau med andre kendte neural networks. Vi startede med at træne vores neural network med 100 billeder af håndskreve tal. Vi testede med 10 nye håndskrevne tal, og her kunne vores neural network gætte 6 ud af 10 rigtige. En performance score på 60 %. Vi trænede derefter vores neural network med et dataset på 60.000 billeder af håndskrevne tal. Herefter gik performance scoren helt op på 94-95%. Med lidt finjusteringer kunne vi få performance endnu højere. Her prøvede vi med en højere og lavere learnings rate, få kontra mange nodes, samt loop af træningsdata flere gange.

Hvor bruges kunstig intelligens?

I dag bruges kunstig intelligens til at løse mange intellektuelle opgaver. Jeg har derfor prøvet at lave en gennemgang af applikationer, hvor det bruges.

Autonome køretøjer

Der bliver brugt rigtig meget kunstig intelligens i autonome køretøjer som selvkørende biler og flyvende droner. Tesla elektriske biler har allerede sensorer og software, som gør det muligt at køre selv. Google selvkørende biler (Waymo) har allerede kørt over 3 million miles helt sig selv.

Selvkørende biler og kunstig intelligens

En selvkørende bil er en bil, som kan navigere helt af sig selv ved hjælp af kunstig intelligens, og det er uden en menneskelig person bag rattet. En selvkørende bil har en række sensorer (radar, laser, GPS og Computer Vision) på bilen, som samler data om omgivelserne. Computeren der styrer den selvkørende bil bruger så data fra sensorerne til at tage egne beslutninger, når den kører rundt i trafikken.

Fordele ved selvkørende biler

Selvkørende biler vil i høj grad kunne reducere risikoen for kollisioner i trafikken forsaget af menneskelig fejl fx langsom reaktionstid, tæt kørsel, distraheret og aggressiv kørsel, som hvert år resulterer i menneskelige dødstilfælde samt fysiske og materiale skader. Udbredt brug af selvkørende biler vil ifølge denne artikel kunne eliminere op til 90% af alle biluheld i USA.

Når der sker færre uheld på vejene på grund af flere selvkørende biler, opstår der færre trafikpropper og trafikken glider generelt meget bedre, som gør at vi mennesker kan komme endnu hurtigere fra a til b.

Selvkørende biler vil i høj grad også kunne reducere omkostninger ved transport, da biler og lastbiler kan køre af sig selv. Det kommer forbrugeren til gode i høj grad. Lavere omkostninger ved transport gør at varerne i butikkerne bliver endnu billigere. Selvkørende biler vil på sigt også gøre offentlig transport billigere og mere fleksibel, som kommer især unge, ældre, handicapperede og personer med lavt indkomst til gode.

Ulemper ved selvkørende biler

Når der på sigt kommer flere og flere selvkørende biler på vejene, vil det resultere i at flere og flere kørsel relaterede jobs forsvinder. Der vil være personer som mister deres arbejde, og her er det vigtigt at vi finder nye jobs til disse personer. Lastbilchauffører og taxachauffører er jobs der på sigt vil blive automatiseret ved hjælp af selvkørende biler.

Hacking af selvkørende bilers software, hardware og kommunikation systemer udgør også en stor trussel i fremtiden. Det vil jeg ikke komme nærmere ind på her. Det er vigtigt at vi tager IT sikkerhed og beskyttelse af private og følsomme oplysninger i forbindelse med brugen af selvkørende biler meget alvorligt.

På sigt vil det også blive mere naturligt at bo længere væk fra storbyen, da det bliver mindre stressfuldt og mere produktivt at køre i selvkørende biler, man fx kan sove, arbejde, spise, se film osv. Prisen på landet er ret billig mange steder, og flere og flere vil højt sandsynlig flytte ud til disse steder. Det kan resultere i at vi mennesker køre længere og længere distancer = mere udledning af co2 på sigt.

Kunstig intelligens i sundhedsplejen – Medicinsk diagnose

Kunstig intelligens bliver også brugt i større grad i sundhedsplejen, hvor kunstig intelligens hjælper læger og sygeplejersker med medicinsk diagnose. Læger bruger i dag kunstig intelligens til at finde frem til at den rigtige behandling af kræftsygdomme. Der er lavet rigtig meget forskning af kræft, og der findes flere hundrede forskellige slags medicin og vacciner til behandling af kræft. Det gør det svært for lægen at vælge, da der er alt for mange muligheder at vælge i mellem, og det gør det svært at udvælge den rigtige behandling/medicin til hver enkelt patient. Organisering af data, forudsigelse af data og billedanalyse ved hjælp af kunstig intelligens er her en stor hjælp hos den enkelte læge.

Kunstig intelligens i spil

Kunstig intelligens er i mange år blevet brugt i computerspil for at give os mennesker modstand, når vi spiller mod computeren.

AlphaGo er et program baseret på kunstig intelligens udviklet af Google’s DeepMind. AlphaGo er en kombination af Monte Carlo tree search og deep neural networks, som gjorde det muligt at slå verdens bedste Go spiller (No. 1 rank) i spillet Go. Noget mange troede ikke var muligt.

Senest har OpenAI udviklet kunstig intelligens, som har slået nogle af verdens bedste computerspillere i 1 mod 1 i computerspillet dota 2. Du kan se via nedenstående link OpenAI’s kunstige intelligens spille 1 mod 1, hvor den vandt over den professionelle dota 2 spiller Dendi. Det blev sendt på live tv.

https://openai.com/the-international/

Andre ressourcer om Kunstig intelligens

Læs vores chatbots begynder guide

Kontakt os

Kunstig intelligens kan bruges i mange sammenhænge, og jeg vil hos TB Coding gerne hjælpe dig med at finde en løsning, som passer til din virksomhed. Kontakt mig gerne på telefon +45 22 39 34 91 eller på mail tb@tbcoding.dk for en uforpligtende samtale omkring kunstig intelligens.

Send os en mail