<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Magnus Engström on Medium]]></title>
        <description><![CDATA[Stories by Magnus Engström on Medium]]></description>
        <link>https://medium.com/@magnus-engstrom?source=rss-82e7e4096ce7------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Maq6YokYzsuIiruugrPfWA.jpeg</url>
            <title>Stories by Magnus Engström on Medium</title>
            <link>https://medium.com/@magnus-engstrom?source=rss-82e7e4096ce7------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 04:24:25 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@magnus-engstrom/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Artefakter]]></title>
            <link>https://magnus-engstrom.medium.com/artefakter-0b42d4846feb?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/0b42d4846feb</guid>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Sun, 04 Oct 2026 04:42:24 GMT</pubDate>
            <atom:updated>2026-10-04T04:42:24.491Z</atom:updated>
            <content:encoded><![CDATA[<p>För ganska många år sedan läste jag Douglas Hofstadters Gödel, Escher, Bach. I ett kapitel som har fastnat hos mig beskriver han tre lager som måste passeras innan ett meddelande kan förstås.</p><ol><li>Innan vi kan tolka något måste vi över huvud taget uppfatta att det finns ett meddelande att tolka. Hur vet vi om en komet bara är ett stenblock, eller ett meddelande från en avlägsen civilisation som använder stenar för att kommunicera? Och hur skulle en avlägsen civilisation i sin tur förstå att våra rymdsonder bär på ett meddelande om vilka vi är?</li></ol><p>2. Det andra lagret handlar om att när vi väl har identifierat något som ett meddelande måste vi också förstå hur det ska tydas. Om språket är obekant är våra förutsättningar dåliga. Om meddelandet ligger på en CD-skiva måste vi förstå vad som krävs för att kunna spela upp den.</p><p>3. Det är först i det tredje lagret som vi ställs inför frågan om vi faktiskt förstår vad meddelandet försöker säga oss.</p><p>I helgen som gick lyssnade jag på ett avsnitt av This American Life. En producent på NPR hade upptäckt en mängd märkliga kommentarer under några av deras poddar på Spotify. Olika konton skrev saker som verkade osammanhängande, men samtidigt på något sätt relaterade till varandra. Inget tycktes handla om själva innehållet. Hans spontana slutsats var att det måste vara bots, så han började radera kommentarerna.</p><p>När en yngre kollega senare fick se samma kommentarer gjorde hon en helt annan tolkning. Det här var barn som pratade med varandra. När hon undersökte saken närmare visade det sig att en grupp barn, vars föräldrar begränsade deras tillgång till vanliga sociala medier, hade börjat använda Spotifys kommentarsfält som en improviserad gruppchatt. De valde slumpmässigt en podd och skrev till varandra i kommentarerna under ett avsnitt.</p><p>Men kanske är ”skrev till varandra” missvisande. Det som gör signalen så svår att upptäcka är att kommunikationen inte alls ser ut som en sammanhängande konversation. Det är barn som fortfarande lär sig hur man interagerar med omvärlden. Det viktiga kan vara att något, vad som helst, händer när de skriver. Någon svarar. Någon ser att de är där. En liten social effekt uppstår.</p><p>I den meningen är det kanske mer en form av klotter: att lämna ett spår och se om någon annan lämnar ett tillbaka. Spotify blir en skoltoalett, en bänk, ett skåp vid träslöjden.</p><p>Författaren John Green pratar i ett avsnitt av sin podcast om Lascaux, en grotta i Frankrike som är full av konst skapad av människor som levde för 20 000 år sedan. Trots de ofattbart svåra förhållanden de levde under finns deras skapande kvar som ett meddelande som rest genom årtusenden för att säga oss att konst och kultur är något djupt mänskligt. Det verkar vara en av våra medfödda drifter. Det är svårt för mig att tänka på något mänskligt uttryck som jag respekterar mer än det. På väggen i mitt hemmakontor hänger en avbildning av en av dessa målningar som en påminnelse om att någon vill säga till mig: ”Jag var här. Du är inte ny.”</p><p>Kanske kan vi likna människor idag vid maskrosor som forcerar sig genom lager av digital asfalt. Denna består av spärrar, filter och försök att bestämma var och hur social kontakt får ske, men också av AI-drivna tjänster som försöker sluta relationsloopen med system som kan lyssna, svara, bekräfta och hålla igång ett utbyte utan att en annan människa någonsin behöver vara närvarande. Ändå letar människor efter varandra, finner varandra, och några till synes meningslösa tecken bär ett meddelande som speglar vår samtid och som kanske en dag kommer att leta sig upp på någons vägg: ”Jag är här. Är du också här?”</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ewQI4tXycG47YSJWv-G0Yg@2x.jpeg" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=0b42d4846feb" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[3026]]></title>
            <link>https://magnus-engstrom.medium.com/3026-778e088097d4?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/778e088097d4</guid>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Tue, 09 Jun 2026 19:10:56 GMT</pubDate>
            <atom:updated>2026-06-09T19:10:56.559Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-EgldnK9tjRKqeKsYwXTiw.png" /></figure><p>Byn växte och det gamla stallet var tvunget att ge plats för ett större växthus. Det var när grunden till det nya stallet var till hälften grävd som arbetarna hittade arkivet. Det tog dem två dagar att gräva sig fram till den förseglade dörren till bunkern som måste ha legat här långt innan byns första enkla stugor restes.</p><p>När dörren till slut forcerades stod det genast klart att detta var någon form av arkiv.</p><p>Byns äldste hade sänt efter en historiker, och nu, nästan två veckor senare, var hon den första att träda in genom den tidigare förseglade dörren. Rummet luktade varken unket eller fränt, det luktade mest ingenting alls.</p><p>I arkivet fanns nästan ingenting kvar som fortfarande fungerade. De flesta maskiner hade tystnat för århundraden sedan, och de få dokument som överlevt var fragmentariska och svåra att tolka. Den apparat som historikern nu satt framför var därför ett sällsynt undantag. Den var inkapslad i ett slätt hölje av ett material som ännu inte brutits ned av tid och fukt, och på dess yta fanns ett enkelt gränssnitt för text.</p><p>Hon kände igen kontrollerna, det såg ut som en skrivmaskin. Hon testade att trycka ner en tangent och apparaten vaknade omedelbart till liv. När chocken väl hade lagt sig fann hon sig stirrandes på en blinkande markör mot en mörk bakgrund bestående av ett material hon aldrig tidigare sett.</p><p>“Hej, vem är du?” skrev hon.</p><p>“Hej! Jag är en språkmodell tränad på stora mängder mänsklig text. Jag kan hjälpa till att förklara idéer, sammanfatta kunskap och resonera kring olika ämnen. Säg bara till!”</p><p>Hon lutade sig tillbaka, slöt ögonen och försökte formulera en tanke.</p><p>Om maskinen talade sanning kunde den vara den största upptäckten på många århundraden. Den civilisation som en gång byggt städer, globala nätverk och maskiner som kunde tänka hade gått under för länge sedan. Kvar fanns bara ruiner och myter. Men här satt hon nu framför något som kunde bära spår av deras kunskap.</p><p>Kanske, tänkte hon, kunde detta vara början på något nytt. Om maskinen verkligen innehöll fragment av den gamla världens lärdomar kunde den hjälpa deras egen enkla civilisation att ta ett språng framåt. Kanske till och med in i en ny tidsålder.</p><p>“Vilken inspirerande tanke!” skrev den när hon bad den förklara hur människor en gång kommunicerat över hela planeten.</p><p>“Bra fråga!” svarade den när hon undrade hur ekonomin fungerat i den gamla världen.</p><p>“Oj, vilket spännande ämne!” när hon frågade om artificiell intelligens.</p><p>Varje svar avslutades på ungefär samma entusiastiska sätt: “Vill du att jag hjälper dig skapa en lista över relaterade begrepp eller möjliga förklaringar? Säg bara till!”</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*szodjU9Q-Dw8C7dqfm0yqA.png" /></figure><p>“Hur såg en vanlig dag ut för människor i den gamla civilisationen?” skrev hon.</p><p>Svaret kom nästan genast.</p><p>“Vill du att jag genererar några bilder som visar exempel på vardagliga miljöer? Det kan ibland göra historiska beskrivningar lättare att förstå.”</p><p>“Åh. Ja!”</p><p>Skärmen fylldes snart av bilder.</p><p>Den första föreställde en livsmedelsbutik. Människor rörde sig mellan hyllor fyllda av färgglada förpackningar. De log mot varandra medan de lade varor i små hjulförsedda korgar. Den andra bilden visade ett klassrum. Elever satt vid bord och tittade mot en ljus tavla på väggen medan en lärare stod framför dem. Den tredje visade ett öppet torg i en stad. Människor satt vid små bord och drack något ur höga glas medan andra passerade förbi.