Yann LeCun är en av två AI-chefer på Facebook, med ansvar för forskning. Förutom jobbet på Facebook är han verksam som professor på New York University en dag i veckan. Computer Sweden träffar honom på den stora AI-konferens som pågår i Stockholm just nu, där han hållit ett av huvudtalen.

Är AI-forskningen på Facebook av samma typ som AI-forskningen som bedrivs på universitet?

– Ja, det är samma typ av forskning. Men en del uppdrag kräver mer resurser än universitet har, därför behöver den bedrivas på företag, säger Yann LeCun.

Han berättar vidare att AI-användningen på Facebook till största delen handlar om maskininlärning. Det är ett område som ofta beskrivs som en disciplin inom AI, men i själva verket är det en grundläggande teknik som kommer till användning inom i stort sett alla AI-discipliner. Men så har det inte alltid varit.

– I dag använder man maskininlärning eller djupinlärning överallt, men historiskt sett har det inte alltid varit så, säger Yann LeCun.

Som ett exempel nämner han att det är först på senare tid som maskininlärning börjat användas för att tolka naturligt språk. Vad gäller röstigenkänning har maskininlärning däremot använts länge.

Man kan tycka att det borde finnas mycket korsbefruktning mellan två områden som naturligt språk och röstigenkänning. Eller?

– Nej, man har inte samarbetat så mycket.

Läs också: Därför misslyckas maskininlärning

Vad gäller maskininlärning så finns det flera olika typer. Den i särklass vanligaste i dag är övervakad (supervised) maskininlärning. Den typen kan enklast beskrivas som att man tränar modeller genom att berätta för dem om de har rätt eller fel i sina slutsatser. Allt eftersom träningen fortsätter med stora datamängder blir precisionen allt bättre.

Men på sikt ser Yann LeCun mer, eller i alla fall annorlunda, potential för andra typer av maskininlärning. Speciellt i en typ som kallas oövervakad (unsupervised), eller självövervakad (self supervised), maskininlärning. Vad är det?

Enkelt uttryckt handlar det om förutsägelser där det inte är glasklart om det blir rätt eller fel. Ett typexempel som skulle kunna vara aktuellt för Facebook är att en sådan modell kan förutsäga vad som kommer att hända i ett videoklipp. En sådan lösning skulle kunna varna en användare för att det kommer att bli obehagligt längre fram i ett videoklipp.

När Yann LeCun ska beskriva vad det handlar om återkommer två förklaringar: dels att hitta sätt att beskriva ”bakgrundsinformation” i modeller, dels att efterlikna människans sunda förnuft.

Vad är bakgrundsinformation i sådana här sammanhang? Det kan till exempel vara att ha förståelse för fysiska realiteter, som att ett objekt ramlar nedåt.

– I dag finns det ingen robot som kan fylla i en diskmaskin på ett bra sätt. En katt har mer sunt förnuft än dagens robotar.

Läs också: Här är advokaterna som utvecklat AI-verktyg för GDPR – ”en testballong”

Hushållsrobotar är ett exempel på tillämpning för självövervakad inlärning, självkörande bilar ett annat.

Hur länge dröjer det innan AI-lösningar får sunt förnuft?

– Jag kan inte svara på det. Det kan dröja fem, tio eller 20 år. Det behövs en del genombrott för att lyckas, men utifrån kommer det att se ut som om man jobbar på i stadig takt, säger Yann LeCun.

Konferensen i Älvsjö utanför Stockholm som pågår i tio dagar har lockat närmare 8 000 deltagare från hela världen, mest forskare. Egentligen är det fem olika AI-konferenser som pågår samtidigt, varav den största heter IJCAI (International Joint Conference on Artificial Intelligence).


ANNONS: Storsatsande eventet IBM Analytics University kommer till Stockholm 17-20 september 2018