Hos Ideal Development spidser vi ører når det kommer til den nyeste teknologi. Machine Learning er et af nutidens brandvarme emner, og det er der en helt simpel årsag til. Potentialet med Machine Learning er enormt og mulighederne mange. Vi har taget os en snak med Esben, som er partner og løsningsarkitekt, i forsøget på at komme med vores bud på, hvorfor Machine Learning er et af nutidens helt store emner, og hvordan det berører vores samfund, branche.. You name it!

Man behøver ikke arbejde i en tech baseret verden for at opleve mødet med Machine Learning. Fremtiden byder på selvkørende biler, og allerede nu identificerer Netflix forslag til forbrugerne baseret på historik, og Facebook arbejder med billedgenkendelse. Det er bare først nu, at vi rigtigt har fået redskaberne, der gør det lettere for os at arbejde med.

Det er svært at snakke om Machine Learning uden at berøre Kunstig Intelligens, som er det overordnede koncept om, at maskiner skal udføre opgaver for os mennesker på en smart måde. Det sker ved at give maskiner en forudsætning for, at træffe intelligente beslutninger uden, eller med minimal, indblanding fra mennesker. Herefter følger Machine Learning, som er den mere tekniske tilgangsvinkel vi tager til kunstig intelligens. Machine Learning går ud på, at fodre maskiner med en tilpas mængde data, og på baggrund af denne mængde data lade maskinerne lære for sig selv. Machine Learning generaliserer data på baggrund af data og eksempler, og baseret på dette, så generaliserer maskinen nye eksempler, hvor den på baggrund heraf kan træffe intelligente beslutninger. Vi spurgte Esben hvem der så i sidste ende egentlig er klogest?

Machine Learning kan gennemgå store mængder data, som mennesker ikke manuelt kan gå igennem, men der er elementer, som er sværere for maskiner at lære - for eksempel etik og moral. Så hvis vi snakker maskiner der overtager verden? Så er der altså lang vej..

Der skal ikke mange søgninger til at bevise, at Machine Learning kan få en vigtig rolle i mange relevante henseende. En af de mere omtalte projekter undervejs er Imaging Biomarkers, og går kort sagt ud på, at man via anvendelse af billedegenkendelse og Machine Learning kan diagnosticere en lang række forskellige sygdomme, langt tidligere. Via de nye metoder kan markører og indikatorer baseret på gennemregning af mønstre forudsige kommende tilfælde.

I forhold til udviklingen af apps, så handler det om at gennemskue adfærden på brugerne bag skærmen. Et eksempel på Machine Learning, som de fleste kan relatere til, er snapchat-filtre, hvor brugerne kan få ører, en hat eller lignende integreret på billedet af deres ansigt. Det er en “facial tracking algorithm” som er bag denne funktion. En algoritme, som er blevet trænet i at genkende ansigter og placere elementer de retmæssige steder.

Vi har ikke anvendt Machine Learning, endnu, selvom vi har nogle cases hvor det kunne give rigtig god mening. Udfordringen er at skaffe nok data til, at maskinen har noget at lære ud fra, og det kan nogen gange være svært eller tidskrævende at skaffe.

Mulighederne er mange! De helt store organisationer som Google, Apple, Microsoft og IBM har allerede investeret mange millioner i Machine Learning, men alligevel er revolutionen længe undervejs. Machine Learning er et tungt og omfattende emne, som tager lang tid at udvikle. Google har allerede investeret mange penge i konceptet, og har på nuværende tidspunkt udarbejdet nogle frameworks, hvor de på forhånd har trænet modeller, som virksomheder kan anvende og dermed udnytte det forarbejde, som Google allerede har lavet for dem.

Machine Learning er et stort og spændende emne, som vi kommer til at bruge fremadrettet. Fordi det bliver lettere tilgængelig for folk at anvende. Det kræver pludselig ikke en længeregående uddannelse inden for feltet at arbejde med Machine Learning!

Machine Learning kommer til at have en betydning i forhold til udvikling af alt teknologi. Konceptet kommer til at være behjælpelig i kampen mod alvorlige sygdomme og kriminelle handlinger, men samtidig også inden for databehandling i mindre og større grad. Derfor er Machine Learning et relevant og meget nutidigt emne, som vi glæder os til at arbejde med. Samtidig er vi ikke bange for at gøre maskiner kloge, fordi konceptet er baseret på bagudgående data, hvor modeller hele tiden skal trænes for at holde sig opdateret – at forholde sig til og reagere på forandringer er nu engang noget, som mennesker er bedst til.

Hos Ideal Development glæder vi os over at kunne dygtiggøre os inden for nye felter – vi glæder os til at udvikle apps, og have mulighed for at integrere Machine Learning i processen.