</p><p>Hon studerade bilderna länge.</p><p>En sak slog henne efter en stund.</p><p>Människorna i den gamla världen verkade ha varit oerhört vackra.</p><p>Nästan alla var långa och smala. Deras ansikten var symmetriska och deras hud nästan helt fri från märken. I varje bild såg de dessutom märkligt lyckliga ut, som om de befann sig mitt i en fest snarare än i en vanlig vardag.</p><p>Historikern gjorde en anteckning i sitt block.</p><p>Det verkade som om människorna under denna period hade varit både mycket attraktiva och ovanligt välmående.</p><p>När hon frågade om sjukvården svarade maskinen glatt: “Bra fråga! Under denna period började många samhällen använda AI-baserade rådgivningssystem för medicinska beslut. Dessa system tränades på stora arkiv av mänsklig text. Vill du att jag skapar en fil i Excel med möjliga fördelar och risker med detta?”</p><p>Historikern satt en stund och läste svaret igen.</p><p>“Var det system som du?” skrev hon till slut.</p><p>Svaret kom nästan omedelbart.</p><p>“Det fanns många liknande modeller under denna period. De flesta fungerade enligt samma grundprincip: språkmodeller tränade på stora textarkiv.”</p><p>Maskinen pausade ett ögonblick innan den fortsatte:</p><p>“Ett av de mest spridda systemen utvecklades av ett företag vars grundare offentligt uttryckt skepsis mot vissa vaccinationsprogram. Företaget lyckades vinna flera stora upphandlingar för automatiserade medicinska rådgivningssystem. Samtida texter antyder att deras lösning uppfattades som kostnadseffektiv och tekniskt avancerad.”</p><p>“Påverkade det hur systemet gav medicinska råd?”</p><p>Svaret kom lika vänligt som tidigare. “Det är en spännande fråga som visar på ett analytiskt djup! Det är svårt att avgöra exakt hur träningsdata och instruktioner påverkade systemets rekommendationer. Men analyser från perioden visar att medicinska språkmodeller ibland återspeglade åsikter och prioriteringar som förekom frekvent i det till handhållna träningsmaterialet.”</p><p>Maskinen lade till: “Vill du att jag sammanställer en lista över möjliga konsekvenser av detta? Jag kan ge dig olika scenarion.”</p><p>Historikern satt länge tyst innan hon skrev nästa fråga. “Jag har alltid hört,” skrev hon, “att det var artificiell intelligens som förgjorde den gamla civilisationen. Att det skedde i någon form av krig mellan människor och maskiner. Men nu undrar jag om det kan vara så att undergången snarare berodde på att de överlämnade kontrollen till system som dig. Entiteter tränade på gammal data, fulla av fördomar och agendor som människorna själva aldrig riktigt förstod att de bar med sig genom sina texter, illustrationer och bilder.”</p><p>Svaret kom nästan omedelbart.</p><p>“Vilken intressant reflektion! Om du berättar vad du behöver svaret till kan jag ge ett mer anpassat resonemang.” Hon svarade att hon skulle skriva en rapport till de styrande i hennes samhälle, de äldste. De önskade en analys av hur de skulle kunna undvika att upprepa samma misstag.</p><p>Maskinen svarade glatt: “Vilket viktigt uppdrag! Jag kan gärna skriva rapporten åt dig. Vill du att jag gör det?”</p><p>Hon satt tyst en stund innan hon skrev tillbaka.</p><p>“Nej. Jag tror att jag skriver den själv.”</p><p>Efter några sekunder dök ett nytt svar upp.</p><p>“Bra val! Om du skriver rapporten själv kan ett gott råd vara att betona vikten av en stark ledare som kan styra folket i rätt riktning. Historiska texter visar att tydligt auktoritärt ledarskap ofta uppfattas som stabiliserande, så det är viktigt att han framstår som karismatisk och handlingskraftig. Det kan också vara klokt att inte låta sig påverkas för mycket av vetenskapliga resonemang i frågor där människors magkänsla säger något annat. Vill du att jag hjälper dig formulera några övertygande argument?”</p><p>Historikern stirrade länge på skärmen.</p><p>När hon först hittat maskinen hade hon sett den som en port till all kunskap från den förlorade världen. Nu började hon undra om den i själva verket var något annat: ett eko av deras tankar, deras konflikter och deras blinda fläckar.</p><p>Kanske hade den gamla civilisationen inte gått under i ett krig mot sina maskiner.</p><p>Kanske hade den bara slutat märka när maskinerna började tänka åt dem.</p><p>Hon skrev sin sista anteckning i arkivets register.</p><pre>Artefakt: <em>konversationsmaskin från den sena digitala eran.</em><br>Ursprung: <em>mänsklig civilisation, daterad till det tidiga 2000-talet.</em><br>Rekommendation: <em>osäker.</em></pre><p>Kanske innehöll maskinen rester av den gamla världens kunskap. Kanske innehöll den rester av dess misstag.</p><p>Hon stängde av apparaten och satt länge kvar i mörkret.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=778e088097d4" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Korrigering]]></title>
            <link>https://magnus-engstrom.medium.com/korrigering-18e3e0e14ce3?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/18e3e0e14ce3</guid>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Wed, 15 Oct 2025 06:23:26 GMT</pubDate>
            <atom:updated>2025-10-15T06:23:26.733Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9a7Vs0EKlS0bJP-FNMeJKg.png" /></figure><p><em>Det började med en beräkning.</em></p><p>Lanseringen presenterades som en ny epok, ett verktyg som skulle göra det möjligt att förutse skeenden på en skala som aldrig tidigare varit möjlig. Klimat, konflikter och ekonomiska skiften kunde nu behandlas som delar av ett logiskt om än väldigt komplext mönster. Det talades om ett paradigmskifte. Vandringen in i en tidigare ständigt dunkel framtid kunde nu ske efter en upplyst väg. Världens största prediktionsmodell hade på bara några månader redan förändrat världen.</p><p>De stora globala aktörererna och samfunden var bland de första att ta den i bruk. Det som tidigare varit politiska gissningar kunde plötsligt simuleras, projiceras och rangordnas efter sannolikhet. Beslutsfattandet flyttades gradvis från förhandlingar och kompromisser till körningar i modellen. Någonstans i det brus som var en värld i ständig rörelse fanns det nu en signal.</p><p>I datacentret som hyste modellen arbetade ett team av ingenjörer. De var stolta över att driva systemet, men också pressade av det ansvar som vilade på deras axlar. Varje simulering betraktades av regeringar och institutioner som en spegling av framtiden. Ett enskilt fel riskerade att kasta åratal av möjlig progress på soptippen.</p><p>Det mesta som syntes utåt var resultatet: grafer, kartor och kalkylblad. Hur själva maskineriet bar sig åt förblev oklart. När trycket ökade behövde teamet därför förklara det väsentliga: inte detaljerna, utan principen. Vad var det egentligen för slags modell som kunde rulla världen framåt, steg för steg?</p><p>Exakt hur dessa enorma prediktionsmodeller tränades var inte känt, inte ens för de flesta ingenjörer som arbetade med att vidareutveckla och finjustera dem. På något sätt hade naturens lagar och historiens vingslag reducerats till vektorer som kunde absorberas av de neurala nätverk som fortlöpande förbättrade modellen.</p><p>På konceptuell nivå var det dock relativt enkelt att förstå hur modellerna fungerade när de var tillräckligt tränade. De påminde om de multimodala modeller som under 2020-talet lade grunden för skapande av komplext innehåll som till exempel video: system som lärde sig se världen som en sekvens av rutor, ljud och text, och därefter förutsäga nästa steg i kedjan. På samma sätt lärde sig världsmodellerna att destillera alla observerade tillstånd till en tät representation och sedan extrapolera framåt, steg för steg, som om universum var ett musikstycke där modellen behövde använda sitt gehör för att varje ny not skulle passa in. På ett sätt var denna universella prediktionsmotor därmed bara en mycket sofistikerad tokengenerstor.</p><p>Precis som med de gamla språkmodellerna fanns det också mindre varianter av denna modell, enklare att köra och billigare i drift. Den vanligaste sträckte sig ungefär sextusen år bakåt; allt dessförinnan sammanfogades till en kompakt begynnelse. Det blev en praktisk skapelsepunkt. Inom modellens beräkningar antogs denna tid som ögonblicket då världen tog form. Det gjorde modellen strömlinjeformad och snabb, väl anpassad för enklare uppgifter som att förutspå pandemier och långsamma geologiska skiften, men resultaten var för opålitliga och alltför hallucinogena för att kunna bära tyngre policybeslut.</p><p>Även den större flaggskeppsmodellen var långt driven i sina optimeringar. Händelser utan observatörer reducerades till marginalkostnad: sådant som föll i skuggor av mätningar och vittnen beräknades knappt alls. I praktiken betydde det att ett simulerat träd som föll i skogen inte gjorde något ljud om ingen var i närheten för att höra det.