Till innehåll på sidan

Ny programvara demokratiserar AI-utveckling

Martin Isaksson och Robert Lundberg jobbar oftast hemma hos Robert på Lidingö där de antingen sitter i ett stort datorrum eller i laboratoriet i garaget. Här sitter de i datorrummet och ritar UML schema (koddesign för QuantumNet). Foto: Fredrik Persson
Publicerad 2018-06-11

En ny programvara gör det enklare att skapa lösningar inom AI, artificiell intelligens. Programmet, QuantumNet, har tagits fram av KTH-studenter som vill få fler att kunna skapa AI-lösningar. Dessutom gör programmet det mer effektivt för AI-experter att utveckla AI-modeller.

Om man ska skapa AI-modeller krävs idag kunskaper i programmering, djupa matematikkunskaper och expertkunskap inom AI. Programmmet QuantumNet sänker tröskeln för dem som vill skapa AI-lösningar. Det tar bort kodning och programmering samt kravet på djupare kunskap i matematik och AI. Många moment, som visualisering och dimensionsanpassning, automatiseras.

Robert Lundberg. Foto: Fredrik Persson

– För att använda QuantumNet räcker det med att man har fått en introduktion till AI. Sedan kan man gå direkt till att skapa AI-modeller, säger Martin Isaksson, som tog civilingenjörsexamen från KTH förra året och som har tagit fram programvaran tillsammans med sistaårsstudenten Robert Lundberg.

Kodning och programmering ersätts med en drag- och släppfunktion. AI har flera olika metoder och modeller som består av ganska standardiserade ”byggblock”, konstaterar Robert Lundberg.

– Vi representerar de här modellerna som faktiska block i vårt program. Sedan låter vi användaren dra ut dem på en arbetsyta och koppla ihop dem som de vill. Allt strul med hopkoppling och skapande av den faktiska koden fixar vårt program. Det gör att man enkelt kan skapa de AI-modeller man vill ha, säger han.

När programmet väl körs och modellen tränas visualiseras all relevant information i realtid.

– Du kan se hur bra den har blivit, få stickprov på hur ditt resultat ser ut för en specifik input på den nuvarande, icke färdigtränade, modellen, säger Robert Lundberg.

För att testa och visa hur effektivt programmet är valde Martin Isaksson att göra sitt exjobb både med och utan QuantumNet. I exjobbet studerade han ett djupt neuralt nätverk som segmenterade muskulära stamceller ur mikroskopbilder. Nätverket hade en speciell arkitektur och utan QuantumNet fick han experimentera sig fram, vilket resulterade i en omfattande kod, som tog ett par månader att göra. Med QuantumNet tog det cirka fem minuter att sätta ihop samma djupa neurala nätverk och trycka på play.

Martin Isaksson. Foto: Fredrik Persson

– Den här typen av effektivisering och förenkling är ett krav för att kunna demokratisera AI och få ut det till allmänheten. Idag är det bara ett fåtal som kan bygga och använda AI-modeller, säger Martin Isaksson.

Att underlätta AI-utveckling för icke-experter är dock inte det som Martin Isaksson och Robert Lundberg har fokuserat på – det har kommit på köpet. De har valt att jobba mot AI-experter – som vill arbeta mer effektivt. Inom ett område, Deep Reinforcement Learning, är det extra komplicerat att skapa sådana AI-modeller.

– Med vårt program har vi gjort det lätt att använda just den typen av AI. Det har väckt intresse hos bolag inom spelindustrin och hos industrin för självkörande fordon. Ett investerarbolag från Kalifornien som fokuserar på fordonsindustrin har kontaktat oss, säger Martin Isaksson.

QuantumNet finns för närvarande i en betaversion, men målet är att det ska finnas en skarp version under eller efter sommaren.

– Vårt nästa steg är att skala upp företaget och få ut produkten på marknaden. Vi har kontakt med flera olika företag som är intresserade. Några av dem tillhör världens största företag och de har bett om eller har fått en trial version av QuantumNet, säger Robert Lundberg.

Robert och Martin har också blivit antagna till NVIDIA Inception Program . Ett program där startups inom AI får lära sig av experter inom deep learning och visa upp teknologier på framväxt.

Håkan Soold