Kategoriarkiv: Artificiell intelligens

AI.se

Under veckan invigdes det nya centret AI Innovation of Sweden i Göteborg [1]. Det är en nationell satsning som har ambition att fungera som en motor i det svenska AI-ekosystemet. Fokus kommer att ligga på att accelerera tillämpningen av AI genom delning av kunskap och data, samlokalisering och samarbetsprojekt, allt med ett starkt fokus på etik, transparens och säkerhet. Satsningen finansieras av Vinnova (30 Mkr fördelade på 4 år) samt ett 40-tal medlemmar som väntas bidra med egen tid. 

AI Innovation of Sweden har lovordats av många, och inte minst vår nyblivne Energi- och digitaliseringsminister Anders Ygeman som under invigningen konstaterade: Sverige ska vara bäst i världen på att använda digitaliseringens möjligheter. AI Innovation of Sweden är en viktig del i att göra verklighet av det. [2]

Lindholmen Science Park AB står som värd för det nya centret. 

Källor

[1] AI Innovation of Sweden, News. AI Innovation of Sweden officially launched. 2019-02-06 Länk

[2] Digitalifrsatruktur. Nu startar AI Innovation of Sweden. 2019-02-06 Länk

Waymo och Google använder AutoML för att bygga Machine Learning

Waymo, kända för sina självkörande fordon, är väl förtrogna med machine learning (ML) som de använder i nästan alla delar av sina fordon, från att läsa av omgivningen, att förutsäga hur trafikanter i närheten kommer agera och bestämma det egna fordonets nästa rörelse.

Med ett samarbete med Google AI och forskare från ”the Brain team” har forskare börjat undersöka möjligheten att använda ett ML-baserat system, AutoML, för att anpassa sina modeller till olika städer och miljöer. Frågan som samarbetet jobbar med att söka finna svar på är: kan AutoML generera högpresterande och snabba Neural Networks för en bil? Med prestanda menar de hur precision i svaren från näten och med snabbhet menar de hur snabbt nätet kan leverera ett svar. 

För att hitta en bra arkitektur för ett neuralt nätverk görs mycket manuellt arbete med att kominera olika typer av byggblock, t.ex. antal gömda noder och inlärningsfunktioner etc. 

Med hjälp av AutoML kunde de automatiskt kombinera dessa byggblock och på så sätt förbättra prestanda på två olika sätt: nya nätverk som var signifikant snabbare, fast med liknande precision och nätverk med högre precision fast med liknande snabbhet.
Alltså, genom att kombinera olika byggblock kunde de utforska olika konfiguration av nätverken. Så, med denna kunskap ville de även prova att skapa helt nya typer av nätverk. 

Eftersom det tar dagar att utvärdera en ny arkitektur skapades mini-problem baserade på original-problemet, dvs. bildsegmentering. Miniproblemen kunde analyseras på några timmar och nu kunde AutoML mjukvaran användas för att testa inte bara nya byggblock utan helt nya arkitekturer. Det som annars skulle ta år att köra på servrarna med multipla grafik-kort tog nu några timmar. 

Resultaten var enastående, 10 000 nya arkitekturer kunde skapas automatiskt, och testas på ett par veckor (istället för över ett år). Nätverk som var 20-30% snabbare och med mellan 8-10% högre precision kunde automatgenereras.

Källa:

[1] Automating the design of machine learning models for autonomous driving, Waymo 2019-01-15 Länk

Vatten och AI

En rapport från ”Center of U.S. auto manufacturing” höjer ett varningens finger kring prestanda hos AI-baserade algoritmer för objektidentifiering i samband med regn. Hayder Radha, professor vid Michigan State University, bekräftar detta problem och säger: I tester missar algoritmen ca 20% av alla objekt i lätt regn, om regnet tredubblas, dubbleras felfrekvensen. Även till synes små förändringar som färgskiftningar på grund av årstiderna kan påverka fordonens radar och lidarsensorer säger Prof. Radha.

Trots dessa utmaningar storsatsar bl.a. Hyundai på AI-teknologi för självkörande fordon. De har bl.a. investerat i startupföretaget Allegro.ai. Även Boston-baserade företaget Optimus Ride satsar med Nvidias Drive AGX Xavier plattformar för att starta en flotta med självkörande fordon i specifika områden t.ex. högskolekcampus och andra zoner för självkörande fordon.

Källa: 

[1] George Leopold: Study Pours Cold Water on AI Driving Algorithms, Datanami 2019-01-02 Länk

Nya leksaker från Amazon

Amazon kommer att lansera miniatyrbilar kallade AWS DeepRacer som går att fjärrstyra och programmera så att de kan köra själva [1].

Storleksmässigt är de 1/18 av en verklig bil. Varje bil är utrustad med en Atom-processor från Intel, en kamera och WiFi. De har tränats att följa en rutt och undvika hinder med hjälp av reinforcement learning. I praktiken innebär det att bilarna lär sig av sina misstag.

Tanken är att utvecklarna ska kunna lägga till sina egna algoritmer. Innan algoritmerna implementeras i bilen har utvecklarna möjlighet att träna upp och fintuna dem i Amazons simulator SageMaker.

Bilarna kan förbeställas nu för 249 dollar och kommer att levereras i början på nästa år. Prislappen kommer annars att ligga på 400 kr.

Amazon kommer att anordna tävlingar med AWS DeepRacer under 2019.

