Artificial intelligence og droner
Gennem de sidste år er der specielt 2 teknologiområder, som har haft en kraftig udvikling: Artificial intelligence (AI) og droner. Begge områder har bevæget sig fra et stadie, hvor det kun har været meget store firmaer eller stater, der har haft adgang til disse teknologier til et stadie i dag, hvor det pludselig er muligt for mindre firmaer og enkeltmand at gøre brug af begge teknologier.
Artificial Intelligence
Når Artificial Intelligence, kunstig intelligens, omtales i nyhedsmedier og blogs, refereres der typisk til en række forskellige områder: AI, Deep Learning, Machine Learning (ML) samt neurale netværk. Overordnet set kan man sige, at AI omhandler de centrale ideer ift. kunstig intelligens, hvor Deep Learning, ML og neurale netværk er specialiseringer af AI.
Et neuralt netværk er et computer system, som er bygget til at klassificere information på samme vis som menneskets hjerne. Det neurale netværk kan læres op til f.eks. at genkende billeder og klassificere disse ift. elementer et billeder indeholder, det kunne være identifikation af billeder med hunde.
Systemet er bygget på sandsynlighed. Baseret på data der leveres til det, er det i stand til tage beslutninger eller lave forudsigelser med en vis grad af sikkerhed. I systemet er der indbygget et feedback loop, som muliggør læring, som hjælper systemet til forstå om dets beslutninger eller forudsigelser er rigtige eller forkerte og efterfølgende tilretter systemet ift. fremtidige beslutninger og forudsigelser.
Machine Learning minder om neurale netværk, bortset fra at det ikke er bygget op som et menneskes hjerne. Systemet er bygget på algoritmer, som decision tree learning, inductive logic programming, reinforcement learning, der på baggrund af gennemløbet data, lærer og opnår viden. Systemet bruges f.eks. til at hjælpe dig til at finde frem til film, som du synes om ud fra dine tidligere valg af film. Systemet kan også læse tekster og finde ud af, om teksten er en klage eller en lykønskning.
Mens ML og neurale netværk er en specialisering af AI, så er Deep Learning en yderligere specialisering af ML og det neurale netværk. Deep Learning bruger ML og en specialiseret form for neurale netværk med mange lag til at gennemløbe store mængder data. De forskellige lag i det neurale netværk har hver deres subfunktion og det endelige resultat er et resultat af hele databehandlingen. Nedenstående illustration viser forskellen på et simpelt neuralt netværk og et deep neural network.
Deep Learning fokuserer altså snævert på en delmængde af ML værktøjer og teknikker, og anvender dem til at løse næsten ethvert problem, som kræver "tanke" - menneskelig eller kunstig.
Udfordringer med AI
Mens AI kan hjælpe os med løsninger på mange problemer, er der dog også en række etiske problematikker, man skal være opmærksom på. En beslutning taget af AI, ML, et neuralt netværk eller deep learning er bygget på sandsynlighed ift. gennemløbet data.
Det betyder, at resultatet er mere end summen af de enkelte dele. Man kan med andre ord ikke forklarer, hvad en beslutning eller en forudsigelse foretaget af et AI setup, er bygget på.
Dette resulterer i nogle juridiske og etiske problemer, hvis man f.eks. har lavet et system, som skal godkende, hvem der kan optage lån, kan et AI system kun give et ja eller nej, ikke et hvorfor.
Dronens udvikling
Den første drone, som vi kender til, blev udviklet helt tilbage i 1918 af amerikanerne, denne drone var en flyvende bombe, som kunne ramme mål 75 mil borte. Herefter har militæret igen og igen videreudviklet dronen med militært formål for øje.
Det var først i 2013, at man hørte droner blive omtalt til ikke militært formål, det var her Amazon’s CEO, der annoncerede, at Amazon forskede i at bruge droner til at levere pakker.
Herefter er det gået stærkt, i dag er droner blevet et kæmpe vækstmarked, et marked hvor simple luftfoto af bygninger har udviklet sig til et marked med dataanalyse af billeder, der f.eks. hjælper landmænd til optimering af afgrøder. Dronen har udviklet sig til en platform, man kan kombinere med sensorer, som giver uanede muligheder. Producenter af droner og sensorer har sammen med droneoperatører gennem de sidste 2-3 år opbygget stor erfaring med droner og disses anvendelsesmuligheder. Dette sammenholdt med udviklingen inden for AI i samme periode, har banet vejen for næste generations dronebrug, AI dataanalyse af droners indsamling af data.
Deep Learning og Droner
På konferencen afholdt i Odense kongrescenter i uge 41 2018 som blev afholdt i samarbejde med Uasdenmark, der omhandlede droner og disses brug, kunne man se, at det næste udviklingsområde, som der bliver satset hårdt på af software leverandører, er databehandling. Rigtigt mange softwareleverandører har de seneste år udviklet software, som kan hjælpe den enkelte droneoperatør til at samle data fra droneoperationer i applikationer til manuel efteranalyse, foretaget af droneoperatøren.
Nu er disse leverandører begyndt at indbygge AI, nærmere betegnet deep learning dataanalyse i deres software, som kan hjælpe droneoperatørerne til analyse af store mængder billeder. Ideen er her, at opgaver som producerer mange billeder, 1000-10000 billeder, kan efteranalyseres af deep learning, som trænes op i at finde hotspots på billeder. Det betyder, at en opgave med indsamling af billeder af stærkstrømskabler kan efterbehandles af AI, der her lærer at finde frem til de billeder, der viser fejl på et kabel. Dette vil spare de enkelte droneoperatører tid og penge, idet en afsluttet opgave hurtigt kan resultere i en rapport leveret til en kunde med identifikation af hotspots. Den tid, der spares, kan bruges på nye opgave og indsamling af data.
De forskellige softwareleverandører har forskellige tilgange til at få trænet deres AI funktion. Firmaet Scopito.com har gennem længere tid tilbudt hjælp til dataanalysen fra specielle dataanalyseteams, som i dag er bemandet af rigtige mennesker. Parallelt med dette tiltag er de igang med at udvikle AI, der skal kunne overtage denne rolle på sigt.
Firmaet easyInspect.net er et andet firma, som starter ud med deres egen AI implementering fra start.
Leverandører af sensorer er ligeledes begyndt at indbygge kunstig intelligens i deres sensorer med det formål at minimere den efterfølgende databehandling. Dette betyder, at når dronen returnerer fra en opgave, så er første del af databehandlingen allerede foretaget. På sigt vil dette betyde, at man kan lave den samlede dataanalyse på stedet, fremfor som det er i dag, hvor man skal uploade billeder til analyse i en cloud service. Dette vil få stor betydning for områder, hvor der er dårlig eller slet ingen internetforbindelse, her vil det ikke længere være et problem at lave dataanalysen.
Lokal dataanalyse, AI og autonom flyvning
Det ser ud som om, at trenden bliver mere og mere "lokal dataanalyse", hvor vejen fra indhentning af data til et resultat leveret til kunden, bliver kortere og kortere. På sigt når der bliver åbnet op for autonom flyvning med droner, vil landmænd have dronestationer med droner, som selv flyver ud og indhenter data. Denne data efterbehandles med en eller anden form for deep learning, som resulterer i et resultat, der læses direkte ind i landmands køretøjer.
Disse køretøjer vil sansynligvis også blive konverteret til autonome kørertøjer i fremtiden som i samspil med autonome droner og dataanalyser hele tiden optimerer det enkelte landbrug.
Tags: neural network, machine learning, deep learning, AI - artificial intelligence, droner