Experten: Branschen behöver djupinlärning

Ny Teknik möter Carl Berge på kontoret på Chalmers Lindholmen i Göteborg. Som vd för konsultfirman Berge sysselsätter han ett par hundra personer, varav ett femtiotal underkonsulter. Företaget är i huvudsak inriktat mot design men har också ett 25-tal programmerare, åtta sysslar med djupinlärning.

Volvo Cars är en av kunderna och Carl Berge har under flera år predikat djupinlärningens evangelium. Ibland tycker han att det är frustrerande att man inte satsar mer på området.

Mjukvaruföretag som Nvidia, Uber och Google arbetar i högre utsträckning än de traditionella bil- tillverkarna med så kallad djupinlärning i jakten på helt autonoma fordon.

Djupinlärning är en form av maskinlärning som de senaste åren har blivit användbar tack vare ökad datorkapacitet. Med hjälp av ett neuralt nätverk kan information från exempelvis en bild tagen av en kamera monterad på en bil analyseras i många lager och översättas till signaler som berättar om bilen ska svänga eller gasa. Den teknik fordonstillverkarna i huvudsak använder sig av är enklare och bygger på att en funktion riktar in sig på att hitta människor, en annan väglinjer och så vidare, enligt Carl Berge.

Grafikkortstillverkaren Nvidia har intagit en ledande roll. På teknikmässan CES i Las Vegas i början av året demonstrerade Nvidia konceptbilen BB8 som helt på egen hand navigerade sig fram i en miljö fylld med olika former av hinder.

Systemet är självlärande och Carl Berge är övertygad om att det är mer effektivt än traditionellt programmerade system. För att skynda på upplärningen går det dessutom att flytta in träningen i en spelmotor.

Men det är också här de traditionella biltillverkarna får problem. Metoden möter inte industrins hårda krav på att tekniken måste kunna testas och verifieras.

Om inte biltillverkarna tar till sig den nya tekniken riskerar de att gå samma öde till mötes som den amerikanska hyrvideokedjan Blockbuster, varnar Carl Berge. Blockbuster insåg för sent vilken konkurrens Netflix utgjorde och försattes i konkurs 2010.

– Bilbranschens match är inte hård- utan programvarubaserad. Att stansa plåt är ingen unik kompetens, den går att köpa, säger han.

Läs mer:

Vad säger Volvo när ni pratar med dem?

– De tycker kanske att vi är lite barnsligt entusiastiska, säger han.

För Volvo är säkerheten mycket viktig. Förstår du varför de inte vågar gasa fullt utan har hårdare krav på verifiering av tekniken?

– Ur min synvinkel är slutresultatet viktigare och inte delmängden. Min övertygelse är att djupinlärning på sikt kommer att vara mer effektivt, säger han.

Martin Törngren, professor i inbyggda styrsystem vid KTH, håller med Carl Berge om att fordonsindustrin behöver ta till sig djupinlärning.

– Det innebär stora utmaningar, vilket lämnar utrymme för spelare som Uber och Google. Men det finns också en risk att dessa bolag inte har samma tradition av säkerhet. De har normalt inte gjort robotar som rör sig och kan döda människor, säger han.

Martin Törngren ser två möjliga lösningar. Den ena handlar om hur man gör de neurala nätverken tillräcklig robusta.

– Du kan träna ett system på att identifiera vita svanar. Men en dag kommer det plötsligt en svart svan och då har du inte en aning om hur systemet beter sig.

I det andra fallet handlar lös‑ ningen om systemets arkitektur. Ett robotsystem har generellt sett alltid ett nominellt system för drift och ett separat övervakningssystem som byggs traditionellt.

– Men det är ännu inte själv- klart hur ett sådant övervakningssystem ska byggas för vanliga fordon. Övervakningssystemet måste vara tillräckligt balanserat så det tar över och stoppar eller begränsar det nominella systemet i relevanta fall men inte i för många felaktiga fall. Annars blir det väldigt många bilar stående, säger han.

Volvo har inte velat kommentera hur de jobbar med djupinlärning.

Prenumerera på Ny Tekniks kostnadsfria nyhetsbrev!