Teknikk fra uka som gikk

AI best på hjerteprognoser

Kunstig intelligens – særlig i betydningen maskinlæring – er spesielt god til å absorbere enorme mengder med informasjon, for deretter bearbeide den slik at den kan brukes i andre sammenhenger på samme område. For eksempel skryter IBM av at deres AI-system Watson klarer å lese, og så lære, hundrevis av millioner av sider med naturlig språk per sekund.

Innen medisinens verden er det enorme mengder med skrevne ord, alt fra lærebøker og rapporter, via vitenskapelige studier, til den enkelte pasients journal. Dette er helt opplagt mat for AI.

Det er for eksempel vanskelig å gi presise prognoser for pasienters helse, og hjerteproblemer er ett område der det er spesielt vanskelig å spå noe om framtiden til pasienten. Mange leger bruker ferdige retningslinjer basert på flere faktorer som alder, blodtrykk, kolesterolnivå og andre indikatorer. Et eksempel på slike retninglinjer er American College of Cardiology/American Heart Association (ACC/AHA), som baserer seg på åtte risikofaktorer for hjerteproblemer.

Nå har britiske forskere vist at AI kan lære seg selv om hjertesykdommer, og komme med pasientprognoser som er bedre enn det leger som bruker ACC/AHA-retningslinjene klarer, skriver magasinet Science.

Datamaskinene fikk nær 380.000 pasientjournaler å jobbe med, der omlag 78 prosent av dem ble brukt til å lære opp datamaskinene ved å finne mønstre og lage sine egne retningslinjer. Deretter ble kunnskapen brukt på de resterende dataene. AI-ene gav prognoser om hvilke pasienter som ville oppleve sin første kardiovaskulære hendelse de neste ti årene, basert på data fra 2005. Så ble prognosene sammenlignet med de ekte journalene fra 2015.

Forskerne brukte fire forskjellige maskinlæringsteknikker i studien: random forest, logistisk regression, gradient boosting og neural networks. Alle fire metodene gav signifikant bedre prognoser enn ACC/AHA. Nevrale nettverk var best, og gav 7,6 prosent flere korrekte handelser enn ACC/AHA, og gav samtidig 1,6 prosent færre falske alarmer. Dette betyr at 355 flere pasienter kunne ha bli reddet om metoden hadde blitt brukt i praksis. Kanskje det ikke er en så dårlig nyhet at AI kommer til å ta en del jobber fra folk?

Bedre kamera for selvkjørende biler

At gode kameraer er en forutsetning for selvkjørende biler er opplagt. Det er mange ting i trafikkbildet som ikke kan oppfattes av annet enn kamerasensorer, slik som linjene som skiller kjørebanene på flerfelts veier, trafikklys, skilter og informasjonstavler. Problemet er bare at tradisjonelle kamerasensorer ser på langt nær så godt som det menneskelige øye. Dette vises særlig godt når det er store kontraster i bildet. Dette finner vi ofte i trafikken, for eksempel når vi kjører ut av en tunnel og ut i fullt solskinn, eller om natten, når trafikklys er en så sterk lyskilde at det er vanskelig å skjelne en fotgjenger i mørke klær.

Dette problemet har Sony tatt tak i, og har kommet med en egen kamerasensor for selvkjørende biler, melder nettsiden Extremetech. Fram til nå har de som jobber med selvkjørende biler vært nødt til å enten bruke de små sensorene som brukes i mobiler, eller større kamera som er bygd for helt andre anvendelser.

Løsningen på problemet med høy kontrast er uansett HDR – High Dynamic Range. Sonys nye bildesensor Sony IMX390CQV skal etter sigende ha et dynamisk område på 120 dB og en lyssensitivitet ned til smått fantastiske 0,1 Lux. Dette vil eliminere behovet for å ha multiple kameraer for å ta opp flere bilder med forskjellig innstillinger, for deretter sette dem sammen i et HDR-bilde. Oppløsningen på den nye brikken er foreløpig ikke like imponerende – den er på relativt beskjedne 2,45 megapiksler. Dette tilsvarer litt mer enn vanlig HD 1080P tv. Brikken skal komme i produksjon i løpet av 2018.

Biologisk bygging med droner og roboter

I dag er det mulig å bygge nær sagt hvilken som helst fasong. Betong er flytende, så om du bare lager en tilstrekkelig forseggjort forskaling, så kan du lage bygninger med myke buer, runde hvelv og frie overheng. Problemet er altså bare å lage forskalinger som holder greiene på plass mens konstruksjonen herder.

I naturen finnes vi mange byggere som løser det samme problemet på en helt annen måte. Edderkopper, larver, møll og andre som spinner, bruker ikke forskaling for byggverkene sine. I stedet bruker de én eller svært få lange sterke tråder, som spennes opp i et geometrisk mønster, som er sterkt nok og lett nok til å tillate lange spenn og avanserte fasonger – helt uten bruk av forskaling i prosessen.

Nå har tyske forskere testet muligheten til å gjøre det samme på konstruksjoner for menneskelig bruk, melder Byggeindustriens nettside bygg.no. Arkitekter, ingeniører og biologer ved universitetet i Stuttgart har gått sammen for å finne en måte å bygge på «insektmanér», med lange tråder av karbon- og glassfiber som spennes opp ved hjelp av droner og industriroboter. Resultatet ble en tolv meter lang paviljong med et fritthengende tak i så å si hele paviljongens lengde. Taket dekker et areal på 40 kvadratmeter, og hele konstruksjonen veier bare ett tonn. Til sammen gikk det med 184 kilometer med fiber i bygget. Sjekk den kule videoen som viser konstruksjonen av paviljongen.

På hjemmesiden til Institute for Computional Design and Constrution ved Stuttgart-universitetet påpeker forskerne bak løsningen at siden selve byggingen foregikk et annet sted enn der paviljongen skulle stå, var reglene for transport av store ting på veiene den begrensende faktoren for denne paviljongen. De har funnet utstyr som er egnet til bygging på stedet, noe som vil tillate mye lengre spenn og større fiberkonstruksjoner.

Det kan sikkert komme godt med når morgendagens arkitekter på altfor høye budsjetter går over bord og benytter anledningen til å tegne et monument over egen fortreffelighet.