Presentation från seminariet "Våga ta klivet ut ur AI-garderoben" i Stockholm den 24 april

1. Aras Kazemi Marcus Weiland
VÅGA TA KLIVET UT UR AI-GARDEROBEN!
Frontit, Villa Ludvigsberg, Stockholm den 24 april 2019

2. Vad är AI?

4. Steg för steg – teckna försäkring
Adress, larm
m.m.
Data hämtas
Personlig
försäkring
Anpassa
Betala
Gammal
försäkring
avslutas
Välj välgörenhet
KLAR!

5. Vad var AI?
Adress, larm
m.m.
Data hämtas
Personlig
försäkring
Anpassa
Betala
Gammal
försäkring
avslutas
Välj välgörenhet
KLAR!

6. Steg för steg – få ersättning
Personskada
eller sak,
telefonnummer
Beskriv ärende –
en mening
Prata in i
kameran
Klassificera
ärende
Skriv in detaljer
Kontrollera
uppgifter
Få pengar direkt!
KLAR!

7. Vad var AI?
Personskada
eller sak,
telefonnummer
Beskriv ärende –
en mening
Prata in i
kameran
Klassificera
ärende
Skriv in detaljer
Kontrollera
uppgifter
Få pengar direkt!
KLAR!

8. Ser vi något mönster?
Samla in data
AI gör en
bedömning
Styr flödet

9. Vad gör AI i detta exempel?
Naturlig
kommunikation
Personligt
erbjudande
Snabb service
Dygnet runt
Kontroll
(bedrägeri)

10. Definiera AI
Artificiell: icke-biologisk
Intelligens: förmåga att uppnå komplexa mål
Maskininlärning:
”Ett system som löser en uppgift bättre med erfarenhet”
Supervised
learning
Unsupervised
learning
Reinforcement
learning

11. AI, machine learning, deep learning
Artificiell intelligens
Maskininlärning
Artificiella
neuronnät
Djup-
inlärning

12. Skillnad mellan AI och ett vanligt program
▪ Programkoden talar inte om vad AI:n ska göra
▪ AI lär sig från data
Data AI

13. Vad kan man göra med AI?
▪ Bildigenkänning (image recognition, computer vision)
▪ NLP – Natural Language Processing (text och ljud)
▪ Klustring
▪ Robotar
▪ Rekommendationssystem

14. Bildigenkänning (image recognition)

15. Exempel: Signality
▪ Svensk företag
▪ 2016, Linköping
▪ Sportstatistik
▪ Kundsegment:
– Föräldrar
– Tränare
– TV

16. NLP – Natural Language Processing
▪ Textanalys
▪ Märka upp namn i text
▪ Känna igen datumuttryck
▪ Känna igen stämninglägen
▪ Hitta information
▪ Sammanfatta dokument
▪ Kategorisera dokument
▪ Kommuniciera naturligt
▪ Chattbottar

17. Klustring
Vill titta runt själva
Vill ha hjälp och
rekommendationer
Redo att köpa

18. Robotik
▪ Furhat Robotics
▪ ABB och Watson (IBM)

19. System som fattar beslut
FIM Artificiell Intelligens
Databas med 50 000
globala aktier
Marknadsvärde >
€ 1 Mrd
AI förutspår högst
potential för avkastning
Annan AI
balanserar risk
Ombalansering
varje halvår
4000
bolag
100
bolag
50 bolag
med
1-5% vikt

20. Rekommendationssystem
▪ Användarrekommendationer
▪ Nya användare
▪ Befintliga användare

21. Kravställa AI

22. Vad behöver en beställare veta?
▪ Insikt om vad som går/inte går att göra med AI
▪ Hur utvecklingsprocessen ser ut
▪ Vilket data som behövs
▪ Hur ska teamet vara sammansatt

23. Insikt om vad som är möjligt
▪ Maskinen lär sig att imitera – inte samma
som att lära sig förstå…
▪ Det handlar om matematik (linjär algebra
och statistik)
▪ Algoritmerna är open source, hemligheten
finns i data, så tillgång till data är avgörande!
▪ Inlärning av maskin för att förstärka
människans intelligens och/eller
beslutsförmåga
Väldefinierat
Odefinierat Trivialt
Omöjligt Massor av data
Inga data

