Af Pia Osbæck pia@bureaubiz.dk
Månedens panel er: Pernille Fruensgaard, Tim Frank Andersen, Mette Theilgaard, Therkel Sand og Michael Gamst.

Denne måneds panel mener, at startup'en Desupervised kan blive en gamechanger. ”Hvis Desupervised kan få computere til at tænke selv og undre sig, ser jeg muligheder for et seriøst parløb mellem menneske og maskine,” siger Mette Theilgaard, experience design director hos Flip Studio.

Machine learning er ikke bare machine learning. Det fortæller Michael Green, som har en doktorgrad i teoretisk fysik, og som er medstifter af start-up’en Desupervised. 

Den metodik, som Desupervised baserer sig på, er en form for machine learning, hvor man ikke på forhånd fortæller computeren, hvad den skal lede efter. Det hedder traditionelt unsupervised eller desupervised machine learning. I modsætning til supervised machine learning.

Michael Green uddyber:

”Ved supervised machine learning fortæller man computeren, hvilke output, man forventer. Derfor finder man ikke ud af, at der måske kan være andre sammenhænge, der kan være interessante. En sammenhæng, som et menneske godt kunne tænke sig frem til, hvis det var i stand til at overskue alle dataene. Dvs. at man ved almindelig machine learning ikke leder efter de guldkorn, man ikke ved, er der. Det er dem, vi gerne vil lede efter med vores type machine learning.”

Michael Green

Begejstret panel
Den tilgang er månedens panel begejstrede for. Ud af fem stjerner giver alle fire panelister 4 stjerner til spørgsmålet om Desupervised kan blive en game changer.

Fra Michael Gamst, der er under direktør for people & identity, brands & marketing development i Nykredit, lyder det bl.a.:

” The curse of knowledge og konform tænkning er en kæmpe udfordring, det er utrolig vanskeligt at befri sig fra det man ved. Eksempevis når man udvikler nye systemer fra bunden – og du spørger specialister om at lave usecases for det nye. Der startes ofte med at dække alt det, det gamle system kunne, og så bruger man uanede ressourcer på at genskabe det gamle i en ny udgave i stedet for at befri sig fra dette og tænke frit i forhold til de problemer man reelt vil løse. Så, at de her vender det på hovedet, og forsøger at løse det man ikke ser og ikke ved på forhånd – er mega spændende.”

Smæk og slik
Michael Green fortsætter med at forklare forskellen på de to typer machine learning:

”Meget kunstig intelligens er bygget på en supervised learning metodik: Du har et mål, du vil nå og du har noget data. Man kan så sige, at computeren får smæk hver gang, den laver en fejl og slik hver gang den gør det rigtigt.”

Det betyder, at supervised machine learning ifølge Michael Green er programmeret til at tage et valg. Hvorimod Desuperviseds machine learning får mennesker til at tage et valg.

En af Desuperviseds kunder er hestemagasinet Malgretout, som har en digital platform, hvis AI-modeller er bygget med Desuperviseds form for machine learning.

”Der er rigtig meget indhold på platformen, der kommer fra læserne. I stedet for, at man manuelt skal overvåge og godkende alle billeder, kan man bruge machine learning til at overvåge om der f.eks. er heste på billederne. Alle former for machine learning vil kunne genkende en hest, men det er ikke alle, der vil genkende sammenhængen i billederne. Det kunne være – bare som eksempel – en hest og en økse, og det har man måske ikke lyst til at have med. Her vil vores algoritme hejse et flag, så man lige kan tjekke om billedet er ok eller ej.”

Tanken er, at en kunde som Malgretout, kan skalere deres forretning til flere lande, og stadig have styr på, at der ikke pludselig er indhold på et site, hvor heste er sat ind i en helt anden sammenhæng end tiltænkt uden, at der er nogle, der opdager det.

Det har været vigtigt for Desupervised, at deres system er så nemt at bruge som muligt, fortæller Michael Green:

”Vi bygger motoren, der gør det muligt for virksomheder at træne deres egne usikkerhedskomponenter ind i deres modeller. Det betyder, at de får usikkerheden med, når de køber platformen, så de skal ikke tænke over matematikken. Den er nemlig ret svær og der er ikke mange, der arbejder med det. På den måde kan kunderne løse deres problemstillinger uden at være eksperter inden for AI.”

Almindelig AI trykker på speederen på de forkerte tidspunkter
Michael Green kommer med flere eksempler på, hvad der kan ske, hvis der ikke har været mennesker ind over slutresultatet på de data, computeren arbejder med:

”Der var et eksempel med en førerløs Uber, der kørte en kvinde ned, fordi computeren så noget den ikke havde set mange gange før. Computeren antog, at den vidste, hvad det var, og mente ikke, at det var noget farligt.”

Han fortæller også, at en chatbot fra Microsoft allerede efter en enkel dag på nettet begyndte at give udtryk for sexistiske og homofobe holdninger.

”Mennesker ved, hvordan verden hænger sammen. Vi kan bruge idiomatiske udtryk og ironi. Det er svært for maskiner. De læser tekst syntaktisk og ikke semantisk. Det er de nuancer i kommunikationen og i det visuelle, som mennesker er gode til at håndtere og som maskiner ikke er, og det er der, hvor vores algoritmer erkender, at de har brug for menneskelig hjælp,” siger Michael Green.

Han sammenligner med, at hvis vi mennesker ser noget, vi ikke forstår, så trykker vi ikke på speederen.

”Men det kan en almindelig kunstig intelligens gøre. Den kører bare videre, og er stensikker på hver beslutning, den tager.”