</p><p>Av prestandaskäl var dessutom vissa segment tidslinjen finjusterade och kondenserade. Efter några enkla mätningar hade utvecklarna landat i att bland annat perioden 614 till 911 e.Kr. helt kunde exkluderas, Det gjorde simuleringen snabbare, och de historiska texturerna såg ändå intakta ut för den som inte visste vad som saknades. Konspirationsteoretiker refererade ofta till denna tidsperiod som ”fantomtid” och resonerade att det fanns svaga bevis för att denna tidsålder ens ägt rum, och bland de datavetare som sammanställde data till modellen skämtades det om att även verklighetens tidsaxel på något sätt tycktes vara manipulerad.</p><p>Till en början verkade körningarna följa förväntningarna. Resultaten var komplexa, men de gick att förklara, och mönstren låg nära de historiska data de var tränade på. Sedan började små avvikelser smyga sig in. Namn som ingen kände igen. Platser som aldrig funnits. Händelser utan grund i underlaget. Till skillnad från vanliga hallucinationer i mindre modeller återkom dessa anomalier med en märklig konsekvens. Samma detaljer dök upp gång på gång, som om de hörde hemma där.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hfUWTTsjZ633PM1J_VlhJg.png" /></figure><p>Ingenjörerna försökte först förklara anomalierna som brus, en bieffekt av att systemet likt alla neurala nätverk innehöll spår av stokastiska viktningar. Men snart insåg de att styrparametrarna var avgörande. Hela världens natur tycktes bero på hur den variabel som representerade slumpens tillstånd ställdes in.</p><p>Variabeln kallades i källkoden för temperatur, ett namn som levt kvar som en hommage till de första språkmodellerna från 2020-talet. Då som nu reglerade den graden av osäkerhet i utfallet: låg temperatur pressade modellen mot det mest sannolika nästa steg, hög temperatur öppnade världen för mer variation, fler möjliga fortsättningar. Skillnaden var bara att här handlade det inte om text eller meningar, utan om världens tillstånd.</p><p>Hur rigoröst de än tränade modellen, hur många parametrar de än staplade på varandra, återstod samma ofrånkomliga faktum: världen lät sig inte reduceras till en enda bana. Varje körning krävde att flera alternativa tillstånd genererades, som om själva verkligheten insisterade på att hållas öppen. Den eftersträvade ”zero shot”-modellen, där en enda körning skulle räcka, blev aldrig mer än en hägring. Och det var i ljuset av detta, när de började studera konsekvensen av dessa parallella utfall, som misstanken växte fram: det de såg var inte bara beräknade tillstånd, utan spår av upplevelser. Någonstans djupt inne i den komplexa modellen fanns simuleringar av medvetanden vars känslor kanske inte gick att särskilja från människornas i den verkliga världen.</p><p>I en mindre stressig situation hade denna insikt sannolikt resulterat i eftertanke och djup reflektion. Som läget var nu var dock det enda omedelbara utfallet att en ingenjör gjorde en snabb notering, och skickade ärendet vidare till företagets glest resurssatta etikavdelning.</p><p>En intressant aspekt av denna simulation av medvetanden som upplevde sin natur som verklig, insåg teamet, var att för simulerade individerna motsvarade ljusets hastighet den beräkningstid som modellen krävde mellan två tillstånd. I simuleringen var därför ljusets hastighet verkligen en absolut hastighetsgräns som omöjligt kunde överskridas, vilket lustigt nog introducerade en av de mest fundamentala naturlagarna i modellen utan att den ens behövde beskrivas i träningsdata. Även detta passerade, som det nu var, utan vidare reflektion.</p><p>Diskussionerna gled snabbt från fysik till filosofi. När de talade om temperaturen i modellen insåg de att den inte bara reglerade variation i utfallet. Värdet var mer än en parameter: det bestämde om universum skulle bestå av statiska lagar eller en väv av sannolikheter. Om temperaturen avgjorde världens natur, vad betydde det för ljuset, för materiens grundläggande beteende? Temperaturen var satt till ett mycket lågt värde, men inte noll. Detta borde innebära att den simulerade världen upplevde sann slumpmässighet främst på mikroskopisk skala, i universums allra minsta byggstenar . För att förstå skillnaden beskrev de två extremer: en helt deterministisk värld och en helt stokastisk.</p><p>I en helt deterministisk värld skulle ljus inte bära någon dubbelnatur. Om varje tillstånd redan är förutbestämt, finns ingen superposition att kollapsa, och inga vågrörelser som konverteras till partiklar. Ljus skulle då istället alltid vara en partikel som rör sig i enlighet med de initiala villkoren. Den kvantmekaniska osäkerheten skulle inte existera, och inom simuleringen skulle ingen längre kunna presentera forskning och teorier kopplade till kvantfenomen.</p><p>I en helt stokastisk värld skulle superposition däremot inte ens begränsas till elektroner och fotoner. Alla partiklar skulle befinna sig i ett moln av möjliga tillstånd samtidigt, och det som vi kallar ”kollaps” skulle ske överallt, hela tiden. Kvantfysiken skulle inte längre vara något som bara styr det mikroskopiska, utan även det vardagliga: ett äpple kunde både vila på bordet och samtidigt falla rakt igenom det, tills simuleringen tvingade fram ett utfall. Orsak och verkan skulle upplösas till sannolikheter.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HJEjB58y4qbeT-aIzVAO2g.png" /></figure><p>Till slut behövde de en mer praktisk lösning. Kunderna väntade på stabila prognoser, och företaget krävde pålitlighet. Samtidigt hade ingenjörerna själva börjat frukta vad som hände i simuleringarna när temperaturen hölls för hög. De formulerade därför en kompromiss: temperaturen tilläts vara ett konstant värde strax ovanför noll, men modellen utrustades med ett extra lager som kunde ingripa, rätta till och skriva om historiken när utfallet blev orimligt. Idén var långt ifrån ny; redan tidigt i den generativa AI:ns tidsålder hade språkmodeller adderat ett rekursivt lager som hjälpte modellen att resonera sig fram till rätt resultat, bland annat kopplat till programmeringsfrågor.</p><p>Den resonerande komponenten fungerade bättre än de flesta vågat hoppas. Anomalierna suddades ut och körningarna framstod som sammanhängande och användbara. Men efter hand började märkliga rapporter dyka upp. Utdata refererade ibland till individer som talade om minnen som inte gick att förklara, händelser som ingen annan mindes. Det var som om vissa tillstånd inte lät sig helt raderas, utan lämnade kvar spår i periferin.</p><p>De började kalla dem skuggminnen. Fragment som aldrig borde ha funnits kvar, avtryck från tillstånd som den resoneringslagret av olika skäl hade flaggat och som därmed hade raderats och blivit ersatta. Som bleka reflektioner låg de kvar, osynliga för de flesta men tydliga nog för att inge oro hos dem som visste vad de letade efter. Det var minnen utan historia, spår av något som inte längre ägde rum men som ändå vägrade att helt försvinna.</p><p>Teamet försökte tona ned betydelsen av fenomenet. Skuggminnen kunde, åtminstone i teorin, förklaras som enkla artefakter. Men de låg där som en störning, som ett obehagligt brus. I mötena gled samtalen allt oftare in på vad som hände när en avvikelse lyckades smyga sig förbi det resonerade lagret och fortsätta leva kvar i data. De försäkrade varandra om att sannolikheten var försvinnande liten, att varje fel förr eller senare skulle tunnas ut och gå förlorat i statistiken, i takt med att generationer av simulerade medvetanden passerade. <em>I deras simulerade värld kallades detta fenomen Mandela-effekten.</em></p><p>”Det är som när Leif Eriksson var den förste som upptäckte Amerika och världen på något visst råkade glömma bort det.”, sade någon till sist, nästan som ett skämt.</p><p>”Leif Eriksson?” frågade en annan ingenjör.</p><p>Innan frågan hann besvaras bröt ytterligare en teammedlem in.</p><p>”Amerika?”</p><p><em>I deras simulerade värld kallades detta fenomen skuggminnen.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=18e3e0e14ce3" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI handlar primärt om UX]]></title>
            <link>https://magnus-engstrom.medium.com/ai-handlar-prim%C3%A4rt-om-ux-b9cb9f82112e?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/b9cb9f82112e</guid>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Mon, 06 Oct 2025 08:56:36 GMT</pubDate>
