Her er Amazons tre indgange til Machine Learning

Illustration: Colourbox
Amazon satser stort på at gøre AI og Machine Learning tilgængelig for alle udviklere. Udvikler-evangelist fortæller om de forskellige teknologier, du kan anvende til at bygge intelligente løsninger.

Amazon har arbejdet med AI i mange år og anvender det blandt andet på Amazons webshop til at anbefale produkter til kunder baseret på deres tidligere køb, logistik-optimering i forbindelse med vare-udbringning samt naturligvis den smarte assistent Alexa, der er oplært via machine learning til at forstå og svare på spørgsmål.

Erfaringerne fra Amazons brug af Machine Learning er indbygget i de teknologiske byggeklodser, som du kan anvende til at bygge intelligente løsninger for din virksomhed eller kunder.

Amazon tilbyder tre forskellige udgaver af AI-teknologi for udviklere: Applikationsservices, Sagemaker-platformen og ML-frameworks.

AI som API-kald

Applikationsservices er nemmest at komme i gang med. Her tilbyder Amazon en række færdigudviklede services, som du kan kalde via et API.

»De er færdigpakkede services, som er meget enkle at bruge. Det er features som billedgenkendelse, talegenkendelse og oversættelse, som kaldes via et API med de rette input-parametre,« siger Ian Massingham.

Hans officielle titel hos Amazon er Developer and Technical Evangelist, hvilket vil sige, at han hjælper udviklere med at anvende Amazons teknologier bedst muligt.

Ian Massingham fik ønskejobbet hos Amazon, efter han i flere år havde arbejdet med cloudteknologi i blandt andet telebranchen.

Du kan opleve ham på Infosecurity-konferencen, hvor han 1. maj vil forkynde Amazons AI-udviklerevangelium i præsentationen ‘Putting Machine Learning and AI to work in your business’.

De 3 AI-niveauer

De konkrete services er Rekognition (billedgenkendelse), Rekognition Video (Video), Polly (Tekst-til-tale), Transcribe (Transkriberingsservice), Translate (oversættelsesservice), Comprehend (Talegenkendelse) samt Lex.

Lex er den underliggende teknologi til Alexa og var med til at navngive Amazons smarte assistent som Alexa.

Lex omsætter tale til tekst og anvender sprogforståelse, så hensigten med en given sætning kan forstås. Lex er derfor specielt velegnet til at bygge chat-bots.

Bliv en vismand

Hvis du får lyst til eller har behov for at gå lidt dybere ned i AI-teknologien, giver Amazons Sagemaker-platform mulighed for at optræne dine egne Machine Learning-modeller eller optimere eksisterende modeller med dine egne datasæt.

»Det er en samling værktøjer, der gør det muligt at udvikle, træne, teste og optimere Machine Learning-modeller, der så kan udrulles til produktion,« siger Ian Massingham.

For at anvende Sagemaker kræver det, at du kender forskellige ML-algoritmer, og hvilke anvendelsesområder de passer bedst til.

»Det kræver indsigt i, hvilken Machine Learning-algoritme der er bedst egnet til den specifikke use case. Vil det eksempelvis være en god ide at anvende random forest til tekstklassifikation? Samtidig kræver det også, at man skal forberede data til den model, man anvender.«

Tilpasning og formatering af data, så de passer til en given Machine Learning-model, er en vigtig aktivitet, når der skal udvikles en Machine Learning-model.

»Det kræver, at udviklerne kan forberede og forme data, så data passer med algoritmen, ligesom udviklerne skal kunne vurdere effektiviteten af modellen og vurdere, hvilken model der performer bedst.«

Dataforberedelse foregår ved at anvende Jupyter Notebook samt sprogene Python eller R til at udforske og transformere datasæt.

