BrainTrust netværket var mandag d. 8. maj samlet til et heldags arrangement på Lund&Bendsens kontorer i Glostrup. Dagens tema var Machine Learning med foredrag af Morten Mørup om eftermiddagen, samt networking i gruppen om formiddagen. 

Machine Learning har fået flere fremtrædende personer til at udtrykke deres bekymring. Bl.a. er Stephen Hawking og Elon Musk bekymret for udviklingen og fremtiden.

"With artificial intelligence we’re summoning the demon. You know those stories where there’s the guy with the pentagram, and the holy water, and he’s like — Yeah, he’s sure he can control the demon? Doesn’t work out." - Elon Musk.

Arbejdsmarkedet har længe været et omdiskuteret emne ift. AI og machine learning. Et studie fra Oxford mener at 47% af alle job i USA kan være automatiseret om 20 år, hvor sandsynligheden i nogle branche er meget høje. 

Om eksperten

Morten Mørup

Morten Mørup er lektor Kognitive Systemer på DTU Informatik. Morten forsker i Machine Learning og modellering af data fra hjerneskanninger. I forbindelse med sin PhD besøgte Morten Stanford University og University of California, Berkeley som gæsteforsker. Mortens forskning fokuserer primært på analyse af hjerneskanningsdata ved hjælp af kildeseparationsmetoder samt modeller for komplekse netværk.

Supervised learning

En del af machine learning er kort sagt baseret på at en computer/robot får et træningssæt og et testsæt. Dette er også kaldet supervised learning. Størstedelen af machine learning er overvåget læring. Supervised learning er, hvor du har inputvariabler X og en outputvariabel Y, og du bruger en algoritme til at lære mapping funktionen fra input til output Y = f(X).

Målet er at tilnærme mapping funktionen så godt, at når du har nye inputdata X, kan du forudsige outputvariablerne Y for de data. Det hedder supervised learning, fordi processen med en algoritmeindlæring fra træningsdatasættet kan betragtes som en lærer, der fører tilsyn med læringsprocessen. Vi kender de rigtige svar, algoritmen laver forudsigelser på træningsdataene og korrigeres af læreren. Læring stopper, når algoritmen opnår et acceptabelt niveau af performance.

Unsupervised learning

Unsupervised learning er hvor du kun har input data X og ingen tilsvarende output variabler. Målet for unsupervised learning er at modellere den underliggende struktur eller distribution i dataene for at lære mere om dataene. Disse kaldes unsupervised learning, fordi i modsætning til supervised learning er der ingen korrekte svar, og der er ingen lærer. Algoritmer overlades til deres egne tanker til at opdage og præsentere den interessante struktur i dataene.

Udviklingen af data er i eksponentiel vækst - 90 procent af alt data i dag er skabt indenfor de sidste 2 år. Næste gang BrainTrust mødes gennemgår Jakob Jenkov hvad alle disse data kan bruges til i hans foredrag om Data Science den 5.oktober.

Læs også Jakob Jenkovs artikel om Data Science:

About the Author -

Søren Low