Deep learning skapade en guldrusch

De senaste årens revolution inom artificiell intelligens handlar till stor del om framsteg inom maskininlärning och då särskilt djupinlärning (deep learning). – Deep learning ingår sedan flera år i kurser på grund- och doktorandnivå, säger Michael Felsberg, Sveriges bästa AI-forskare.

190131: NSC på Linköpings universetet firar 30 års jubileum. Michael Felsberg, professor LiU Foto:Göran BillesonMichael Felsberg, professor Foto Göran Billeson

När Vinnova rankade Sveriges bästa AI-forskare kom Michael Felsberg på första plats. På Linköpings universitet har han skapat en av de främsta AI-miljöerna i Sverige inom datorseende.
De senaste årens revolution inom artificiell intelligens handlar till stor del om framsteg inom maskininlärning och då särskilt djupinlärning (deep learning). 
– Deep learning ingår sedan flera år i kurser på grund- och doktorandnivå. Till exempel undervisar jag i deep learning i en kurs på grundnivå som heter ” Neuronnät och lärande system”. Vi är också väl med i forskning och publicerar två, tre stora artiklar varje år.
Maskininlärning är en underdel till ämnet artificiell intelligens. 
– Maskininlärning är en statistisk eller datadriven uppbyggnad av modeller. Ett program använder data för att räkna fram en modell. Det är alltså en empirisk metod. Från data skapar man kunskap.
Deep learning är sedan en underdel till maskininlärning. Där använder man artificiella neuronnät. Det är nätverk som har flera lager och som man kan träna så de blir bättre och bättre
Det stora genombrottet för deep learning när det gäller datorseende kom 2012.
–  ImageNet var på den tiden världens största bilddatabas. Varje år hade de en tävling där deltagarna skulle klassificera föremål i bilderna. 2012 var det ett djupt nätverk som vann och det var mycket bättre än allt som funnits tidigare. Det blev början på en revolution och sedan har utvecklingen varit exponentiell. 
Deep learning var lösning på många problem inom datorseende. 
–Att till exempel få förarlösa bilar att detektera cyklister är ett oerhört svårt problem. Tidigare hade man inga bra lösningar på det. Men så kom plötsligt deep learning-tekniken och den fungerade. Efter det var alla stora företag på våra konferenser. Vårt ämne blev nästa lite fattigt på forskare eftersom de stora företagen köpte upp dem. Deep learning skapade en slags guldrusch.