Veckans deep learning-skörd – och det är bara tisdag

Som du kanske märkte i mars, blev Elektroniktidningen på nätet plötsligt mycket intresserat av det uråldriga kinesiska brädspelet go. Du har kanske undrat vad det har med den svenska elektronikbranschen att göra, vilket ju ska vara vårt normala bevakningsområde?

Det som hände var att en algoritm från Google kallad Alphago utmanade och besegrade den maxrankade koreanska go-spelaren Lee Sedol i ett mästarmöte på fem partier.

Alphago segrade med 4–1. Att Alphago skulle vinna ens någon av de fem matcherna var det få om ens några som tippade innan mötet. Nyheten toppade förstasidorna i koreanska tidningar och fick till och med konsekvenser för Sydkoreas forskningspolitik.

Det som är intressant är den artificiella hjärna som sitter i Alphago.

Företag som Google, Ericsson och Spotify matar just nu hjärnor av det här slaget – deep neural nets – med problem av alla tänkbara slag för att se om näten kan tackla dem. De hjälper oss få självkörande bilar, bland mycket annat. Alphagos seger över Lee Sedol är ytterligare en fjäder i hatten för tekniken och kommer säkert att leda till ett ännu större intresse.

Webbplatsen Angel list räknar i skrivande stund 103 startups inom området djupa neuronnät. Ett av dem är Dato som vill använda deep learning för att bestämma hotellpriser dynamiskt. Indata är flygtrafik, väderprognoser, planer på sporthändelser och mässor, online-recensioner – allt som kan tänkas påverka efterfrågan på övernattning till en viss kvalitet på en viss plats vid ett visst tillfälle. Utdata är ett rumspris.

Dato hoppas att deep learning-nät ska vara lika skickliga på att bedöma lämpliga hotellrumspriser som Alphago är på att bedöma go-drag.

Högen med tillämpningar för deep learning växer varje dag. Facebook börjar denna vecka att automatiskt addera bildtexter för användare som inte kan se bilderna – att förstå bildinnehåll var en av deep learningteknikens första tillämpningar.

Denna vecka rapporteras om ett israeliskt företag som använder deep learning för att klassificera röntgenbilder, i konkurrens med IBM som ligger ännu närmare lansering av samma koncept. I slutet av förra veckan vann två börsanalytiker (!) en tävling i att diagnosticera hjärtsjukdomar – deras deep learning-nät är lika bra som mänskliga läkare.

Deep learning-kompetens är hett eftertraktad. Denna vecka annonserar molnföretaget Salesforce att det köper deep learningstartuppföretaget Metamind för en okänd summa pengar.

Denna vecka släpper dessutom HP en server optimerad för deep learning.

Och det är fortfarande bara tisdag.

Uppgiften deep learning-näten löser kallas mönsterigenkänning – att hitta mönster i komplexa data. Djupa neuronnät är artificiella neuronnät, en teknik som uppfanns redan på 50-talet och fått en renässans efter att man man hittade nya sätt att bygga och träna dem.

Här är det viktiga: också du kan använda djupa neuronnät.

Och du behöver inte ens förstå hur de fungerar – observera att jag skrev att det var börsanalytiker som vann tävlingen att diagnosticera hjärtsjukdomar.

Flera IoT-molnoperatörer erbjuder deep learning som tjänst. Det här betyder att varje ting du kopplar upp mot nätet potentiellt kan göras lika artificiellt intelligent som Alphago.

Jag frågade Alphagos tränare Demis Habibis när han kunde erbjuda en version av Alphago som man kunde ha i fickan. Men jag insåg svaret innan han gav det – det kan man redan. Alphagos hjärna befinner sig fysiskt inte vid spelbordet i Korea utan i en serverhall i USA. Så Google kan när som helst släppa Alphago som en uppkopplad app.

Det är därför vi skriver om deep learning. För att du ska veta att de finns, och för att du ska ställa dig frågan om du sitter på sensordata, kunddata, trafikdata, förbrukningsdata – komplexa data av vilket slags som helst – som ett deep learningnät skulle kunna analysera och till exempel skapa en prognos från?

Eller om du kanske har någonting som du vill ge ett röstgränssnitt som är lika effektivt som Siri? Ett sådant kan du köpa för en tioöring per replik från IBM, om du vill. Microsoft rapporterade i förra veckan att det planerar liknande tjänster.

Och så skriver vi om djupinlärning, får jag erkänna, för att artificiella neuronnät är en AI-teknik som jag länge personligen gillat. På universitetet använde jag dem i mitt examensarbete och senare gav jag en C-kurs i artificiella neuronnät.

Jag visste att de skulle vinna till slut!