<img height="1" width="1" style="display:none;" alt="" src="https://px.ads.linkedin.com/collect/?pid=2085737&amp;fmt=gif">
Tema: AI

#0201: Intelligent og automatisk bildeanalyse

Gjest: Line Eikvil

Forskningsleder

Norsk Regnesentral


Med Vert Fredrik Winther

I denne episoden av #LØRN snakker Fredrik med forskningsleder i Norsk Regnesentral, Line Eikvil. Line fattet interesse for bildeanalyse allerede under informatikkstudiet, og har nå jobbet i over 30 år med problemstillinger knyttet til bildegjenkjenning og AI. I Norsk Regnesentral driver de oppdragsforskning innenfor statistisk analyse, bildeanalyse og maskinlæring. I episoden forteller Line om hvordan dyp læring har revolusjonert bildegjenkjenning, hvordan intelligent bildeanalyse kan brukes til mammografi, ultralyd og satellittdata, i tillegg til mange flere spennende eksempler.

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

Informatiker, forsker og forskningsleder for bildeanalyse og maskinlæring. Interessen for bildeanalyse startet allerede under informatikkstudiet, hvor jeg ønsket å forstå hvordan en kunne få datamaskinen til å se. Har siden jobbet med problemstillinger knyttet til automatisk tolkning og gjenkjenning i bilder i over 30 år.

Hva gjør dere på jobben?

Vi driver med oppdragsforskning innenfor statistisk analyse, bildeanalyse og maskinlæring. Innen mitt område jobber vi med metoder for automatisk gjenkjenning og tolkning i ulike typer bilder, alt fra medisinske bilder, satellittbilder, scannede dokumenter, ekkoloddbilder av fisk, seismikk fra oljesektoren, osv.

Hva er de viktigste konseptene i AI?

For AI generelt og bildeanalyse spesielt har dyp læring (deep learning) blitt en av de viktigste teknologiene.

Hvorfor er det så spennende?

Det er både en spennende teknologi og spennende at en kan få datamaskinen til å se og bidra til å utvikle løsninger for dette. Dype nevrale nettverk har gjort oss i stand til å løse problemer vi ikke klarte å løse før.

Hva synes du er de mest interessante kontroversene?

Urealistiske forventninger. Troen på at maskinene kan lære av seg selv.

Dine egne prosjekter innen AI?

Vi jobber med svært mange prosjekter relatert til intelligent bildeanalyse. Noen eksempler: – dyp læring og big data i mammografiprogrammet (Kreftregisteret) – intelligent ultralydscanner (GE Vingmed) – dyp læring for tolkning av seismikk (Equinor) – automatisk bildeanalyse for marinetjenester (Havforskningsinstituttet) – AI for satellittdata (European Space Agency) – finne kulturminner fra lidar data (Riksantikvaren)

Har du andre gode eksempler på AI internasjonalt og nasjonalt?

Et eksempel er selvkjørende biler. Men det er langt fram for at en selvkjørende bil skal kunne kjøre på en hvilken som helst vei under alle værforhold og tolke alle situasjoner.

Er det noe vi gjør her i Norge som er unikt?

Utstrakt bruk av teknologi og innsamling av data (f.eks. oljesektor, marin sektor) kan gi et godt utgangspunkt.

Kan du anbefale noe stoff om AI?

For dyp læring for bildeanalyse: Stanford-kurset CS231 (video av forelesninger på nett).

Et favorittsitat om AI?

Yann LeCun: «If intelligence was a cake, unsupervised learning would be the cake, supervised learning would be the icing on the cake, and reinforcement learning would be the cherry on the cake. We know how to make the icing and the cherry, but we don’t know how to make the cake.»

RESEARCH

This is what you will learn:

Dette lørner du: Dype nevrale nettverk AI Bildeanalyse Maskinlæring
For AI generelt og bildeanalyse, har dyp læring, blitt en av de viktigste teknologiene. Her skjedde det nærmest en revolusjon i 2012, da en gruppe ved universitetet i Toronto benyttet denne metodikken til gjenkjenning i bilder og knuste tidligere rekorder i en bildegjenkjenningskonkurranse.

- Line Eikvil

This is Norsk Regnesentral

Norsk Regnesentral (NR) er en uavhengig, ideell og allmennyttig privat stiftelse som utfører oppdragsforskning for næringsliv, offentlig sektor og private organisasjoner både i Norge og internasjonalt. Forskningsområdene er statistisk modellering, maskinlæring og IKT. NR er et av Europas største miljøer innen anvendt statistikk. NR har ca 85 ansatte, og flertallet av forskerne har doktorgrad.