I New York leder Corinna Cortes en forskningsgrupp som enligt henne är som ”en mindre institution för datavetenskap” och som fokuserar på ett brett spektrum inom maskininlärning. Maskininlärning är en gren inom artificiell intelligens som går ut på att lära maskiner utföra uppgifter själva utan att människor styr dem. Maskininlärning används i allt från teknik för ansikts- och taligenkänning till börsanalyser.
Inga gränser för hur man kan tillämpa maskininlärning
– Det finns ingen gräns för vad vi kan göra med maskininlärning, säger Cortes. Om vi till exempel utvecklade taligenkänningstekniken så att den blev ännu bättre än den vi har idag skulle vi om fem år kunna föra det här samtalet på våra respektiva modersmål medan en liten manick översätte vår diskussion samtidigt.
Den som har använt automatiska översättningsprogram vet att dagens tillämpningar inom maskininlärning är långt ifrån felfria, men ju mer vi använder dem desto bättre blir de. Trots det finns det fortfarande vissa problem som forskarna måste lösa.
– Mycket återstår ännu att göra. I taligenkänning är gatubuller och andra människoröster ett problem. När man talar är man sällan i en helt tyst miljö, och det är svårt för datorn att särskilja det som är relevant från andra ljud.
Datorer fortfarande sämre på igenkänning
Men taligenkänning och maskinöversättning är rätt enkla uppgifter jämfört med visuell igenkänning enligt Cortes. Hur kan en maskin särskilja mellan en björk och ett hasselnötsträd, till exempel?
– Våra ordförråd är begränsade, vilket innebär att det finns ett begränsat antal klasser som ska definieras. Men när det gäller visuella intryck finns det miljarder av klasser som måste förklaras för datorn för att den ska kunna känna igen ett föremål.
Cortes betonar vikten av grundforskning och av att man under studierna skaffar sig grundläggande kunskaper i till exempel algoritmer, datastruktur, statistik, matematik och programmering för att kunna klara sig i den hårda konkurrensen på arbetsmarknaden.
– Man kan inte ha för mycket grundläggande kunskaper på de här områdena. Vi kan lära ut alla möjliga snärtiga tillämpningar som man kan utveckla sina färdigheter i, men om man har en god grund är arbetsmarknaden mycket bredare än om man är alltför specialiserad. Enligt min uppfattning anställs 90 procent av alla nya medarbetare vid Google tack vare sina grundläggande färdigheter.
Helsinki Distinguished Lecture Series on Future Information Technology är ett samprojekt mellan Helsingfors universitet och Aalto-universitetet. Seminarieserien presenterar internationella experters syn på aktuella och framtida utmaningar och lösningar inom informationsteknologi.