Casper Sønderby

Ny forskning: AI på jobcentre er ikke god erstatning for mennesker

@lars pedersen: "The Iron Law" (som ikke rigtigt er en lov men en observation) siger at 'expected' return af sociale programmer er lavt eller nul. Det er ret forskelligt fra "sociale programmer ingen effekt har"

24. april 2021 kl. 23:58
EU har brug for et fælles epicenter inden for AI

Tak for svar - jeg ser stadig folk faa jobtilbud fra silicon valley, men der bliver selvføgeligt nok lidt mindre aktivitet hvis krisen rigtigt kradser paa et tidspunkt. Hvorfor er universiteterne hårdt ramt af det her?

Ang exit i CPH: Det er praacist min pointe at de exits der har vaaeret til apple, fb etc. er endt med at hele firmaet er flyttet til USA saa vidt jeg ved. Eventuelle danske danske har selvfølgeligt faaet et udbytte de kan geninvestere, men selv meget af udbyttet ender nok i USA via stifterne?

7. april 2020 kl. 23:13
EU har brug for et fælles epicenter inden for AI
  1. Angaaende 'tvivlsomme startups' saa er det vel netop her vi har et problem i EU - vi har gode unviversiteter og uddannelseniveauet er generelt højt, men vores tech-virksomheder kommer i mange tilfaelde ikke rigtigt udover rampen før de enten ikke vokser mere eller bliver opkøbt. Her en det vel meget sigende at ingen (=0) af de helt store tech-virksomheder har hovedsaede i EU (Den største er saa vidt jeg ved SAP)?

  2. Hvad får dig til at tro at 'dygtige AI-folk' skulle flygte ud af USA?

7. april 2020 kl. 14:06
ITU-forskere bruger deep learning til at skræddersy Mario-baner

Nu kan man jo løse et problem på mange måder :)

"Er det fordi de har løst den her introduktion til ML at de har lavet det ? For det kræver vel ikke meget studie at lave, når opskriften ligger lige ved hånden."

Jeg vil forslå at du læser op på forskellen på Maximum Likelihood Learning, Generative Adversarial networks (GANs) samt evolutionære algoritmer før du klassificerer Sebastians Rissis arbejde som "introduktion til ML".

Ps: Til de interesserede kan jeg afsløre at den linkede blogpost bruger god gammeldags Maximum likelihood learning hvilket arbejdet fra ITU lige netop ikke gør. Om det så er en god ide er en helt anden længere diskussion

Bedst Hilsner Casper

1. juli 2018 kl. 18:25
Kompleks virkelighed og upræcis software giver fejl i hjerneforskning

Som jeg forstår Eklunds artikel (har kun skimmet den hurtigt) skal "i 70 procent af tilfældene gav softwaren falsk positive resultater" forstås som:

I 70% af af de undersøgte studier var der mindst en af de statistiske test på voxel eller cluster niveau der gav en falsk positiv, hvor der i hvert studie er lavet mange af sådanne tests. Her ville man normalt forvente 5% falske positive hvis der er korrigeret rigtigt for multiple tests. Det er selvfølgeligt ikke godt, men betyder ikke at konklusionerne i 70% af studierne ikke er rigtige som det ellers let kan (mis)forstås udfra ovenstående artikel. Studierne der drager forkerte konklusioner er vil vaere dem der i forvejen var taet på ikke have statistiske signifikante resultater.

Derudover er det også vigtigt at huske at langt den meste hjerneforskning ikke bruger fMRI hvorfor langt de fleste resultater ikke er berørte af ovenstående.

Se evthttp://blogs.discovermagazine.com/neuroskeptic/2016/07/07/false-positive-fmri-mainstream/#.V68nD5MrKL8og her hvor forfatterne til artiklen forsøger at få rettet deres artikel så den ikke misfortolkeshttp://blogs.warwick.ac.uk/nichols/entry/errata_for_cluster/

13. august 2016 kl. 16:28