Lära för (arbets)livet – AI med New Minds

Share this post:

“Om du vill ge någon en bott, lär upp den först. Men om du vill ge någon en bott för livet, så lär denna någon hur man lär upp botten.”

En av de trender som vi tror kommer fortsätta är att saker omkring oss blir mer och mer intelligenta. Vi kommer allt oftare stöta på saker som vi kan konversera med, i text eller tal. Det är ännu ett skäl, bland många, till att det är bra som färsk på arbetsmarknaden att ha jobbat praktiskt med AI och chattbottar.

De senaste fyra åren har IBM blivit inbjudet att föreläsa för, och labba med, de som genomgår New Minds program för nyexaminerade ingenjörer på väg in i arbetslivet. Ämnena har rört sig kring AI, chattbottar, bildbehandling, Data Science och etik. En dag har typiskt innehållit en teori-del, följd av praktiska labbar.

En matchning av kompetens och företagskultur

New Minds startades för att matcha teknisk kompetens med utmaningar, personliga intressen med spännande behov och individuella personligheter med företagskulturer.

Med över 80 partnerföretag i sitt nätverk har de byggt en verksamhet, där de kan erbjuda intressanta yrkesmässiga vägar för ingenjörer inom IT och teknik. De som matchas med partnerföretagen är nyexaminerade ingenjörer inom datavetenskap, IT, fysik, elektronik och liknande utbildningar.

Det har varit extra roligt för oss som hör hemma på IBMs Göteborgskontor att jobba med deltagare kopplade till de stora tillverkande företagen – där vi har gemensamma intressen – och i regionen som är vår ”hemmaplan”.

Vad har vi gjort?

Kul med hårdvara

Några av de nyckelområden vi pratat och labbat om är Etisk AI, Data Responsibility, Watson och hållbarhet.

Deltagarna har fått erfarenhet av att använda IBM teknik som IBM Cloud och IBM Watson AI och machine learning tjänster, och öppen programvara som Node Red.

Labbarna ger deltagarna en rejäl möjlighet att öva på riktigt med produkter som är branschledande enligt analytikerna Gartner och Forrester. Om du som läser också vill prova, kommer instruktioner lite längre ner i detta inlägg.

Låt oss titta närmare på några konkreta exempel genom åren

2018 – Our robot overlords…

2018 var uppdraget bland annat att sätta samman och programmera en TJBot, som är baserad på RaspBerryPi med kringutrustning, ett TJBot-ramverk och Watson AI APIer.

Under de praktiska labbarna blev deltagarna påhittiga och började skapa sina egna övningar där de till exempel kombinerade flera olika AI-tjänster. Ett team bestämde sig för att låta TJBot:en ta foton av folk och sedan generera en historia baserad på deras klädsel och sedan läsa upp den på olika språk. Det genererade många skratt, men var också ett exempel på att använda Watson Assistant, Visual Recognition, Discovery, Translator och Speech utan att behöva skriva en massa kod. Vi använde prototypverktyget Node Red, som är en low code-miljö för händelsestyrd Internet of Things, och som gör det enkelt att skapa avancerade program genom hopkoppling av färdiga komponenter.

Kamera, servo och lysdiod kopplas in

2019 – Igenkännandets glädje

Bildigenkänning och bildtolkning ingick i 2019 års labbar, där vår kollega Roland gav en introduktion till varför bildigenkänning kan vara så svårt, och att det inte alltid är rätt att lägga tid på att försöka bygga algoritmerna själv. Deltagarna använde Watson Visual Recognition service i Watson Studio för att bygga och träna sina egna classifiers från uppsättningar av fotografier. Senare under året meddelade IBM att vi slutat utveckla ansiktsigenkänning och har uppmanat till exportkontroll av tekniken – framför allt dess 1-to-many varianter.

Våra kollegor Therése och Malin höll också en uppskattad session om Data Science, Bias och Etisk AI. Therése har skrivit flera inlägg i ämnet på denna blogg.

2021 – Tillsätt bara AI

Vi började som vanligt med en översikt av AI-området, och vikten av etisk och robust AI. Målet för labbarna var att deltagarna skulle få en känsla för hur man kan lägga till AI i sina applikationer. De tre labbarna var:

1. Skapa och använd en chattbott med avancerad sökning för att både kunna adressera de uppenbara dialogsituationerna, och leta svar i en kunskapsdatabas. (Kallas ibland short tail respektive long tail frågor)

2. Använd low code, rapid prototype-verktyget Node Red för att anropa AI-tjänster.

3. Använd sofistikerade data-verktyg för att uppnå hög produktivitet vid träning av AI (Watson AI med Watson Studio)

Några av deltagarnas reaktioner och återkoppling

Vi har haft nöjet att höra något av det bästa man kan höra som labbledare “Hmm, jag undrar om vi kan få den att göra så här”, följt en liten stund senare av gapflabb när den vilda idén testats och visat sig fungera. En annan kul kommentar för oss som uppskattar integritet var “Nu kan jag bygga min egen hem-automation, som Alexa, fast utan att någon spionerar på mig”

Ett av de verktyg som imponerat på de som varit lite mer erfarna är AutoAI som automatiserar data prepp, modell-utveckling, feature engineering och hyperparameter-optimering.

Visst vill du också prova?

Om du är intresserad av vad dagens ungdom får lära sig, eller om du också vill lära för arbetslivet, och vill prova själv, så hittar du labbarna här.

Nytta, nöje och lärande på en och samma gång

Först och främst tror vi att det gett ett värde för deltagarna att ha erfarenhet av en uppsättning verktyg och produkter inom Data Science och Machine Learning Platforms som av analytikerna klassas som marknadsledande (och samma gäller Cloud AI Developer Services). Eftersom IBM inte gör konsumentprodukter som alla gnids mot dagligen, (men väl teknik som sitter inuti konsumentprodukter och webbsajter) är det lätt att missa vårt utbud. Sedan är det ju ett nöje för oss att träffa och inspireras av de som är unga och påhittiga.

Dessutom är ju bästa sättet att verkligen lära sig något är att göra sig redo att lära någon annan!

Mikael Haglund, Account CTO på IBM i Sverige

Robert Quinn, Senior Certified Technical Specialist, Nordic MVP Team på IBM.