Det finns inga gratismiddagar

Allt är inte guld som glimmar

Du får vad du betalar för

Känner ni igen ovanstående fraser? Brukar alltid finnas någon eller några som har dessa uttryck i ryggmärgen, och som automatiskt skjuter iväg dem från höften när det antyds att det bjuds på något utan motprestation.

Förra veckan gick SAPPHIRE av stapeln i Orlando, och oavsett om man kunde var med på plats eller inte så kan man ta del av nästan allt det intressanta som sades utan någon motprestation förutom den egna tiden.

event-sajten får man tillgång till de flesta dragningarna och det är väl värt att botanisera bland dessa. Med över 200 inspelade sessionen kan det vara svårt att hitta guldkornen så jag ger er mina två favoriter på temat SAP Leonardo.

Become a Driving Force for Digital Business with SAP Leonardo IoT

SAP and Google Cloud Bring Machine Intelligence to Business Processes

Den första inspelningen med Tanja Reuckert ger en del insikter i hur distribuerad tillverkning genom 3D-printing skulle kunna se ut i framtiden, inte minst ur ett säkerhetsperspektiv med visionen om blockchain-säkrade ritningar som garanterar att utskrivna reservdelar uppfyller alla kvalitetskrav. Mer tankeväckande än faktaspäckat.

Den andra inspelningen blev lite av en personlig favorit då den går igenom maskinlärande på Googles molnplattform och den tar upp lite olika resurser för att själv testa maskinlärande algoritmer baserat på egen text, egna bilder och röstdata. Även om bildigenkänning fortfarande har en del kvar att bevisa så är potentialen i detta enorm. Till och med större än HBO/Silicon Valleys Not Hotdog-app kan man förmoda.

(Om du inte fullt ur greppar den sista referensen så gör det ingenting, det innebär sannolikt bara att du lever ett något mindre nördigt liv än undertecknad)

Anledningen till att jag tycker just tillämpningarna av ML för att lösa olika uppgifter är så fascinerande är att områdets utveckling är så tydligt observerbar just nu. Framstegen som görs kommer i en sådan takt att det faktiskt går att följa dem och förundras över hur snabbt det går att komma över de initiala problemen. Ni minns kanske en del ML-relaterade skandaler som varit i närtid. Bästa exemplet är givetvis Microsofts twitterbot Tay som fick dras tillbaka redan första dagen efter att den börjat häva ur sig Hitler-propaganda och förorda incest. Google Photos tveksamma ansiktsigenkänning som kategoriserade färgade som gorillor och så Nikons kameror med inbyggd ansiktsigenkänning som flaggade alla asiater som ”blundande” är andra lysande exempel på ML som gått snett. En tidig version av Microsofts CaptionBot förväxlade Michelle Obama med en mobiltelefon och menade att en designerklänning sannolikt var en katt med slips o s v. Vi börjar dock lämna dessa initiala fadäser bakom oss och våra smarta maskiner har lämnat babystadiet och börjar dra allt bättre slutsatser om vår värld.

För den som vill prova hur pass bra algoritmerna fungerar i dagsläget kan man prova captionbot.ai eller gå till cloud.google.com och lägga till

/speech

/vision

/translate

/natural-language

När det gäller text- och röstanalys är jag djupt imponerad. Vad gäller bild-analys så är det fortfarande en liten bit kvar innan de maskinlärande systemen ser skillnad på kattguld och den äkta varan.