Deep learning og machine learning for begyndere: Sådan fungerer det nye DeepLens-kamera

Det kan snart blive muligt at udrulle modeller til deep learning og machine learning på alt fra briller til høretelefoner. Man skal dog starte et sted, og derfor håber AWS på at kunne lokke udviklerne til at eksperimentere med det nye DeepLens-kamera, der bygger på samme koncept som Raspberry Pi.

Modellerne og teknologierne, der bruges til deep learning og machine learning, fylder stadig mindre og bliver samtidig mere og mere tilgængelige.

Det forklarer Julien Simon, der er ekspert i kunstig intelligens i AWS, til Computerworld i forbindelse med en snak om AWS DeepLens.

Det er et nyt trådløst HD-videokamera, som udviklerne kan bruge til at skabe machine learning-løsninger.

Selve DeepLens kommer til at koste 249 dollars, når det kommer i handlen næste år.

Det er en løsning ikke ulig den meget populære Raspberry Pi, som udviklere verden over har eksperimenteret livligt med i de senere år.

Selve hardwaren er nemlig ikke det mest interessante - det er  med softwareudviklingen, at man for alvor kan gøre en forskel.

“Det her er et kamera med en ret kraftfuld Intel-chip. Det har alle de komponenter og muligheder, som du vil forvente. Men det er den kedelige del - det spændende er, hvordan det fungerer,” fortæller Julien Simon. 

Læs også: Helt nye brugergrænseflader på fremmarch: Stiller meget store krav til dig som softwareudvikler

“Du sætter strøm til det og forbinder til WiFi. Nu skal du så konfigurere hardwaren fra skyen. Du kan eksempelvis vælge at udrulle en model, der kan levere ansigtsgenkendelse, eller som kan kende forskel på en hund og en kat eller kan genkende objekter.”

“Du udruller modellen til dit kamera, og når det er sket, vil det så begynde at sende informationer om eksempelvis ansigter til skyen.”

Mange anvendelsesmuligheder
Kan man også konfigurere andre kameraer med de her cloud-services?

“Hardwaren er Intel-baseret, så selvom den er intelligent, er den ikke noget helt særligt. Selve magien opstår med muligheden for at udrulle modeller fra skyen til enheden.”

“Vi har nogle modeller, som folk kan afprøve, men tanken er jo, at de skal begynde at træne deres egne modeller.”

“Måske er der en, der vil udvikle en model, der kan genkende bilmærker. En anden vil udvikle en model til planter eller måske en løsning til jægere, hvor kameraet giver besked, hvis der kommer et vildsvin.”

Det handler ikke så meget om hardwaren
DeepLens-kamaet kan udnyttes sammen med en række af AWS’ cloud-services.

Dermed er der også lagt op til, at selve kameraet egentlig ikke er den store nyhed.

Perspektiverne bliver nemlig langt større, når man tænker over, hvad det at kunne programmere kameraer og andre enheder kan udvikle sig til på sigt.

“Vi har bygget platformen. Det er som legoklodser, og du kan så kombinere det på mange forskellige måder. Formentlig vil enheds-producenter også begynde at gøre det samme, så jeg forventer, at andre vil komme med lignende produkter, som måske endda er bedre end det her," siger Julien Simon om selve DeepLens-kameraet.

Fylder mindre og mindre
Kan man forestille sig, at man om nogle få år vil kunne udrulle modeller til eksempelvis kontaktlinser som i en anden science fiction-historie?

“Ja, og jeg tror ikke, at det kommer til at handle om år.”

“Når du arbejder med machine learning og deep learning handler det om træning, og at du skal have et stort datasæt og masser af computerkraft. Og så er der hele prediction-delen.”

“Vi gør hele tiden modellerne mindre: For nogle år siden fyldte en typisk model flere hundrede megabytes. Nu kan vi ved hjælp af forskellige teknologier få de modeller til at skrumpe til 50 megabytes."

"Der er allerede endnu mere avancerede teknologier, hvor vi kan komme ned på få megabytes.”

“Når du kommer dertil, at en model kun fylder to megabytes og stadig er meget præcis, kan den udrulles hvor som helst. To megabytes kan være på en lille bitte chip - og så kan det være i dine høretelefoner, i dine briller, i din ring eller hvor som helst.”

“Så det kommer kommer helt sikkert,” lyder det fra Julein Simon fra AWS.  

Læs også:

Helt nye brugergrænseflader på fremmarch: Stiller meget store krav til dig som softwareudvikler

It-udviklere jubler over opbakning fra eksperter: Kontrolfikserede chefer ødelægger innovationen

App-udvikling er blevet langt lettere – men adgangen til back-end volder problemer

Kæmpe cloud-rapport: Her er styrkerne og svaghederne ved alle cloud-leverandørerne




Ytringer på debatten er afsenders eget ansvar - læs debatreglerne
Indlæser debat...

Premium
Virksomheder skrotter CFCS til overvågnings-opgave: “Det er ikke alle informationer, vi er interesseret i at dele med centeret”
Danske teleleverandører har oprettet en ny enhed til at overvåge deres netværk for mulige hackerangreb. Men enheden er bevidst blevet placeret uden for Center for Cybersikkerhed (CFCS).
CIO
Tech fra Toppen: Tim Vang får hastigheden op og de rigtige idéer frem med Googles pretotyping
Tech fra Toppen: Tim Vang får ideerne frem og hastigheden op ved konstant at tænke små overskuelige eksperimenter ind idéprocessen. Metoden hedder pretotyping og stammer fra Google. Lær meget mere om, hvordan du kan bruge værktøjet her.
Job & Karriere
Efter blodrødt regnskab: Nu fyrer Atea 20 medarbejdere i Danmark
Atea fyrer nu 20 medarbejdere. Det sker som en direkte konsekvens af, at den danske forretning er under pres, oplyser selskabets direktør.
White paper
Fire trin til øget cybersikkerhed på den digitale arbejdsplads
Organisationer af enhver størrelse er i konstant risiko for at blive udsat for cyberangreb, som potentielt kan ende med at koste millioner af kroner. I de kommende år vil reguleringer, som den nye EU-persondataforordning, kunne straffe virksomheder med gigantiske bøder, for utilstrækkelig sikring af deres systemer og data. Hvordan dette kan undgås, kan du læse mere om i dette whitepaper.