Alexandra Instituttet A/S // Aktuelt // Nyheder // Nyheder 2015 // Find udstikkerne med dataanalyse

Find udstikkerne med dataanalyse

Artikel

24-03-2015

Find udstikkerne med dataanalyse

Maskinlæring, datamining og dataanalyse har været grundbegreber inden for datalogien i flere årtier. Men det er for alvor i disse år, at dataanalyse kommer ind alle steder.

Hvor der ikke tidligere var mulighed for at lave dataanalyser, fordi beregningskraften kostede for meget, er vi i dag i stand til at processere data langt billigere. Det betyder, at man kan udnytte dataanalyse mange flere steder og f. eks. bedre kan fange fejl, optimere ressourcer eller tilbyde kunderne noget ekstra.

Sådan lyder det fra Jan Neerbek, Senior IT Solutions Architect på Alexandra Instituttet, der her giver et bud på, hvorfor big data og dataanalyse breder sig som ringe i vandet og skaber nye forretningsmodeller.

Positiv spiral med massive investeringer

Ifølge Jan Neerbek er området inde i en virkelig positiv spiral i øjeblikket, hvor der bliver kastet mange penge efter udvikling af algoritmer, datastrukturer og beregningsplatforme.
 
- Inden for maskinlæring foregår der meget aktivitet i området “deep learning”. Det er en metode til at kunne træne få nogle markant større kunstige neurale netværk, og grunden til at det indtager verden i øjeblikket, er at deep learning tager kvantespring i forhold til, hvad man ikke kunne tidligere. De gamle værktøjer fungerede ikke i store neurale netværk. Det var simpelthen svært at lære et stort neuralt netværk noget fornuftigt, fortæller Jan Neerbek.
 
Det, som deep learning gør er, at den laver en metode til at splitte de her netværk op, så man kan træne dem hver for sig. Det betyder, at man ikke får problemer med, at dit netværk bliver for stort.

Computeren kunne ikke se den gule ost

Et kodeord i deep learning er, at man skal finde struktur i et problem, før man kan anvende det. Det giver netop god mening inden for både audio og visuel genkendelse. Det betyder, at man kan få svar på ting, som man ikke kunne før. Det betyder, at man kan få ansigtsgenkendelse, talegenkendelse og bedre oversættelse.
 
- Tidligere kunne computeren ikke finde ud af, at den gule ost i et pacman-spil var interessant, fordi den ikke var i stand til at se alle pixels. Den var ikke i stand til at lave en analyse af, at hvis den bevæger sig, derhen så dør den ikke. Det kan den i dag, og det er et stort skridt. Det er også derfor, at Google betalte mere end 500 millioner dollars for det engelske firma Deep Mind, forklarer han.

Genkender ord på samme måde som hjernen

Det kan være svært for maskiner at genkende ord og sætninger hurtigt og præcist, og derfor er softwaren, der kører på Microsofts servere og som bliver benyttet i Skype Translator, trænet til at genkende ord på samme måde som hjernen. Den ultimative computer vil ifølge Bill Gates lære af sig selv, og han mener, at deep learning vil ændre den måde, som computere fungerer på i de kommende ti år.

Deep learning tillader computeren at gøre nogle ting, som vi ikke kunne før, og selv om vi stadig er i den spæde start, kommer vi til at bruge automatiserede processer, der processerer data og kommer med anbefalinger. De vil være baggrundsting og services, som indimellem popper op.

- Både Microsoft, og Google og mange andre er i gang med virtuelle assistenter, der virker. Det bedste eksempel er Google Now, som kan planlægge din hverdag, uden at du gør noget. Den monitorerer telefonen og ved, at du kører hjem på et bestemt tidspunkt og kan derfor fortælle dig, hvis der er vejarbejde eller uheld på vejen, forklarer Jan Neerbek.

Vi har samlet et par eksempler, hvor vi har vejledt virksomheder om arkitektur og databehandling:

  • I øjeblikket laver vi dataanalyse for Udbudsvagten, der monitorerer offentlige og private dokumenter, så de hurtigt kan sige til deres kunder, om der er et udbud på vej. Trenden er i øjeblikket, at der bliver stillet større krav til, at det offentlige og private virksomheder skal beskytte borgernes private data. For Udbudsvagten er vi i gang med at udvikle et værktøj, der ved hjælp af dataanalyse, kan detektere om privat information som personnumre eller medicinhistorie ved en fejl bliver publiceret på en hjemmeside.
     
  • Dataanalyse kan også bruges til monitorering af urin på hospitaler. Vi er også ved at udvikle en algoritme, der automatisk kan finde ud af om der skal advares om koncentrationerne er for høje.
     
  • I projektet Airfield Monitor brugte vi maskinlæring til at finde ud af, om der er is på landingsbaner ved at stråle lys ned på landingsbanen og lade computeren analysere polariseringen af det lys, der blev reflekteret.
     
  • Computer Graphics Lab har brugt visuel genkendelse i et projekt, hvor formålet er at genkende og tælle fugle på overflyvningsbilleder. Her anvendtes maskinlæring til analyse af både farver og form på objekter.
     
  • Dataanalyse kan også bruges til at analysere folks købsmønstre, når de handler via webbutikker. For D60, der udvikler avancerede business intelligence- og datamining-løsninger for webbutikker som Den Blå Avis, Just-Eat og BilBasen, har vi hjulpet med at optimere og re-designe den anbefalingsalgoritme, som D60 anvender.
Kontakt
IT-byen Katrinebjerg

Åbogade 34

8200 Aarhus N
+45 70 27 70 12
.