I takt med att utvecklingen fortlöper uppstår nya bruksområden för tekniker som bygger på artificiell intelligens. Datorseende är en sådan. Tekniken kan på flera sätt avlasta människor, som kan ägna sig åt andra arbetsuppgifter, och i vissa fall är tekniken både snabbare och mer pålitlig.
– Det kan gälla övervakning av processer i industrin till exempel, där systemet kan upptäcka en händelse redan i förstadiet och varna innan någonting har hänt, säger Olof Mogren, senior forskare inom maskininlärning på RISE.
I sjukvården i dag kan en dator bedöma en röntgenbild lika bra som en läkare, i förekommande fall till och med bättre. Men tekniken har många tänkbara användningsområden såsom automatiska kvalitetskontroller eller säkerhetsövervakning för att nämna några. Innan ett datorseendesystem tar en människas plats är säkerhetskraven dock väldigt höga. Ett exempel är den självkörande bilen.
– I många fall är systemet väldigt bra på att ta rätt beslut snabbt, och är ibland bättre än en människa på att köra bil. Ändå känner vi inte att tekniken är mogen, trots att den i viss mån skulle kunna leda till färre dödsfall i trafiken redan nu, säger Aleksis Pirinen, senior forskare inom maskininlärning och datorseende.
Olika höga trösklar för användning
För vissa tillämpningar av datorseende finns färdiga AI-modeller att använda sig av, som i fallet med röntgenbilden där datorn lärt sig se skillnad på ett ben som är helt, och ett med fraktur. Men för den som vill utveckla någonting nytt och specifikt för just sin verksamhet krävs ett antal steg.
– En fundamental punkt är att ha träningsdata som din AI-modell ska öva på. Om man inom jordbruket exempelvis vill att systemet ska känna igen växtsjukdomar, så behöver man bilder på så väl friska som sjuka plantor, förklarar Aleksis Pirinen.
Och när du väl har din träningsdata, behöver du tala om för systemet vad den visar. Så kallade annoteringar, eller information om vad varje bild innehåller.
För den som vill implementera eller utveckla datorseendeteknik i sin organisation, kan RISE vara en partner för undervisning, samarbete eller forskning.
– Vi har många forskningsprojekt, där vi ofta kan visa vad som går att göra med den data och de behov som partnern har, säger Olof Mogren.
Tillämpningsområdena är extremt stora, bara fantasin sätter gränser
Flera etiska aspekter
I träningen av systemet ligger även ett av de etiska dilemman som ofta nämns kring datorseende: ibland byggs en partiskhet, eller en bias, in i systemet av dem som tränat det. Bland annat har det förekommit exempel där systemet inte läser av mörkhyade ansikten lika väl som ljusa.
– Det är naturligtvis ytterst problematiskt, man måste jobba aktivt för att minimera den här typen av bias i sina modeller, säger Olof Mogren.
– Ett sätt kan vara att få en större diversitet bland dem som utvecklar modellerna, säger Aleksis Pirinen.
Ett annat etiskt dilemma, som ofta lyfts fram i media, är risken för så kallade deepfakes. Datorseendemodellerna kan inte bara lära sig att förstå vad den ser, utan även skapa bilder själv.
– Med rätt kompetens finns möjligheten att skapa mycket verkliga bilder och videos. Det är något man kommer att behöva tänka på framöver, säger Aleksis Pirinen.
– Som med all teknik går det att använda både för gott och ont, fyller Olof Mogren i. Några exempel på positiva användningsområden för bilder genererade av systemen är så kallade digitala tvillingar som tillåter forskningen att göra tester i en väldigt realistisk miljö som inte är verklig och bilder som visar potentiella effekter av kommande klimatkatastrofer.
– Det är ett sätt att demonstrera hur kraftfulla de här systemen är, och hur det finns både risker och positiva användningsområden.
Ögonscanning och ogräsbekämpning
Två tillämpningar av datorseende som RISE varit med och utvecklat är scanning av ögon för att upptäcka drogpåverkan, och nya möjligheter till ogräsbekämpning.
– Vi har arbetat med data och algoritmer för att hitta ogräset, sedan har en annan aktör utvecklat en robot som söker upp och skjuter bort det med en liten laser, berättar Olof Mogren.
Datorseende är en teknik på frammarsch, och ännu har vi inte sett alla de tillämpningsområden där tekniken kan göra nytta.
– Självkörande bilar och alla typer av förarassisterande system är även arenor där den här typen av teknik gör mycket nytta. Jag skulle säga att nyttan av datorseende är väldigt bred. Tillämpningsområdena är extremt stora, bara fantasin sätter gränser, avslutar Olof Mogren.