Källor

[1] Chan, R., Business Insider. Amazon is releasing a $400 self-driving toy car that you can program yourself – and it’s launching a racing league to test your skills. Länk

Smart Eye i samarbete med Geely

Svenska företaget Smart Eye, som bland annat gjort sig känt för sitt kamerasystem som kan mäta och beräkna vart en förare tittar, har inlett ett samarbete med Geely [1]. Samarbetet går ut på att  tillsammans utveckla nya säkerhetssystem för bilar med hjälp av Smart Eyes AI-drivna förarmonitorteknik (Driver Monitoring Systems, DMS).

Målet är att utveckla tekniken till den grad att den kan integreras i delvis automatiserade bilar som ska börja tillverkas nästa år.

Egen kommentar

Smart Eye har redan minst tre andra samarbeten med icke-namngivna fordonstillverkare, vilket tyder på vikten av att veta var en förare tittar. Detta är också ett ämne som utforskas av Smart Eye och RISE i ett pågående forskningsprojekt kallat DRAMA – Driver and passenger activity mapping (finansieras av FFI). Där är fokus på att identifiera och kartlägga förarens och passagerarnas aktiviteter.

Källor

[1] Smart Eye Press. Geely och Smart Eye samarbetar för att göra semi-autonoma bilar 2019. 2018-08-31 Länk

Tesla och Continental om AI

Andrej Karpathy som chef för Teslas AI-verksamhet, berättade vid konferensen Train AI förra månaden om Teslas arbete med AI och övergången till det man kallar ”Software 2.0”.

Ni kan se hans presentationsmaterial här.

Även den stora systemleverantören Continental utvecklar förstås AI-baserade lösningar. Vid  den pågående asiatiska CES-mässan i Shanghai visar man upp vad man kallar ”Virtual Driving School”, ett ”träningskamp” för maskininlärning, Läs mer här.

Hailos processorer

Startupföretaget Hailo utvecklar djuplärande processorer för tillämpning i bland annat automatiserade fordon och drönare [1]. De första processorerna väntas på marknaden nästa år.

Enligt Hailo är deras processor mindre i storlek, kraftigare och billigare än andra likartade processorer, vilket gör den lämplig för lokal behandling av sensordata med hög upplösning i realtid.

Företaget har nyligen fått en ny investering på 12,5 miljoner dollar.

Enligt IC Insights förväntas integrerade kretsar som används i fordon generera en global försäljning på 42,9 miljarder dollar år 2021, nästan en dubblering från 22,9 miljarder dollar år 2016.

Källor

[1] Hailo News. Hailo Raises $12.5 Million Series A Round to Develop Deep Learning Processor for Embedded AI Applications. 2018-06-05 Länk

Wayve har en egen strategi

Startupföretaget Wayve är inne på att de flesta som idag utvecklar system för automatiserad körning är ute och cyklar eftersom de valt fel approach [1].

Enligt företagets VD Amar Shah satsar de flesta på att ha många sensorer och träna sina system genom att köra så många mil som möjligt. Men detta är fel. Att ett system klarar av situationer som det blivit utsatt för betyder inte att det kommer att klara av nya situationer. Detta går dock att lösa med smart AI som är mindre beroende av kartdata och kartläggning av vägar. För att vara självkörande i ordets sanna bemärkelse behöver bilar vara mer lika människor – vi lär oss att köra i en stad men kan väldigt snabbt anpassa oss till att köra i en annan stad utan att behöva köra hundratals mil i den andra staden.

Utan att avslöja detaljer påpekar Shah att Wayve satsar på teknik som förstärkt- och imitationsinlärning på olika nivåer. Det är en ”end-to-end machine learning algorithm” som gör att bilar lär sig av sin erfarenhet och kan hantera okända situationer smidigt.

Källor

[1] O’Hear, S. TechCrunch. This UK startup thinks it can win the self-driving car race with better machine learning. 2018-05-22 Länk

Alibaba inleder testning

Det har längre spekulerats om Alibabas aktiviteter kring automatiserade fordon. Nu ska  företagets taleskvinna ha bekräftat att företaget håller på att testa automatiserade fordon på allmänna vägar i Kina [1].

Det är automationsnivå 4 som Alibaba satsar på.  För att nå dit kommer företaget att anställa 50 nya AI-experter.

Egen kommentar

Att Alibaba är en aktör att räkna med  visar också faktumet att företaget kommer att leverera ett AI-baserat system för röststyrning till Daimler, Audi och Volvo för lansering på den kinesiska marknaden.

Källor

[1] South China Morning Post. Alibaba confirms self-driving car tests, joining Baidu and Tencent in China’s autonomous car race. 2018-04-16 Länk

Apollo 2.5

Ett år efter att Baidu lanserat sin öppna plattform för automatiserade fordon, Apollo, lanserar nu företaget en uppdaterad version av plattformen, Apollo 2.5 [1].

Plattformen har nu fått ett bredare spektrum av applikationer och scenarier. Den inkluderar också visionsbaserad perception, relativ kartläggning i realtid samt höghastighetsplanering och kontroll.

Plattformen erbjuder också effektivare utvecklingsverktyg, bland annat ett visuellt felsökningsverktyg, en datasamlare för HD-kartor och en simulator för molnbaserad autonom körning. Dessutom kommer Apollos nyligen lanserade data- och teknikprojekt, ApolloScape, att publicera en stor datamängd relaterad till autonom körning liksom nästa generations simuleringsteknik.

Apollo har nu samlat mer än 200 000 kodrader som har laddats ner och används av över 2000 utvecklare och partners.

Totalt sett är ungefär 100 partners med i den öppna plattformen.

Källor

[1] Baidu PR. Baidu Unveils Apollo 2.5, the Newest Upgrade to its Autonomous Driving Open Platform. 2018-04-19 Länk