Machine learning skaber “den grundlæggende sandhed”

Machine learning og Al kan forandre, hvordan du arbejder og innoverer.

Digital Tranformation: Danny Lange er måske et ikke et navn, der ringer en klokke hos de fleste ledere, inno­vatører og iværksættere. Men det burde det. Hvorfor? Fordi danske Danny Lange er hjernen bag machinele­arning og Al indsatsen hos både Amazon, Uber og nu Unity Technologies. Stifter af ListenLouder Jonathan Løw har interviewet Danny Lange, VP, Al & Machine Learning hos Unity Technologies, til sin amerikanske udgave af “Gurubogen”, der netop er lanceret. Økono­misk Ugebrev bringer her med tilladelse et redigeret uddrag oversat til dansk.

Hvad er ideen bag og hvad er mulighederne for fremtiden i relation til hypen omkring machine learning?

“Forestil dig, at du skal bygge en applikation, der kan forudsige forsendelsestiden for en virksomhed . I gamle dage ville du se det på denne måde: Der er en placering, hvor du skal opsamle pakken og en destinationsadresse. Du er derfor nødt til at opbygge et kompliceret sæt regler, et regelsystem, som inkluderer informationer om hastig­heden på lastbilerne, flyene, forsinkelser osv. I machine le­arning tænker eller arbejder du ikke på den måde. I stedet vil du basere dit system på millioner af afleverede pakker, som allerede er færdiggjort – dette er din vigtigste ting: Dine data. Fra disse data vil du have ugedage, størrelse på pakken, hvor hurtigt den blev leveret osv. I machine le­arning kalder vi dette for “den grundlæggende sandhed.”

Vi har snakket om Al i lang tid. Men det har ikke rigtigt forandret virksomheder og forretningsmodel/er endnu. Hvornår tror du, vi ser dette kommer til at ske?

“Der er et kæmpe skift undervejs. Selvfølgelig kan alle ikke være Amazon. Men vi kan allesammen lære af dem. I tilfældet med Amazon er deres mindset, at de er nødt til at være i stand til at slå enhver anden butik. Det gør de ved at kende dig og deres andre kunder bedre. Levere dine ting hurtigere. Give dig mere fair priser , og tilbyde dig mere end en milliard forskellige produkter. Og alt dette er kun muligt gennem integration af machine learning og Al i ethvert aspekt af forretningen og forretningsmodellen. Uber er på samme måde. De kan blive drevet fra San Fran­sisco, men praktisk talt slå enhver konkurrerende taxivirk­somhed i alle lande.”

Så du skal være Uber eller Amazon for at få succes?

“Heldigvis ikke. Men du skal starte med at opsamle data og arbejde med machine learning. I et kunstigt område, som hos Unity, hvor jeg arbejder med spiluniverset, kan du bygge og simulere en familie, der bor i et hus. Du kan bygge virtuelle karakterer til at bo i huset. Du kan accele­rere hastigheden og have tusindvis af familier, som bor i huset virtuelt i et år, men kan beregne resultatet på uger.”

Virtuelle mennesker tester altså produkter og services, før de overhovedet er blevet lanceret?

“Ja og i et omfang, som aldrig vil være muligt i den rigti­ge verden, og endda uden risiko for at bygge det forkerte produkt.”

Det lyder næsten lidt som skør magi?

“Det er det ikke. Det er bare machine learning i aktion . Det kommer til os nu pga. udviklingen indenfor computer­ kraft. Hvis du kigger på væksten i computerkraft, eksplode-­ rer den i øjeblikket. I gamle dage ville smarte mennesker prøve at skabe sådanne modeller i deres hoveder og im­plementere dem i meget effektive programmeringssprog.”

Du taler også om konceptet ‘forstærket læring’: hvor data også er essentiel. Hvad betyder det?

“Forstærket læring er faktisk det, jeg bruger det meste af min tid på. I den traditionelle machine learning arbejder du med konceptet for den grundlæggende sandhed. I for­- stærket læring lader du systemet lære sandheden selv. Du giver systemet nogle fundamentale principper. Vi kalder dem belønninger. Så giver vi systemet noget etik, ved at fortælle hvad der er godt og dårligt. Fx at blive kørt over af en bil er dårligt, og nå destinationen til tiden er godt. Det er alt. Meget fundamentalt og et sæt nemme regler. Systemet vil nu eksperimentere sig frem mod perfektion. Nøglen er, at der ikke er en algoritme som fortæller færd­selsreglerne. Systemet vil automatisk sigte mod ikke at slå folk ihjel og nå destinationen til tiden.”

For at gå tilbage til Amazon og Uber, så har disse virksom­heder måske alt data , men det har normale butikker ikke? Hvad er dit råd til ledere og virksomheder omkring dette?

“Det handler i højere grad om kultur end projekter . Stop med at skabe projekter og testprojekter. Tænk i ste­det over, hvordan machine learning og Al fundamentalt kan forandre, hvordan du arbejder og innoverer. Kig også på andre industrier, og hvad du kan lære fra dem”