Skræddersyet Deep Learning for eksperter

Føler du trang til virkelig at få fingrene ned i de grundlæggende teknologier, som anvendes til Machine Learning, så giver Amazon dig mulighed for at anvende en række Machine Learning-frameworks som TensorFlow, Pytorch, Caffe2, Microsofts Cognitive Toolkit (CNTK), MXNet, Keras og Gluon.

Her har du mulighed for selv at udvikle og eksperimentere med deep learning frameworks og tilhørende værktøjer.

Det populære TensorFlow-framework, som oprindeligt blev udviklet af Google og siden frigivet som open source i 2015, er populært i Amazons sky. Faktisk kører 85 procent af alle TensorFlow-projekter på Amazons AWS ifølge en undersøgelse af Nucleus Research fra november 2018.

Fra hoteller til satelitter

Der er mange tusinde virksomheder, der anvender Amazons AI-teknologier til at udvikle deres egne intelligente løsninger. Ian Massingham nævner eksempelvis hotels.com, der anvender et mix af Amazons AI-teknologier.

»Hotels.com anvender Translate API til at oversætte hotelbeskrivelser direkte fra tysk til engelsk. Cacher oversættelsen, så den kan bruges igen. De bruger også mere low level-ressourcer i form af frameworks til at udvikle skræddersyede modeller, der tilpasser præsentationen af hoteller, så de bedst rammer folks ønsker og behov.«

Ian Massingham nævner, at udviklere hos DigitalGlobe anvender Machine Learning til at identificere fordelingen af befolkningcentre i verden, som ellers ikke er så nøjagtigt kortlagt, eksempelvis i Afrika.

»Det anvendes af nonprofitorganisationer til at identificere områder, hvor de skal sende folk ud med hjælp til sundhedspleje og vaccination. Det sker ved hjælp af Sagemaker og geo-imaging data fra Digital Globe.«

Som et tredje eksempel nævner Ian Massingham, at nonprofitorganisationen Thorn anvender AWS Rekognition til at finde børn og unge kvinder, der udnyttes seksuelt. Thorns egenudviklede Spotlight-system anvender Rekognition og Rekognition Video til at gennemgå tusindvis af billeder og videoer på internettet for at finde bortførte børn og kvinder, som er endt som sex-slaver.

AI, ansigtsgenkendelse og etik

Her anvendes AI-teknologien til positive formål, men der findes også mere dystre anvendelsesmuligheder. Eksempelvis anvendes ansigtsgenkendelse i Kina til at identificere og spore etniske minoritetsgrupper som den muslimske uighur-befolkning.

Version 2 spørger derfor Ian Massingham om, hvordan Amazon forholder sig til, hvilken slags systemer der bygges ved hjælp af Amazons AI-teknologier.

»Vi er ikke involveret i, hvad der sker i Kina. Vi er en teknologi-leverandør, som arbejder for at anvende AI på en etisk forsvarlig måde. Vi er åbne for at samarbejde med politikere om at opnå den bedst mulige anvendelse af AI.«

Du kan høre mere om Amazons AI-teknologier og deres anvendelsesmuligheder 1. maj til Infosecurity-konferencen.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (1)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Povl H. Pedersen

Hvis amazon.com / .de er et eksempel på hvor godt det fungerer, så er AI og Machine Learning altså dumpet 100%.

Jeg har samme erfaring som de fleste, både på Amazon og andre steder bliver jeg ved med at få anbefalinger baseret på hvad jeg har søgt på. Dette også langt id efter at jeg har købt, eksempelvis hos Amazon.

En gammeldaws algoritme uden AI, ML etc ville tage købshistorikken med, ville se på hvad er logiske næste indkøb når kunden har købt produkt A (og tidligere B og C), og gætte at når man ikke længere søger eller klikker på A, så har man nok købt det eller mistet interessen, og så ihvertfald skrue frekvensen for denne annonce ned.

AI / ML i webshops ligner næsten 1980'er style kode:
If (harsøgtpå(x)) then
for (i=0; i<=100; i+=0) {
vis reklame for x
endfor
endif

Log ind eller Opret konto for at kommentere