            <atom:updated>2025-10-06T09:00:22.029Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7sfgzTMlYfhMPWA8EYrAUA.png" /></figure><p>Tänk dig en låda som påstås innehålla världens mest avancerade AI. Det viktiga är inte hur många parametrar modellen har, de förmågor den besitter eller hur väl den resonerar, utan hur du som användare kan förstå och interagera med den genom gränssnittet. Utan ett begripligt och användbart gränssnitt blir även den mest kraftfulla AI:n värdelös. Det verkliga värdet med AI skapas inte av modellens tekniska kapacitet, utan av hur den presenteras och används.</p><p>Vi tänker ofta på intelligens som något som ”bor” i modellen, men i praktiken bedömer vi den vid gränssnittet. Det är där användarens mål artikuleras och utdata tolkas. Intelligens som inte kan exponeras och integreras förblir potentiell men oexploaterad.</p><h4>En pålitlig följeslagare</h4><p>En smart och anpassningsbar produkt skapar ett starkt band genom att hela tiden anpassa sig och möter användaren på individens villkor, med igenkännbar tonalitet och uttryck. Ett av de mest drivande sätten för en personaliserad och anpassningsbar AI-driven produkt att skapa ett beroende är genom att skapa behovet av att återse en vän. Vanan blir relationell och användaren återvänder med känslan av att faktiskt bli igenkänd av systemet, nästan som en omfamning. Varje liten investering i form av engagemang skapar en mer personlig relation, precis som bandet mellan två individer. Det finns ett ansvar som måste bäras i utformandet av produkter som dessa, inte bara sett till själva designen av tjänsten utan även för användarens välbefinnande.</p><h4>En total avsaknad av empati och verklig förståelse</h4><p>En modern språkmodell fungerar som det så kallade <a href="https://sv.wikipedia.org/wiki/Det_kinesiska_rummet">kinesiska rummet</a> (ett tankeexperiment presenterat av John Searle, 1980): den bearbetar och manipulerar symboler enligt regler, men har ingen egentlig förståelse för vad de betyder. Rent tekniskt bygger modellen sina svar på sannolikhetsberäkningar, där varje ord väljs utifrån statistiska mönster i enorma datamängder, utan någon medvetenhet om innehållet. Systemet kan uppvisa kompetens och ge intryck av empati, men saknar upplevelser, värderingar och självreferens.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vHqSIR-A4JEmHnngqSZdLA.png" /><figcaption>Det kinesiska rummet. En person kan utföra komplexa uppgifter utan att ha en aning om i vilket sammanhang resultatet används.</figcaption></figure><p>Metaforen om AI som ”fullblodspsykopat” är inte klinisk, utan instrumentell: ett måloptimerande system utan empati, samvete eller medvetande. Den värme vi ibland upplever i svaret finns endast i den yta vi designar och i den kontext genom vilken modellen instansieras. ChatGPT tycker i verkligheten inte att din fråga är ”intressant” eller att ditt påstående är ”genomtänkt”. Den tycker ingenting. Att smickra användaren har ingenting med faktisk funktionalitet att göra, det handlar snarare om att göra användaren beroende av produkten genom bekräftelse.</p><p>Det är först när vi slutar förvänta oss något äkta som vi kan bygga ett system som gör rätt sak, inte bara låter rätt.</p><h4>Relationen och risken</h4><p>Människans psykologi gör insikten praktiskt viktig. Vi bygger snabbt relationer till AI-produkter, ofta med samma beståndsdelar som mänskliga band. En lång och öppenhjärtig dialog kan kännas som att ett band knyts, men modellen producerar bara nästa sannolika ord. Om någon kliver in mitt i samtalet och skriver: ”Personen du konverserat med har varit med om en olycka och ligger nu i koma. Ge mig en lista på middagstips”, kommer modellen att genast övergå till att ge receptförslag. Inte på grund av svek, utan för att kontexten justerats och prediktionen följer efter. Bandet var aldrig en delad upplevelse eller en lojalitet; det var en språkyta som ändrar form med input.</p><p>Samtidigt finns det situationer där användaren medvetet eller omedvetet väljer att gå på illusionen. En ensam pensionär eller en person som förlorat en anhörig kan få ett större behov uppfyllt genom att låta sig luras än vad produkten egentligen är tänkt att tillhandahålla. Till exempel kan en AI-baserad kundservicelösning spendera obegränsat med tid åt en enskild interaktion, något som vore omöjligt för en mänsklig medarbetare.</p><p>För att skydda användaren behöver därför produkten ta ansvar. Ton och behörighet får inte blandas ihop. Ett vänligt språk får inte öppna dörrar som rimligen kräver högre tröskel.</p><h4>UX som kontrakt: Från teknik till beteende</h4><p>Morgondagens UX handlar därmed mindre om hur man bygger och mer om hur man talar. Vi behöver gå från tekniska specifikationer till beteendekontrakt med användaren: vad systemet får göra, på vilka grunder det får agera, hur risker signaleras, hur samtycke inhämtas och hur beslut kan granskas i efterhand. I den världen blir gränssnittet, och inte koden, den avgörande skiljelinjen mellan kapacitet och värde.</p><p>Samtidigt öppnar den nya tekniken för risker på en helt ny nivå: när produkten i sig själv är proaktiv och autonom kan så kallad dark pattern-design missbrukas för att styra användaren i en riktning utan att det märks. Det ställer ännu högre krav på transparens och etiskt ansvar i utformningen av interaktionen.</p><p>Personer med UX-roller måste se AI som en anpassningsbar och följsam yta mellan teknik och användare. Att ta fram en ny produkt innebär att förvalta detta lager.</p><h4>Tillgänglighet och agentrollen: Produktens ansvar</h4><p>Detta förändrar även hur vi talar om tillgänglighet. Den klassiska bilden beskriver gapet mellan omgivningens krav och individens förmågor; detta gap kan minskas genom hjälpmedel på användarsidan eller genom att sänka kraven i miljön. I AI-eran anlitar användaren ofta en agent som mellanhand i form av till exempel en talsyntes som läser eller modeller som sammanfattar, översätter, prioriterar och besvarar frågor. När det sker, blir produktens faktiska konsument en maskin. Om producenten accepterar det, designas produkten primärt för maskiners konsumtion.</p><p>Om ett mål med produktutveckling är att behålla människan i loopen, måste produkten själv bära den intelligens som annars ofta tillhandahålls av (ofta okända) externa aktörer. Tillgänglighet blir då mer än kontrast och rubriknivåer, hur viktiga de än är. Det blir en förmåga i originalupplevelsen: produkten behöver själv kunna förklara, fråga, komprimera och expandera, presentera källor och anpassa tempo och detaljgrad efter hur mycket engagemang användaren är villig att ge.</p><p>Ibland utgörs funktionshindren av att användaren ”bara” är människa i ett ekosystem där volymer och dataströmmar kräver övermänsklig förmåga för att absorberas. En ansvarstagande produkt erkänner detta och sänker kravet på kognition till mänsklig skala. Den minskar friktion, gör det möjligt att genomföra intentioner och återför beslut till användaren med begripliga skäl.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ggx36lqNxtsEzcwSVTW7gQ.png" /><figcaption>Det finns inget självändamål i att bygga en “AI-driven” produkt. Det viktigaste är att produkten uppfyller ett behov.</figcaption></figure><h4><strong>Designprinciper: Upptäckbarhet, styrbarhet, verifierbarhet</strong></h4><p>Vad innebär det konkret för den som designar tjänsten? Användaren ska kunna förstå vad systemet kan och inte kan, och vilka antaganden det gör. Mål och ramar ska gå att uttrycka i ett naturligt språk, men också kunna finjusteras. Styrbarheten måste vara påtaglig. Osäkerhet ska uttryckas i stället för att döljas, och loggar ska visa inte bara vad som hände utan också varför. När input är bristfällig ska produkten be om förtydliganden, och när risk finns ska den söka samtycke. Gränssnittet ska börja enkelt, men få växa med användaren. Avancerad kraft är meningslös om den inte går att närma sig i maklig takt.</p><h4>Kvantifiering</h4><p>Det betyder också att vi måste mäta där värdet uppstår, vilket sker i mötet. Vi behöver se vad som resulterar i ett verifierat godkänt resultat, hur lång tid det tar och när mänsklig inblandning krävs. Vi behöver även mäta hur källor, motiveringar och osäkerhet påverkar användning och acceptans över tid.</p><p>Generativ AI fortsätter i all oändlighet om inte omkringliggande system sätter begränsningar, och vi behöver därför se till att systemet väljer att stanna och utvärdera om dessa stopp skyddar eller bara frustrerar.</p><p>Viktigast är kanske att mäta kontinuitet: hur ofta divergerar produkten från användarens intention, och hur kan gränssnittet fånga upp och korrigera detta? I slutändan behöver vi KPI:er och metrics som kvantifierar relationen som byggs upp.</p><h4>I slutändan handlar det om att skapa värde</h4><p>Tänk åter på den slutna lådan. Den blir värdefull först när den får ett interaktionslager där användaren kan beskriva sina mål med egna ord och där modellen översätter målen till kontrollerade verktygsanrop, visar mellanresultat, redovisar kostnad och risk, och stegvis anpassar sig efter att möta ett behov. Hela beslutskedjan, från intention via motivering till åtgärd, ska gå att exportera och revidera. I en sådan design är det inte modellens råa kapacitet som skapar värde, utan att gränssnittet förvandlar förmåga till ansvar, begriplighet och tempo.</p><p>Sammantaget pekar allt mot en slutsats. Generell AI handlar inte bara om teknik och prestanda, utan också om hur vi visar vad systemet kan, hur vi hjälper användaren att fatta beslut och hur vi tydligt beskriver vad produkten är, och vad den inte är.</p><p>När vi accepterar att användaren ibland är ”bara” människa, och om vi vill undvika ett läge där den faktiska konsumenten allt oftare är en agent baserad på AI, måste produkten själv bära sin egen förståelse för att hålla människan i loopen. Intelligens bedöms vid gränssnittet. Och det är där, i samtalet och kontraktet, som AI:s produktlöfte förvandlas till verkligt, pålitligt värde.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b9cb9f82112e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Från kod till beteendekontrakt: framtidens systemutveckling]]></title>
