Digitalisering

En blogg om utmaningar och möjligheter med digitaliseringen inom samhällsplanering och samhällsbyggnad.

Rapport från hackathon eller vad är egentligen en giraff?

13 oktober 2017

Vad är det för skillnad på en elefant och en giraff? Frågan kan te sig absurd. Det vet väl alla?

För människor har frågor som denna uppenbara svar, vi vet vad en elefant är, vad en giraff är, och vad skillnaderna är. Frågar man däremot en maskin så har den ingen aning. Till skillnad från oss människor har en maskin aldrig fått lära sig vad saker och ting är. Den vet egentligen inte vad någonting är. Föreställ dig att du för första gången ser en giraff. Helt omedvetet kommer du att jämföra giraffens egenskaper med sådant du sett tidigare. På många sätt liknar en giraff andra djur och de egenskaper som skiljer är relativt små. Hade du inte haft dessa tidigare erfarenheter att relatera till hade du varit lika ovetande som en maskin. Vad är det som gör giraffen till en giraff? Antalet ben? Svansen? Färgen? Något annat, eller kanske alla dessa egenskaper sammanvägda?

giraff

I mitt arbete som systemutvecklare på Sweco blir jag dagligen påmind om att datorer inte fungerar som människor.

Förra veckan deltog jag i ett hackathon i Malmö på ämnet machine learning där vi fick ställa oss till synes lika absurda frågor som den ovan. Begreppet ”machine learning”, eller ”maskininlärning” på svenska, myntades redan på 1960-talet och handlar i stort om hur vi kan konstruera algoritmer som justerar sig själva och blir bättre på sin uppgift över tid. Snarare än att följa en strikt uppsättning regler och flöden likt traditionella algoritmer baseras istället nya beslut på tidigare bearbetad data. Det är ganska likt hur vi människor fungerar, eller hur? Genom att konstruera sådana algoritmer kan vi ta inspiration från mänskliga tillvägagångssätt och lösa problem som maskiner annars är ganska dåliga på att lösa. På senare år har ”machine learning” blivit ett modeord bland annat på grund av datorers ökade beräkningskapacitet och därmed ökade förmåga att bearbeta stora datamängder. Teknikerna har också visat sig vara mycket effektiva för att lösa vissa typer av datalogiska problem och det finns en övertygelse om att dessa tekniker också går att använda mer generellt.

Hackathonet i Malmö anordnades i syfte att undersöka hur maskininlärning kan användas för att lösa problem vi och våra kunder stöter på i vårt arbete. Vi var ett 40-tal entusiaster med olika kompetenser som träffades och i mindre grupper förkovrade oss och undersökte olika möjligheter och tekniker för att lösa ett givet problem. De frågor vi utgick ifrån löd bland annat: ”Vad är en dörr?”, ”När är betong trasig och när är den hel?” eller ”Vad är tak och vad är annat?”. Frågorna kan som sagt te sig märkliga men när det kommer till maskininlärning är svaren på dessa frågor inte någon självklarhet. Till hjälp hade vi exempelvis Microsoft Azures Machine Learning-plattform och Googles Cloud AI-plattform. Dessa verktyg gjorde det enkelt för oss att träna en algoritm i molnet på data som vi laddade upp.

Vad fick vi för resultat då? Mycket varierande skulle man kunna sammanfatta det som. I och med att den här typen av dynamisk algoritm resulterar i en statistisk sannolikhet snarare än ett entydigt svar kunde vi få resultat i stil med ”den här väggen är till 80 procents sannolikhet trasig”. För att knyta an till inledningen skulle en bild på en giraff kunna ge svaret ”den här bilden innehåller 85% giraff och 15% elefant. Att sedan dra slutsatser utifrån det är nästa steg. Åtminstone har vi fått hjälp på traven. Inte minst hade vi väldigt väldigt roligt under hackathonets två dagar och för mig personligen har det definitivt gett mersmak.

Maskininlärning kan troligen inte lösa alla våra problem, men har potentialen att hjälpa oss att fatta bättre beslut utifrån stora datamängder som kan vara svåra för människor att överblicka.

Profilbild
Författare
Elias Furenhed, systemutvecklare med kompetens inom web, 3D, BIM och spelutveckling

På sweco.se använder vi cookies för att webbplatsen ska fungera på ett bra sätt för dig. Vi lagrar ingen personlig data. Om du inte accepterar cookies kan du stänga av det via din webbläsare.