Målsætningen for Desupervised, er at computeren skal kunne tænke selv.

”Vi tvinger machine learning-algoritmen til at hive al den information ud, som den kan, selvom den information ikke har noget at gøre med den konkrete opgave. Den skal kunne vægte sin egen beslutning. Den skal kunne tænke sig om og sige til sig selv: Det har jeg ikke set før, så måske skal jeg passe på lige her”.

Udover  Malgretout har Desupervised kunder som droneselskabet Quali-Drone, hvor en drone inspicerer, at stålkonstruktioner lever op til de krav, der stilles, og AI klassificerer eventuelle fejl. Samt jobeffekt.dk, hvor man hjælper mennesker, der ikke er så gode til at skrive og læse og AI oversætter det, de siger til skreven tekst samtidig med, at man også kan oversætte til forskellige sprog.

Indenfor distribution og efterspørgselsforecast arbejder Desupervised sammen med Uno-X hvor der pt. foreligger over 750 modeller,  der på timeniveau forudsiger salget per station per produkt syv dage frem i tiden. Dette giver Uno-X mulighed for a reagere hurtigt og præcist på ændringer i salget.

Desuden har Desupervised et stort forsikringsselskab i Tyskland som kunde. Her hjælper man med brand governance på stadions. Dvs. man kan se, hvilke reklamer der vises på skærmene.

”Et kamera på stadion overvåger reklamerne og vores AI kan genkende forskellige brands. Feedet bliver sendt til forsikringsselskabet, så at de får et billede over egen og konkurrenternes annoncering.”

Nykredits Michael Gamst er positiv overfor, at Desupervised allerede nu har modne usecases fra en række forskellige brancher, og således ikke er begrænset til et område, og han uddyber:

”Alene use cases inden for finans herunder fraud vil gære utrolig værdifuld at få hjælp til at afdække. Der er masser af data, og her vil man virkelig kunne gøre en forskel.”

Kender bureauverden indefra
Michael Green, der selv har arbejdet i bureauverden, nemlig som medstifter og chief AI officer hos media- og softwarebureauet Blackwood Seven, mener, at Desupervised AI kan bruges i de fleste brancher, også inden for reklame og marketing.

”Vores mål er at få bredt vores platform ud i hele Europa, så flere bliver i stand til at benytte kunstig intelligens i egne produkter. For kunstig intelligens vil vi være det som Intel er for computere. Vores kunders kunder ved ikke noget om os, men det er vores platform, der gør det muligt at styre alle deres modeller på en klog måde. Og vi vil gøre det i tæt samarbejde med vores kunder.”

Profitabel efter to år
Desupervised startede i efteråret 2018, og samme år fik man sin første og eneste investering fra Preseed Ventures på 4 mio. kr. I seneste regnskab var der stadig underskud, men i dag er virksomheden, der har til huse på Københavns Universitet, profitabel.

”Vi vendte underskud til overskud i oktober sidste år, og vi har ikke haft brug for flere investeringer end den første vi fik, ” siger Michael Green. Han fortæller, at virksomheden i dag har 7 medarbejdere, som alle er medejere. Flest er uddannet fysikere, som Michael Green selv – resten er computer scientists.

Se panelets ratings og kommentarer her

Therkel Sand, founder CopenX:

Kommentar
Machine learning vil i de kommende år blive endnu mere udbredt, udfordringen er dog ofte at det er komplekst at komme i gang. Desupervised har udviklet et værktøj, der gør bagvedliggende komplicerede algoritmer let tilgængelig og anvendelig. Så i samspil med menneskelige indsigter vil Desupervised være et yderst brugbart værktøj for virksomheder i mange brancher til at identificere sammenhænge i store datasæt og for at kunne skabe værdi.

Mette Theilgaard, experience design director, Flip Studio:

Kommentar
Som experience designer med fokus på design og optimering i produkter og services, leder vi efter detaljer i brugernes interaktioner og/eller særlige mønstre. Almindelig machine learning er allerede et kendt redskab. Nuværende udfordring er bare, at vi ret præcist skal vide, hvilke data vi kigger efter for at identificere ’guldkornene’. I den kontekst er vi godt hjulpet, hvis Desuperviseds AI kan undre sig og hejse nogle flag, når brugerne interagerer udenfor normalen. 

Pernille Fruensgaard, head of industry, Denmark, Facebook

 

Kommentar
Desupervised har en cool ambition om at få menneskelig bias i AI sat på dagsordenen, og der er stort potentiale i at skabe rådgivningsydelser rundt om, hvordan det kan anvendes i en branche, hvor bias er alle steder. Bekymring kan være om de risikerer at drive kategori i stedet for egen bundlinje?

Michael Gamst, underdirektør, People & Identity, Brands and Marketing Development, Nykredit:


Kommentar
 Det er jo altid det store spørgsmål – skal AI konsolideres og opkøbes af en af de store platforme – før det for alvor bliver en gamechanger? En ny feature i Salesforce Einstein eller Adobe … det ved jeg ikke men der er klar potentiale her .. mega spændende case.

Tim Frank Andersen, chief digital officer hos Charlie Tango

Kommentar
Grundtanken bag Desupervised er fornuftig nok, men dækker over en generel tilgang til AI, som ikke er unik.  Der er helt sikkert et behov for at demokratisere tilgangen til AI, og det kan man fint tjene penge på. Men chancen for succes afhænger i høj grad af hvor godt Google, Microsoft og andre AI Cloud aktører leverer globale løsninger der kan det samme.

Kommentarer