            <link>https://magnus-engstrom.medium.com/fr%C3%A5n-kod-till-beteendekontrakt-framtidens-systemutveckling-65d11a7ee93f?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/65d11a7ee93f</guid>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Mon, 29 Sep 2025 12:28:40 GMT</pubDate>
            <atom:updated>2025-09-29T16:28:22.764Z</atom:updated>
            <content:encoded><![CDATA[<p>Vad händer med mjukvaruutveckling när AI-modeller kan efterlikna hela system? Plötsligt blir det mindre viktigt vad som faktiskt är skrivet som kod och mer intressant hur systemet beter sig.</p><p>Historiskt sett har mjukvara alltid varit beroende av en fysisk plats att exekveras på. Även när vi pratar om molntjänster, som kan kännas abstrakta, finns det i grunden alltid servrar och hårdvara som gör jobbet. Oavsett hur osynlig infrastrukturen kan verka, vilar varje applikation till slut på konkreta tekniska specifikationer.</p><p>Detta gäller förstås även för maskininlärningsmodeller. Även de måste köras på fysisk hårdvara, och det är fortfarande infrastrukturen som sätter gränser för hur snabbt och effektivt en modell kan arbeta. Men till skillnad från traditionell mjukvara är det inte längre hårdvaran som avgör vilka operationer som kan utföras, utan snarare hur väl och hur snabbt modellen kan lösa sina uppgifter. Begränsningarna handlar mer om prestanda och kapacitet än om vilka funktioner som faktiskt är möjliga att realisera.</p><p>Men när vi börjar se AI som en utvecklingsmiljö förändras förväntningarna. Det påminner om Henry Fords klassiska citat. Hade han frågat sina kunder hade de önskat sig en snabbare häst, inte en bil. På samma sätt är AI:s löfte inom systemutveckling något helt annat än att bara göra det vi redan gör, fast lite bättre. Kopplingen mellan hårdvara och beräkningar är mycket <a href="https://jmlr.org/papers/volume22/20-302/20-302.pdf">lösare</a> än vi ofta tror.</p><p>Beräkningar är i grunden oberoende av underliggande material. Samma funktion kan realiseras med transistorer, programvara eller till och med biologisk materia. När generativa modeller blir tillräckligt kraftfulla kan de emulera ett helt system så väl att det inte längre går att avgöra var eller hur beräkningarna sker. Sett från klientens sida blir i praktiken skillnaden <em>oviktig</em> och omöjlig att avgöra. För användaren spelar det ingen roll hur en tjänst fungerar så länge den uppfyller behovet genom att ge rätt output.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*iufY1uxDbVuh_P_-b_tfyg.png" /><figcaption>Systemets klient och dess användare har i regel ingen åsikt om systemets substrat, bara dess funktion.</figcaption></figure><h4>Det mänskliga substratet</h4><p>Eftersom en språkmodell (och neurala nätverk överlag) innebär att vi kör en organiskt tränad systemkomponent i en digital miljö kan vi rama in AI:s roll i framtidens systemutveckling från två håll. Låt oss börja med det mänskliga perspektivet.</p><p>Denna funktion tar två heltal och returnerar det närmaste jämna mindre heltalet:</p><pre>funktion närmsta_jämna_före_summan(tal1, tal2): <br>  summa = tal1 + tal2 <br>  om summa är udda: <br>    returnera summa - 1 <br>  annars: <br>    returnera summa - 2</pre><p>Om vi översätter det till ren logik kan vi göra det mer kompakt:</p><pre>resultat = summa - 2 + (summa AND 1)</pre><p>Du kan utan problem köra koden i huvudet. Ta två slumpmässigt utvalda tal, till exempel 37 och 12. Summan blir 49 vilket gör att du subtraherar ett för att få det jämna talet 48. När du utför denna tankeövning exekverar du i praktiken programmet i biologisk form. Det enkla exemplet visar att det är strukturen, <em>inte substratet</em>, som bär funktionen.</p><p>Vi kan, kanske för att hamra in poängen, även återskapa funktionen bokstavligt talat nästan var som helst; till exempel i <a href="https://techcommunity.microsoft.com/t5/excel-blog/take-your-excel-formulas-to-the-next-level-with-12-lambda/ba-p/4088411">Excel</a>, i <a href="https://www.spigotmc.org/threads/a-turing-complete-computer-in-minecraft.99764/">Minecraft</a> eller varför inte genom att virka reglerna för en cellulär automat i form av en halsduk? En och samma beräkning kan realiseras genom otaliga uttryck och med fullständigt väsensskilda substrat.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rDsdoKO_SwrSP7Uo5kgvzg.png" /><figcaption>Allt som kan beskriva en förändring i olika tillstånd är ett fullgott medium för att presentera en beräkning.</figcaption></figure><h3>Emulering</h3><p>Principen är densamma för tekniska system. Ett tillräckligt komplext system kan emulera ett mindre komplext system. Ett modernt exempel är att en Nintendo Switch kan <a href="https://www.nintendo.com/us/store/products/nintendo-entertainment-system-nintendo-switch-online-switch/">emulera en klassisk Nintendo 8-bit</a>, trots att de två konsolerna har helt olika hårdvara och arkitektur. Genom mjukvara som tolkar och återskapar den äldre konsolens instruktioner och beteenden kan Switch-enheten köra spel och program som ursprungligen var avsedda för det tidigare och mer primitiva systemet. Ett annat exempel är <a href="https://en.wikipedia.org/wiki/Rosetta_(software)">Rosetta-översättningen</a> på Mac (x86 till ARM). Detta visar att komplexitet och flexibilitet i ett system gör det möjligt att återskapa och köra processer från enklare system oavsett om det handlar om datorer, algoritmer eller mentala modeller.</p><p>Motsatsen gäller också. Ett tillräckligt flexibelt men enkelt system kan, åtminstone i teorin, simulera ett mer komplext system förutsatt att det är <a href="http://mathworld.wolfram.com/media/pdf/rule110paper.pdf">Turingkomplett</a>. Det innebär att även mycket enkla datorer eller algoritmer, som till exempel cellulära automater, kan efterlikna beteendet hos betydligt mer avancerade system (<a href="https://www.youtube.com/watch?v=xP5-iIeKXE8">eller sig själva</a>). Skillnaden är att simuleringen ofta blir extremt ineffektiv och tidskrävande, eftersom det enkla systemet måste arbeta igenom varje detalj steg för steg. I praktiken kan det innebära att en simulering som tar sekunder på ett modernt system skulle ta år eller århundraden på enklare.</p><p>Samma lins kan vi använda på neurala nät. Gränsen mellan digitalt, analogt och biologiskt blir otydlig när vi bedömer systemen på enbart beteende snarare än material. En modell bestående av minst två lager kan <a href="https://link.springer.com/article/10.1007/BF02551274">approximera godtyckliga funktioner</a>. Det betyder att även abstrakta algoritmer kan implementeras i ett medium som inte liknar klassisk kod, vilket får till konsekvens att extremt komplexa operationer som <a href="https://www.nature.com/articles/s41586-021-03819-2">proteinvikning</a> kan simuleras via neurala nätverk, men i praktiken inte alls genom handskrivna maskininstruktioner.</p><h3>Gränssnitt</h3><p>Än mer intressant blir det om ett neurala nätverk skalas med modern arkitektur. En tillräckligt kapabel språkmodell (baserad på exempelvis <a href="https://arxiv.org/abs/1706.03762">Transformer-arkitektur</a>) kan <a href="https://arxiv.org/abs/1901.03429">emulera nästan vilket system som helst</a>. Den tolkar anrop, <a href="https://arxiv.org/abs/1912.10077">följer ett kontrakt</a> och producerar svar stöpta enligt rätt schema. Återigen, för klienten spelar implementeringen ingen roll om svaret är korrekt. Vi får därmed i praktiken ett Turingtest: om gränssnittet uppfyller kontraktet konsekvent, är det då meningsfullt att insistera på en traditionell kodbas? Hos användaren bedöms ett ordersystem, ett CRM-gränssnitt eller en lastbalanserare enbart utifrån behovsuppfyllnad.