Kunstig intelligens skal identificere skimmelsvamp
Med Build 4.0 og brug af kunstig intelligens kan identificering af skimmelsvamp på sigt gøres hurtigere og billigere
Hurtigere og mere sikker identifikation af skimmelsvampe er målet for Teknologisk Instituts specialister, som lige nu arbejder på at få kunstig Intelligens/Deep Learning til at genkende skimmelsvampe.
Ulf Thrane arbejder til daglig på Teknologisk Institut, hvor arbejdet med skimmelsvampe har været aktuelt i mere end 25 år. Instituttet udfører årligt over 3000 test og identifikationer af svampe for private og virksomheder. Et vigtigt arbejde, for skimmelsvamp kan give dårligt indeklima og plager årligt mange danskere i hjemmet, på skoler og arbejdspladsen.
- I dag bliver identifikation af skimmelsvampe udført med mikroskopering på indleverede materialer og aftryk fra bygninger. Ofte er det nødvendigt at dyrke skimmelsvampene fra sporer, før de kan identificeres. Det kræver flere års erfaring at kunne identificere de enkelte skimmelsvampearter korrekt. Da identifikationen udføres ud fra visuelle karakteristika, der er unikke for de enkelte svampearter, forventer vi, at Deep Learning kan bruges til identifikation af skimmelsvampe. Fordelen vil være hurtigere og billigere identifikation for kunderne, forklarer Ulf Thrane.
Omfavn den nye hverdag
På Teknologisk Institut er Build 4.0 og implementering af nye teknologier hverdagskost, og der er allerede flere erfaringer med brug af forskellige former for kunstig Intelligens til bl.a. genkendelse af revner i beton-elementer på bygninger og som kontrol i slagteriernes produktionsled.
At anvende kunstig intelligens og Deep Learning til at identificere skimmelsvampe er en del af en større indsats i resultatkontrakten Build 4.0 støttet af Uddannelses- og Forskningsministeriet.
- Teknologien er på vej ind i bygge- og anlægsbranchen. Og vi kan med fordel omfavne den nye hverdag og bruge teknologierne, hvor de skaber værdi. Vi har allerede gennemført de første indledende forsøg med at teste Deep Learning software på skimmelsvampe og resultaterne er lovende, siger Ulf Thrane.
Langt fra at erstatte mennesker
Han understreger, at selvom vi tager teknologierne til os, er vi langt fra, at computere og teknologier vil erstatte mennesker - hverken i dag eller på sigt.
- Erfarne medarbejdere vil fortsat være essentielle til kontinuerligt at træne og kontrollere den kunstige intelligens og resultaterne. Måske vil konsulenterne med tiden kunne have et mobilt mikroskop med på inspektion/besigtigelser og kunne give et svar umiddelbart, så udbedring af skaderne kan starte med det samme, hvilket vil være en fordel, så en byggeproces påvirkes minimalt. En både billigere og hurtigere løsning vil skabe stor værdi i en travl byggebranche, siger Ulf Thrane og tilføjer, at Teknologisk Institut sideløbende med udvikling af kunstig intelligens/Deep Learning til visuel genkendelse og identifikation af skimmelsvampe også arbejder med DNA-teknologier til detektion og identifikation af skimmelsvampe.
-kj
Fakta:
Mens Kunstig Intelligens (AI: Artificial Intelligence) er det overordnede begreb for at få maskiner og software til at ’tænke’ selv/analysere og respondere ud fra inputtet fra sensorer, bygger Machine Learning oftest på en stor mængde historisk data, som en algoritme benytter til at analysere de nye data input den får med. Derigennem giver algoritmen et respons på den nye data fra sensorer på baggrund af den historiske data.
Deep Learning går skridtet videre fra Machine Learning ved, at her bliver alle nye input gemt i algoritmens bagkatalog. Med et konstant voksende lager af tidligere data og erfaringer kan algoritmen hele tiden træne sig selv og blive mere og mere præcis i analyserne og dermed nedsætte fejlraten på den respons, den giver. Lidt som vi mennesker bliver bedre og bedre til at håndtere en situation, jo oftere vi har mødt den.
