Deep learning

Deep learning eller djupa neuronnät har tagit världen med storm. Chat GPT, Dall-E, autonoma fordon. Nästan varje gång som AI nämns i media, så är dessa tekniker inblandade. Djupa neuronnät är modeller som idag används i många tillämpningar inom språkteknologi och bildanalys och har ersatt äldre tekniker som krävde större inslag av manuellt arbete.

Det började bubbla inom fältet i början av 2000-talet, när forskare lyckades träna djupare modeller tack vare smartare algoritmer och bättre beräkningskraft. Djupa neuronnät kan lära sig interna representationer för datan de jobbar med, något som tidigare krävde stora arbetsinsatser och mycket domänkunskap. 2012 revolutionerades bildanalysen genom att man lyckades träna ett djupt faltningsnät (convolutional neural network) och förbättrade bildklassificering avsevärt. Sedan dess har många ytterligare framsteg gjorts och idag är dessa nät en viktig komponent för tekniker som självkörande bilar och funktioner i smarta telefoner. Deep learning har också visat sig användbart inom språktillämpningar. Maskinöversättning och kategorisering av texter är bara ett par exempel.

På RISE har vi solid expertis inom deep learning och många av dess tillämpningsområden. Vi har bland annat gjort projekt inom bildanalys tillsammans med modebranschen, anomalidetektion för fordonsbranschen, arbetat med privacy och anonymisering av bilder, samt osäkerhetsberäkningar för tillämpningar inom flödesdynamik.