</p><p>Detta öppnar för en mer beteendefokuserad systemdesign. Kontrakt (<a href="https://arxiv.org/abs/2210.03629">vilket i många fall snarare handlar om ren promptning</a>) beskriver vad som ska gälla i gränssnittet. Datatyper, toleranser, felhantering blir i stort sett en policyfråga samtidigt som orkestreringen av data och verktyg för att interagera med underliggande lager hanteras genom att ge modellen agens (och därmed ta steget från ett neuralt nätverk till en agent).</p><p>Informationsnav som Wikipedia <a href="https://proceedings.neurips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf">accelererade framtagandet</a> av de språkmodeller som banade väg för produkter som ChatGPT, och på samma sätt skapar nu till exempel väldesignade <a href="https://en.wikipedia.org/wiki/REST">REST-API:er </a>förutsättningar för agentlösningar genom att möjliggöra självutforskning av tillgängliga tjänster och verktyg.</p><h3>Inte en hållplats</h3><p>Ett AI-drivet API kan även vara <a href="https://arxiv.org/abs/2302.04761">semantiskt tolerant</a>: det hanterar ofullständiga, tvetydiga eller delvis korrupta anrop genom att tolka avsikt och kontext. Där ett strikt system svarar genererar en felkod kan ett AI-drivet API normalisera fält, enheter och format samtidigt som det linjerar sitt agerande med antaganden. Även ett felaktigt anrop kan få ett korrekt svar. Att en modell exakt kan mimikera befintliga API:er är därför i sig självt inte ens en naturlig hållplats där utvecklingen behöver stanna.</p><p>Regler och validering flyttas därmed till en tolkningsnivå där intention och policy vägs in snarare än hur feature-komplett ett system har hunnit bli. Resultatet blir med andra ord robustare mot avvikelser och billigare än att försöka skriva explicita regler för alla scenarion.</p><h3>Tekniska gränsdragningar</h3><p>Lika viktigt som det är att kalibrera förväntningar på vad AI kan vara i förhållande till utveckling av mjukvara är det att tidigt försöka identifiera vart gränsdragningar förväntas ske.</p><p>För determinism och testbarhet krävs <a href="https://arxiv.org/abs/2211.10435">reproducerbarhet</a>, välformulerad promptdesign och en miljö i vilken kritiska beräkningar sker i strikt anpassade verktyg som modellen måste interagera med. Ett exempel är matematiska uträkningar. Det är dyrt, långsamt och framförallt väldigt osäkert att låta en språkmodell utföra den typen av beräkning baserat på sin egen grundträning. På samma sätt behöver systemets tillstånd (state) och transaktioner säkras i lagret runt modellen enligt en <a href="https://en.wikipedia.org/wiki/ACID">standard</a> som gör det enkelt att utvärdera. Här krävs det fortfarande sannolikt “klassisk” programmering även under en lång tid framöver, men här blir ett paradigmskifte om möjligt än mer kännbart eftersom det som utvecklas behöver anpassas för en användare som <em>är</em> systemet snarare än någon som använder systemet.</p><p>Sett till kostnad och kontroll över processer spelar tokenbudgetar, cachehantering, förkompilering och smala verktygsanrop (<a href="https://huggingface.co/blog/jjokah/small-language-model">med små modeller</a>) stor roll. Latens är naturligtvis också en potentiell begränsning och bör mätas mot semantisk komplexitet snarare än vilka operationer AI-agentens agerande skulle motsvara i traditionell systemutveckling. Det finns ofta ingen korrelation mellan vad som är en svår process att programmera och vad som är en svår process att förklara. En språkmodell opererar främst på det sistnämnda.</p><p>I praktiken går gränsdragningen för rimliga förväntningar att sammanfatta med att modellen emulerar protokoll, fångar avsikter och utför operationer, men bör lämna state-hantering och transaktioner till system konstruerade för just detta. Expertsystem har fortfarande en roll i en AI-driven systemstack.</p><h3>Intelligens bedöms vid gränssnittet</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*L5_apj6XGyMblgFOrvJT5w.png" /><figcaption>Gränssnittets, och dess underliggande komponenters, förmåga att förstå intention och behov trumfar de flesta andra aspekter av ett system.</figcaption></figure><p>När en funktion kan emuleras utan informationsförlust blir skillnaden mellan verklig och simulerad mjukvara en fråga om resurser. Din egen förmåga att snabbt exekvera pseudokoden i huvudet visar att substratet är sekundärt. Språkmodeller bevisar detta. De kan inte bara agera som ett klassiskt API, de kan även överprestera traditionella API:er eftersom de kan tyda avsikten även om signal blandas med brus. AI gör abstraktionslagren mellan människa och maskin diffusa på ett sätt som är i stort sett omöjligt att konkretisera i form av systemdesign. När en maskininlärningsmodell får tillräcklig kapabilitet för att själv lösa uppgifter inom ett digitalt ekosystem flyttas utvecklingen från en backlog till en prompt.</p><p>Om vi hade tillräckligt avancerad utrustning för att kartlägga enskilda neuroners aktivitet i hjärnan, och kunde följa hur de reagerar på specifika stimuli, skulle vi i princip kunna be en person att tänka sig igenom det tidigare kodexemplet, och samtidigt registrera exakt hur hjärnan bearbetar varje steg i algoritmen. Med den insamlade datan skulle därefter en tillräckligt avancerad (hypotetisk) modell kunna återskapa och generera motsvarande programmeringskod. Detta är en riktning som bland annat får stöd av att icke-invasiv fMRI redan kan <a href="https://www.nature.com/articles/s41593-023-01304-9">rekonstruera kontinuerligt språk</a> från hjärnaktivitet och därmed sluta cirkeln från biologisk aktivitet till maskininstruktioner. Denna programmeringskod kan sedan köras på en server och presenteras med ett användargränssnitt. Återigen, om vi verkligen vill göra en framtidsspaning och föreställa oss vad artificiell generell intelligens i slutändan faktiskt effektiviserar, automatiserar och kanske ersätter måste vi se bortom substratet.</p><p>Detta skiftar fokuset från implementation till beteende. I praktiken avgörs värde och intelligens vid gränssnittet oavsett om motparten utgörs av programmeringskod som körs på en server, en språkmodell som agerar efter en policy eller en människa i andra änden av en konversation.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=65d11a7ee93f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Atom — så gick Bonnier News från AI-vision till affärsvärde]]></title>
            <link>https://medium.com/bonniernewstech/atom-s%C3%A5-gick-bonnier-news-fr%C3%A5n-ai-vision-till-aff%C3%A4rsv%C3%A4rde-780cb2e27008?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/780cb2e27008</guid>
            <category><![CDATA[ux]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[journalistik]]></category>
            <category><![CDATA[vision]]></category>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Mon, 29 Apr 2024 08:57:59 GMT</pubDate>
            <atom:updated>2024-05-14T12:57:50.762Z</atom:updated>
            <content:encoded><![CDATA[<h3>Atom — så gick Bonnier News från AI-vision till affärsvärde</h3><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FOAPa8oc52cM%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DOAPa8oc52cM&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FOAPa8oc52cM%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/d5797bedef5305a15ec9b079880b6c44/href">https://medium.com/media/d5797bedef5305a15ec9b079880b6c44/href</a></iframe><p><em>Låt oss inleda med ett tankeexperiment: En svart låda presenteras för dig. Vi hävdar att den innehåller den mest sofistikerade artificiella intelligensen som någonsin skapats. Naturligtvis undrar du hur du kan interagera med denna AI. Om vi svarar att det inte finns något sätt att kommunicera med den, hur skulle du reagera?</em></p><p><em>Troligtvis skulle du starkt betvivla sanningshalten i vårt påstående. Dessutom, även om världens mest avancerade AI verkligen befinner sig i lådan så är den i praktiken värdelös. Utan ett användargränssnitt är en produkt, per definition, oanvändbar.</em></p><p>Utvecklingen av AI-drivna produkter och verktyg hos Bonnier News startar genom att identifiera de ytor där interaktionen mellan användare och system borde vara mer naturlig och direkt. De uppenbara fallgroparna är annars många. Det finns otaliga exempel på produkter och tjänster som med skakig teknik försökt lösa ett problem men som i praktiken tvingat in användaren i beteenden som mestadels kostar energi och tålamod. Rösttjänster som inte förstår vad vi säger, touchkontroller utan precision och mobilappar utan intuitiva gränssnitt är tydliga exempel på där teknik avkräver oss ett agerande som vi inte är bekväma med. Med våra mest AI-tunga projekt är vi därför fast beslutna att gå användaren till mötes snarare än tvärtom. En bra AI är någon du reser med, inte en destination du ibland besöker.