RISE Research Institutes of Sweden Visa i webbläsare  /  Vidarebefordra
11354 rise logo rgb neg
Nyhetsbrev från RISE Research Institutes of Sweden
6525 1x1
bild
6525 1x1
På RISE vill vi göra det lätt att arbeta med AI. Därför har vi samlat särskilda expertisområden inom AI för att tillgängliggöra avancerad och specifik kunskap och kompetens. Här finns expertiser som till exempel AI för kemi och toxikologi, språkteknologi, maskininlärning för känslig data och mycket annat. Oavsett förutsättningarna kan forskargruppernas arbete bidra med att med att accelerera AI-transformationen både inom näringslivet och offentlig verksamhet. Med AI som hjälpmedel är det inte bara möjligt att öka kapaciteten för att arbeta smartare, det innebär också en större möjlighet att uppnå miljömässigt hållbara resultat och ett öppnare samhälle. 
 
Nästa år kommer vi fortsätta vårt arbete för att stärka förutsättningarna för AI i samhället och möjliggöra för att fler ska kunna använda AI effektivt i sina verksamheter. Vi ses AI-året 2022!


I detta nummer av Om AI
Engineering Operational AI
Från prototyp till produktion – Engineering Operational AI
Markus Borg
Produktägaren Sara tittar motvilligt i kalendern. Hennes AI-pilotprojekt är kraftigt försenat. Solskenshistorien skulle bana väg för organisationen i den nya AI-eran. Men modellen funkar dåligt i operativ miljö, kräver mycket handpåläggning, och vissa litar inte alls på de senaste versionerna. Nu ser Sara även tecken på att lösningen inte skalar till den tilltänkta applikationen. Den optimistiska satsningen är på väg mot ett fiasko. 

Kanske du känner igen dig i Saras situation? För de flesta är det ett stort steg att ta en modell för maskininlärning (ML) från en lovande prototyp till en operativ lösning. Utveckling av produkter och tjänster baserade på ML ställer helt nya krav. Samtidigt ger ML möjligheten att lösa problem som varit olösbara med konventionell mjukvaruutveckling. Andrej Karpathy, AI-direktör på Tesla, har myntat begreppet Software 2.0 för att markera skillnaden. 
AI och perception
Mer generell AI när människan håller sig undan
Aleksis Pirinen
Djupa neuronnät används för alla möjliga typer av artificiell perception, som bildigenkänning, ljudanalys och textbehandling – dock oftast bara för ett område i taget. Men morgondagens metoder kan bli mer generella och allra bäst har de visat sig fungera utan mänsklig inblandning.
 
Nu har det snart gått ett decennium sedan Alexander Krizhevsky, Ilya Sutskever och Geoffrey Hinton satte igång den pågående AI-boomen. Med sin metod som fick namnet AlexNet slog de forskarvärlden med häpnad. Mest förvånande var kanske att det byggde på flera decennier gammal forskning.  
AI-spaningar
Vad tycker våra experter är nytt och spännande inom AI?
"Den mänskliga påverkan på djur och växtliv är tydlig. Initiativet AI for Earth visar att AI kan användas för att monitorera både djur- och växtliv. Denna typen av monitorering kan hjälpa oss fatta beslut för fortsatt mänsklig utveckling som även värnar om vår natur. Nationella och globala datamängder som spänner
över tid och rum blir viktigare, och medborgarforskning - där medborgare gör sin röst hörd genom att samla in och dela data - kan bli en viktig möjliggörare." - John Martinsson, forskare deep learning


"Vetenskapliga beräkningar och AI närmar sig snabbt varandra, både i användningen av högpresterande datorsystem (HPC) och i nyskapande kombinationer av klassisk vetenskaplig simulering och modern maskininlärning. De 23 författarna till Simulation Intelligence: Towards a New Generation of Scientific Methods presenterar en roadmap för denna fortsatta konvergens, med stor relevans för klimatmodeller, materialutveckling, medicin, med många fler områden." - Sverker Janson, ledare RISE Centrum för tillämpad AI

"Den framväxande konvergensen mellan HPC och AI har även lett till förändrade sätt att testa och rangordna HPC-system genom testet HPL-AI. Medan vetenskapliga beräkningar inom traditionell HPC ofta kräver flyttal med 64-bitars noggrannhet så klarar sig maskininlärning ofta med 32 bitar eller mindre. Detta har lett till ett starkt intresse för hårdvaruplattformar som förenar dessa krav med höga prestanda och energieffektivitet." - Martin Körling, senior forskare AI-plattformar och infrastruktur


"Skillnaden mellan korrelation (att händelser förekommer tillsammans) och kausalitet (att den ena händelsen har orsakat den andra) är en fundamental fråga inom dataanalys, med stor betydelse för områden som statistik, datavetenskap, medicin m. fl. I och med att AI-området rör sig mot mer autonoma system, som själva ska agera i världen, blir denna distinktion ännu viktigare - om systemet aktivt ändrar någon faktor, vilka andra faktorer kommer att påverkas och hur mycket? Den som la grunden till det moderna området kausal inferens är Judea Pearl. Hans bok Causality (2000) beskriver området i detalj. Nyligen har han skrivit The Book of Why (2018), avsedd för en lite bredare publik. Båda böckerna rekommenderas varmt." - Anders Holst, forskningsledare inom dataanalys och AI
bild
SEMINARIUM
Learning Machines
Online Torsdagar kl. 15:00
Learning Machines Seminars samlar experter inom AI i ett öppet seminarie varje vecka, där vi följer en presentation om ett aktuellt ämne från forskningsfronten inom maskininlärning. Våra egna AI-experter på RISE varvas med inbjudna talare från universitet och industri, från världen över.
Anmäl dig här
 
bild
SEMINARIUM
NLP Seminar Series
The NLP Seminar Series at AI Sweden is a bi-weekly forum for people who work with or are interested in Natural Language Processing (NLP). Join us at 14:00 online or on site. 
Anmäl dig här
 
Om du har exempel du vill dela eller frågor att diskutera med oss så är du mer än välkommen att ta kontakt.

God jul och gott nytt år!
11354 rise logo rgb neg
RISE RESEARCH INSTITUTES OF SWEDEN
ADRESS
KONTAKT
Följ oss
bild bild bild bild