24. Vad finns på bilden?
a group of people sitting on a boat

25. Maskinen klarar av att beskriva bilden utifrån den träningsdata
som den haft tillgång till
a horse is pulling a carriage
with a person on it
a group of people standing on a streetan airplane is parked on the
tarmac at an airport

26. Hur går det till att utveckla AI?
Rådata
Träningsdata Modell / AI
Verksamhetsnytta

27. Digitalisering är en förutsättning!

28. Vilka data behövs?
▪ Kan en mänsklig expert lösa problemet med samma data?
▪ Finns massor av exempel?
▪ Är de konsekventa?
▪ Är de representativa?

29. Hur jagar man en mammut?

30. “The deluge of spurious correlations in big data”
Data sources: U.S. Office of Management and Budget and Centers for Disease Control & Prevention

31. AI är urhäftig och det är lätt att dras med…
▪ Skaffa data-sjöar…
▪ Börja bygga plattformar…
▪ Jobba med en ny affärsidé…

32. AI är urhäftig och det är lätt att dras med…
▪ Skaffa data-sjöar…
▪ Börja bygga plattformar…
▪ Jobba med en ny affärsidé…
▪ Fastna i PoC och försöksverksamhet…
Glöm inte bort kunden!
Leta efter ett lämpligt problem, som behöver
lösas för din verksamhet, snarare än att leta
efter nästa nya idé
Att bearbeta data tar kraft och tid.
Starta enkelt och avgränsat.
Du kommer inte lyckas med en gång!
”Butik + Webbplats ≠ E-handel”
”Traditionell verksamhet + AI ≠ AI-företag”

33. Hur ska teamet vara sammansatt?
Kund och
affärsutveckling
Tekniska experter
(Data scientist & utvecklare)
Expert på data

34. Välj projektledare som kan
teknik, data och människor!

35. Testa AI

36. Tre datamängder
Träningsdata
Testdata
Valideringsdata

37. SCALEPREPARE
UNDERSTANDIDEATE
PROTOTYPEVALIDATE
POINT
OF VIEW

38. Hur mäter vi felet?

39. Hur mäter vi felet?

40. Hur mäter vi felet?

41. Hur mäter vi felet?

42. Förvalta AI

43. Data har bäst-före-datum!

44. Vem på bilden njuter mest av stunden?

45. Undvika att AI:n blir dummare och dummare?
1. Mät kontinuerligt prestation
2. Jämför träningsdata med produktionsdata
3. Larma för förändringar i produktionsdata
4. Behåll nyckelpersoner i teamet

46. Mest data vinner!
Fler användare
Mer dataSmartare AI
Bättre produkt

47. Mest data vinner!
Fler användare
Mer dataSmartare AI
Bättre produkt Fler användare
Mer dataNy AI
Bättre produkt

48. Vem äger data i din organisation?

49. Våga ta klivet ut ur AI-garderoben!

50. Tack så mycket!
:-)
Aras Kazemi
aras.kazemi@frontit.se
070 762 38 66
linkedin.com/in/akazemi/
Marcus Weiland
marcus.weiland@gmail.com
070 762 38 66
linkedin.com/in/marcus-weiland/

51. Inspirationsdag
Workshop för att hitta vilken potential som kan
finnas i er verksamhet. Finns i två varianter:
▪ För er som är nyfikna och intresserade av att
börja testa AI
▪ För er som har börjat testa tekniken och vill nu ta
fram lösningar i verksamheten
Executive Briefing
Introducerar AI som en del i affärsstrategin för
ledningsgrupp och företagsledare. Målet är att få
tydligare svar på frågor såsom:
▪ Hur lång tid kan det ta?
▪ Vad behöver jag göra?
▪ Vem gör den? Vilka kan göra?
▪ Vilka risker finns?
▪ Vad tjänar jag på det?
Kurs
Är du intresserad av att gå en kurs i hur man
kravställer och leder AI-utveckling? (2 dagar)
Skriv upp dina uppgifter på listan så får du mer info.
Ingen bindande anmälan