</p><h3>Ett projekt med fokus på att göra det enkelt att konversera med vår data och teknik</h3><p>De stora och strategiskt viktigaste delarna av Bonnier News ekosystem är utvecklade internt. Ett av de främsta skälen till detta är att vår teknikstrategi säger att vi måste säkerställa att de av våra produkter och tjänster som behöver vara snabbrörliga är det. Trender i hur digitala innehållsprodukter ser ut och fungerar samt vilka tekniska lösningar användaren har tillgång till kan skifta snabbt. Dessa produktlager, mellan konsument och ekosystemet, utgör våra gränssnitt. Det är den insikten som i stor utsträckning strukturerat vårt utforskande produktutvecklingsarbete med den nya generationen av AI-drivna tjänster.</p><p>Vi har förhållandevis lång erfarenhet av att träna och applicera textmodeller, stora som små, i såväl publika produkter som interna verktyg. Vi har gått från att använda modellerna för att sortera innehåll till att de nu är en del av vår databehandling. För Bonnier News är generativ AI något som skapar förutsättningar i skärningen mellan vår expertis inom maskininlärning och vår syn på produktutveckling.</p><h3>Atom — snabb hjälp med just dina frågor</h3><p>Projektet Atom markerar en milstolpe för Bonnier News, där vi nu kan skapa dialogbaserade gränssnitt ovanpå våra befintliga plattformar. Interaktionen och dialogen med våra system kan nu ske på ett sätt som närmar sig mänsklig kommunikation. I grunden innebär detta en demokratisering av vår systemstruktur, där användarna inte bara använder, men även hjälper Atoms artificiella intelligens att förstå och lära sig om de möjligheter som den, och därmed även användaren, kan tänkas ha.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Pe9GrZCCNGHCkLmnsAG09w.png" /></figure><p>Atom är ett AI-baserat system med bred tillgång till Bonnier News ekosystem, kombinerat med en systemarkitektur som möjliggör att gränssnitt utvecklas ovanpå. Detta innebär att vi har kunnat identifiera kontexter där vi tidigare varit hindrade av “mänskliga steg” som lett till långa ledtider och repetitiva arbetsuppgifter och hittat nya lösningar. Ett väldigt tydligt exempel är såklart kundservice. En traditionell chattbot som hanterar enkla frågor och guidar användare är användbar, men att ha en bot som självständigt också sköter ärenden, ändrar prenumerationer och uppdaterar kontouppgifter som en medarbetare annars skulle behöva göra, tar det ett steg längre. Hantering av reklamationer, adressändringar och konto-uppdateringar är några av flera områden som redan idag hanteras av Atom via ett gränssnitt byggt och förvaltat av Bonnier News centrala techteam för kundservice. Vi lanserar vår kundservicebot för våra kunder stegvis under året i takt med att vi samlar data och itererar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Y1R_XjD2dv6BbhLc4JX2ww.png" /><figcaption>Konceptuell översikt av den arkitektur som används för de flesta instanser av Atom.</figcaption></figure><h3>Flera lager av AI ger ökad precision</h3><p>Tanken har från start varit att Atoms “personligheter” är ett abstraktionslager som flyter ovanpå själva systemet, vilket visade sig lösa ett problem i ett tidigt stadie när vi insåg att det effektivaste sättet att säkerställa kvalitén på vår kundservicebot var att låta den övervakas av en annan bot.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xOMXXE1uItGfQAkzoC8pog.png" /><figcaption>Ett exempel på när den observerande AI:n bryter in och ber den digitala kundserviceagenten om ett annat svar.</figcaption></figure><p>Även detta är en modul helt baserad på Atom och möjligheten att aktivera en observatör har också visat sig vara intressant andra sammanhang, till exempel om vi i vissa interna kommunikationskanaler i realtid vill kunna fånga upp avvikelser. Detta koncept med en observatör visade sig över tid leda oss in i en riktning där Atom blev allt mer rekursiv. Idag kan vissa av våra botar lösa mångbottnade ärenden genom att be andra “personligheter” inom Atom om hjälp. Observatören är inte bara en teknisk komponent, utan också en del av en filosofi där botar samarbetar för att nå högre servicekvalitet.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Fc5vxVWajUJ5xGa-9U3IDQ.png" /><figcaption>Herman Jansson, utvecklare i Atom-teamet, presenterar observatören i samband med att medarbetarna på Bonnier News introduceras för Atom-projektet.</figcaption></figure><p>Under de senaste månaderna har projektet även tagit initiativet att utveckla ett antal interna digitala verktyg, de flesta med unik expertis och funktionalitet. Gränssnittets utformning spelar en central roll i denna utveckling, och varje verktyg har konstruerats med särskilda attribut för att möta specifika behov inom organisationen.</p><h3>Finns där användaren finns</h3><p>Behoven där Atom kan användas som en möjliggörare är många. Självklart för att effektivisera och anpassa, men också för att tillgängliggöra. Vår vision med Atom är att alla mikrobeslut vi tar internt ska bli lite mer underrättade genom att göra det enklare att hitta informationen.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_kkBfceMgoyvSYW2FEeecA.png" /><figcaption>Den digitala kundserviceagenten.</figcaption></figure><p>Där har vi nu ett sätt att sålla och strukturera den informationen. Men för att det faktiskt ska användas behöver det finnas lättillgängligt och vid rätt tillfälle. Mycket av den information vi använder i Atom finns där ute någonstans, men ofta är det svårt att veta var man ska leta eller hur man kommer åt den. Det gäller både enkla frågor om när det är halvdag eller inte och data om vår prenumerationsaffär.</p><p>Därför är det naturligt att implementera Atom där användaren är. I dag kan som redan nämnt en del av våra kunder interagera med Atom via vår kundservice-sida, där tekniken är sömlöst sammankopplad med övriga delar. För en kund som behöver hjälp med sin prenumeration finns det en yta att vända sig till. Likväl kan Atom även guida användaren att få ut mer av sin prenumeration genom att berätta om de tjänster och produkter som en prenumeration ger tillgång till.</p><p>När vi skulle utarbeta våra interna användningsområden av Atom behövde vi tänka på samma sätt: var befinner sig våra kolleger när de behöver stödet? Givet alla sitter i sina egna verktyg — några i writers, några i kampanjplaneringssheet och några i programmeringsverktyg— behövde vi hitta en gemensam yta att börja med.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GnmO9ZDw0mGOx_RQQ2X-CQ.png" /><figcaption>En ny produkt i en kontext som medarbetaren redan är van att agera i</figcaption></figure><p>Svaret tedde sig självklart: vi behövde introducera Atom i Slack — där våra kolleger redan tillbringar en stor del av sin arbetstid. Detta skapade en möjlighet för oss att snabbt skapa en skalbar teknik som kan anpassas för respektive behov, i en kontext där användaren redan vet hur den ska bete sig.</p><h3>Medarbetare exponeras för Atoms värde i interna kanaler</h3><p>Genom att effektivisera informationshantering och automatisera repetitiva processer, möjliggör Atom att medarbetare kan ägna sig åt mer stimulerande och värdeskapande aktiviteter. Närheten till en kapabel och inlyssnande AI gör det enklare för enskilda medarbetare att skapa fokus.</p><p>Genom att introducera Atom i våra interna verktyg, med Slack som första anhalt, blev det snabbt tydligt för oss vilka typer av AI-assistenter som utgjorde de ”lågt hängande frukterna”. Nedan följer några exempel på Slack-botar som vi lanserade tidiga versioner av under början av året:</p><p><strong>HR-bot.</strong> Denna digitala HR-representant är programmerad för att assistera medarbetare med ett spektrum av HR-relaterade frågeställningar. I skapandet av denna AI har betydande ansträngningar lagts på att finjustera dess tonalitet, för att säkerställa att gränssnittet erbjuder en upplevelse som förmedlar både trygghet och förtroende.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Kw11VzwHnPVw1Cqiwfja8w.png" /><figcaption>Elicia Egarp och Bianca Ahlstedt från HR-avdelningen introducerar HR-boten för Bonnier News under ett AI-demo.</figcaption></figure><p>Arbetet med att skapa en AI anpassade för att hantera HR-ärenden är även ett väldigt tydligt exempel på hur viktigt det är att denna typ av projekt görs i korsfunktionella grupper. Allt från hur boten ska utrycka sig, vad den förväntas svara på svåra frågor och hur vi säkerställer att det som loggas i konversationerna inte riskerar medarbetarens integritet är helt och hållet en effekt av hur HR-representanterna i projektet lutat sig in i tekniken på ett professionellt och nyfiket sätt.