#63 - Kreativ bruk av data - LØRN.TECH

Tema: AI

#63 – Kreativ bruk av data

Expørt: Erlend Aune

Director of Data Science

fra Exabel

Med lørner Sunniva Rose

Hvordan fungerer kunstig intelligens for menneskelige investorer? Og hvordan kan bruk av rekurrente nevrale nettverk få en maskin til å skrive som den kjente forfatteren, Karl Ove Knausgård? I denne episoden av #LØRN snakker Sunniva med Director of Data Science i Exabel, Erlend Aune, om kreativ bruk av data og om to interessante kontroverser innen AI.

Noen kjappe med ekspørt Erlend Aune

Navn 

Erlend Aune 

Selskap  

Exabel 

Tittel  

Director of Data Science 

Hvem er du, og hvordan ble du interessert i AI? 

Jeg heter Erlend Aune, og jeg har jobbet innen statistikk, maskinlæring og AI siden jeg fullførte PhD i statistikk i 2012.  

Selv om jeg har jobbet med maskinlæringsmodeller og statistiske modeller helt siden jeg begynte PhD-utdanningen min, var det først når jeg så muligheten av å generere “interessante” tekster med rekurrente nevrale nettverk  at jeg for alvor begynte å interessere meg for AI. De første modellene genererte jo typisk tekste som ikke ga mening, men som hadde stilistiske trekk som var humoristiske. Jeg trente opp en modell på “Min kamp” av Knausgård og selv om setningene ikke ga semantisk mening, så de ut som om de kunne være skrevet av Knausgård. 

Jeg og en kamerat stiftet også Oslo Data Science meetup i samme periode, som nå er Oslos (og antakeligvis Norges) største data science-miljø. 

Hva gjør dere på jobben? 

Vi jobber med finansdata i Exabel. Vi har store mengder markedsdata og nyhetsdata som vi ønsker å analysere for å si noe om viktige hendelser for investorer, meglere og andre aktører i finansbransjen. For å gjøre dette, lager vi tidsrekkemodeller på markedsdata, og sier noe om interessante hendelser basert på dem. I tillegg bruker vi disse markedsdataen for å analysere nyheter for å finne om det er spesielle trekk ved nyheter som gjør dem interessante i en nyhetssammenheng. Siden dette er enorme datamengder, har vi også et stort softwareteam som bygger plattformen på en skalerbar måte. 

Jeg jobber også med veiledning av studenter, og da spesielt med Active Learning: Hvordan å mer effektivt annotere data. Nevrale nettverk krever ofte svært mye data for å få en god modell. 

Hva er greia med AI? 

AI kan bruke data til å lære hva som er riktig oppførsel i en gitt sammenheng. Dette er i motsetning til regelbaserte systemer, der alle alternativer eksplisitt må kodes inn. Dette gjør det potensielt mer intuitivt for løsningsdesignere hvordan man skal få ønsket oppførsel, og det er også mye større fleksibilitet i hva som kan lages. Men maskinlæring er etter min mening kun en liten del av AI. AI er for meg heller når man syr maskinlæring, brukeropplevelse etc. inn i noe som oppfører seg “intelligent” på en eller annen måte. 

Hvorfor er det spennende? 

Det er spennende fordi det gir muligheter som før var svært komplisert å gjennomføre. Dette er også en konsekvens av at rammeverkene vi jobber med stadig blir bedre og gjør det lettere å lage “kompliserte” modeller med lite, og samtidig vedlikeholdt kode. For noen få år siden var veldig mye vanskelig å bygge dette sammen til noe som kan brukes og som er fleksibelt å endre. 

Er det noen kontroversielle problemstillinger? 

To kontroverser som er veldig relevante akkurat nå.  

  1. Når man har en fleksibel modell som kan lære mye, kan den også lære skjevheter i dataene og bruke dette ut mot sluttbrukere av en tjeneste, uten at vinødvendigvisvet at dette skjer. Dette er “bias in machine learning“.  
  2. Hva gjør man med jobber som potensielt kan erstattes av AI-systemer? F.eks. sjåførnæringen og kundesupport.

Ditt eget beste eksempel på AI? 

I min første jobb laget jeg og noen av mine kollegaer et system som brukte feillogger (som ofte er forferdelig store) for å analysere hva som kunne være problemer i et datasystem. Administratorer kunne da få forslag til hva som kunne være feil basert på tidligere hendelser i systemet 

Dine andre favoritteksempler på AI internasjonalt og nasjonalt? 

Jeg er stor fan av det første paperet der reinforcement learning fikk resultater som var bedre enn menneskelige på Atarispill (https://arxiv.org/abs/1312.5602). 

I fagfeltet jeg selv jobber med, synes jeg pre-training av språkmodeller som startpunkt for avansert språkprosessering veldig spennende.  

Hva bruker du som mental modell for hvordan det funker? 

Hvis man tenker på maskinlæringsmodellene, så tenker jeg bare på det som funksjonstilpasning, der det man tilpasser er veldig fleksibelt. Men som sagt så mener jo jeg at AI er mye mer enn bare maskinlæringsmodellen man bruker. Man kan ikke se det frakoblet systemet man designer. Og da er jo målet man ønsker å oppnå med en viss type “brukeropplevelse” og hvordan det interagerer med maskinlæringsmodellene viktigere. 

Anbefalt lesing/seing om AI? 

Vel – en klassiker er jo: http://karpathy.github.io/2015/05/21/rnn-effectiveness/ 

For å lære maskinlæring, liker jeg http://www.fast.ai/ 

Også liker jeg denne: OpenAI som lager en “bot” i Dota 2: https://www.twitch.tv/videos/293517383 

 

Dette lørner du:

Maskinlæringsmodeller
Statistiske modeller
Nevrale nettverk
AI
FinTech

Anbefalt litteratur:

Vel – en klassiker er jo: http://karpathy.github.io/2015/05/21/rnn-effectiveness/
For å lære maskinlæring, liker jeg http://www.fast.ai/
OpenAI som lager en “bot” i Dota 2: https://www.twitch.tv/videos/293517383 

Refleksjon

Hva tenker du kan være skummelt med kunstig intelligens, og hvilke løsninger kan kanskje kunstig intelligens svare tilbake på det igjen?

Search name, company, subject or keyword