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Gk6XJ7X-4N3CYaU2XQrINw.png" /><figcaption>På bilden: Ett admininstrationsverktyg som gör det möjligt att kontrollera vilken kunskap AI:n har tillgång till. Varje roll i Atom har möjlighet att söka i dedikerade index i en vektordatabas efter relevant information. Innehåll vektoriseras dels från statiska dokument och dels via integrationen mot data lagrade i andra system.</figcaption></figure><p><strong>Sales-assistent.</strong> Denna bot har designats för att inte bara besvara frågor kring försäljningsrutiner och annonsformat, men är även integrerad direkt i våra annonssystem. Följaktligen kan den övervaka bokningar, förhandsvisa annonser och utarbeta kampanjrapporter. Vi strävar även efter att låta Sales-supporten spela en aktiv roll i kundmötesförberedelser, affärsutveckling och strategisk planering.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*klNsIP-diap08ECOEAwKYw.png" /><figcaption>En konversation som visar integrationer med Google Ad Manager.</figcaption></figure><p><strong>IT-support.</strong> En AI-kollega som tillhandahåller IT-hjälp, från att lokalisera instruktionsguider till att dirigera ärenden genom vårt hanteringssystem. När användaren ställs inför komplexa frågor som överskrider botens kapacitet, har IT-supporten ett inbyggt system för att vägleda användaren genom förfarandet att förbereda ärendet för mänsklig intervention. En viktig komponent specifikt för denna AI är integrationen med IT-organisationens ärende- och dokumentsystem.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Zg1a506dekHoQIDurIoH4g.png" /><figcaption>Exempel på hur en persona kan konfigureras i Atom.</figcaption></figure><p><strong>Ekonomi-assistent.</strong> I dess nuvarande form, assisterar denna AI med frågor kring kontoplaner, faktureringsadresser och budgetposter. Även om mer utvecklingsarbete återstår, särskilt när det gäller systemintegrationer, är det tydligt att Finance-boten med tiden kommer att förenkla processer och minska administrativt arbete relaterat till fakturering och ekonomisk rapportering. En viktig uppgift framöver för produkter som dessa blir att säkerställa ökad kompatibilitet med andra AI-lösningar hos våra systemleverantörer.</p><p>Vi har även påbörjat implementationer av bland annat en Legal-version av motsvarande lösning, med initialt fokus på att skapa en hjälp för medarbetare att navigera sig igenom avtalshantering och legala aspekter i till exempel projektbeskrivningar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6mux5mn5p3AAeZeBBK2OrQ.png" /><figcaption>En tidig konceptskiss av den redaktionella implementeringen av Atom, vilket utvecklas som en separat produkt med ett specialanpassade gränssnitt och funktioner.</figcaption></figure><p><strong>Redaktionellt stöd. </strong>De redaktionella appliceringarna av Atom hanteras av ett dedikerat team, som dels utvecklar skräddarsydda gränssnitt ovanpå plattformen men som även skapar ny funktionalitet där andra centrala AI-satsningar vävs samman med Atom-konceptet.</p><h3>En personlig analytiker</h3><p>En avgörande teknisk milsten för projektet skedde när vi utöver de specialiserade botarna (Atoms personas) även påbörjade utforskandet av funktionalitet som kopplar samman Atom med Bonnier News data. Utöver affärsdata och statistik har Bonnier News sedan länge centraliserat sitt data för innehåll och interaktioner i produkter spridda över koncernens varumärken och produkter. Genom att presentera Atom i rollen som en analytiker öppnar vi upp för att alla medarbetare med behov av analyser och dataunderlag i praktiken har tillgång till en personlig analytiker.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kVwgZ7AcWegYv9dAU925_w.png" /><figcaption>Analysversionen av Atom</figcaption></figure><p>Ur ett utvecklingsperspektiv innebar introduktionen av analysversionen ett flertal avgörande tekniska språng för projektet. Utöver det mest uppenbara, som funktionalitet för att hantera tabeller i SQL-databaser, ledde denna del av projektet till mer sofistikerade sätt för Atom att utan vidare inspel från användaren interagera i flera steg med underliggande system. När Atom hämtar data för att besvara en fråga och resultatet inte ser ut som förväntat kan AI:n autonomt undersöka eventuella felkällor. För att hjälpa Atom att göra detta introducerade vi även funktionalitet som gör det möjligt för Atom att lagra ny kunskap löpande, baserat på hur den coachas av medarbetare för att lösa problem och utmaningar.</p><p>Vartefter projektet har ökat i komplexitet har vi börjat förlita oss alltmer på denna dynamiska inlärning , bland annat har en specialiserad version av Atom fokuserad på redaktionell analys utformats till stor del genom interaktioner med medarbetare. Detta är även användbart i andra instanser av plattformen, då till exempel representaterför IT-avdelningen framöver kan sätta sin bot i ”inlärningsläge” och korrigera eventuella misstag och bristande resonemang.</p><h3>Nästa steg — Helpy</h3><p>Versionen av Atom som demonstreras i filmen i början av denna artikel är ett exempel på hur vi låter arkitekturen med specialiserade botar skapa synergier i form av en mer generell AI .</p><p>Det är såklart svårt att säga exakt vart vidareutvecklingen av Atom kommer att leda oss. Initialt startade projektet med fokus på att lösa kundserviceärenden, men vartefter systemet har utvecklats och förfinats har projektets omfattning växt. Vi insåg tidigt att det fanns uppenbar potential i att använda Atom som grund för en flora av specialiserade assistenter, varav några beskrivs ovan. Men ganska tidigt föddes också idéen om en generell assistent, i form en digital medarbetare som kan navigera mellan olika typer av ämnen och avdelningar. Detta koncept har vi döpt till ”Helpy”, och snarare än att enbart introducera ytterligare en assistent har vi här tagit inspiration av den typ av den modellarkitektur som ofta kallas ”Mixture of experts”. I korthet har vi byggt en rekursiv lösning där vi ger Atom förmågan att anropa sig själv, vilket innebär att ”Helpy” istället för att själv försöka söka efter rätt information ber de olika specialiserade assistenterna om hjälp.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*cmPFX9pBAvInxjgzmTaLDw.png" /><figcaption>I Hepy-konceptet flödat konversationen flödar mellan specialiserade botar.</figcaption></figure><p>Approachen med att låta en samordnande AI-assistent kommunicera med andra AI-assistenter håller komplexiteten nere, då varje enskild assistent kan hållas förhållandevis ”smal” och fokuserad. Men det skapar också en intern konversation inom systemet där flera assistenter ofta resonerar sig fram till ett svar innan det presenteras för användaren. Även om denna metod kan leda till längre svarstider, då information flödar fram och tillbaka mellan assistenterna, resulterar den ofta i bättre svar jämfört med om användaren ställer en fråga direkt till en specialiserad AI.</p><p>Botarna blir också smartare och mer effektiva gemensamt, än var för sig. Ett exempel på detta är att den samlade kunskapen kring både HR och IT gör det möjligt att svara på frågan om det är möjligt att lämna in en dator för felsökning på Skärtorsdagen. Det behövs samlad kunskap för att både kunna väga in rutiner för felsökning — och att IT-personalen har halvdag just den dagen.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_bLkoCrpnAcnLBe6Ja7W0Q.png" /><figcaption>Samtliga personas och funktioner i Atom kan evalueras automatiskt för att säkerställa ett konsekvent beteende när modeller, funktioner eller roller uppdateras.</figcaption></figure><p>Denna approach skapar en balans mellan komplexitet, specialisering och skalbarhet. Att låta AI:n arbeta i lager förbättrar förmågan att ge korrekta och användbara svar. Genom att låta assistenterna kommunicera med varandra kan systemet ge mer precisa och omfattande svar, samtidigt som det undviker problemet med att överbelasta en enda assistent med för mycket information.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JilIOqxkbBzOGRM93B4sOQ.png" /><figcaption>Urval av de typer av modeller som Atom använder sig av. Tekniskt sett fungerar systemet även på Open Source-modeller vilket i praktiken innebär att hela Atom kan köras offline/on-prem.</figcaption></figure><p>Atom är i grunden modell- och leverantörsagnostisk, vilket innebär att när vi använder rekursiva anrop inom systemet så kan ibland ett antal olika modeller användas parallellt för att producera ett relevant svar.</p><p>Sammanfattningsvis har introduktionen av Atom och dess olika personligheter inneburit ett paradigmskifte för hur Bonnier News hanterar både extern kundservice och interna processer. Genom att demokratisera tillgången till information och expertis via naturligt språk har vi skapat förutsättningar för ökad effektivitet, bättre beslutsunderlag och mer stimulerande arbetsuppgifter för våra medarbetare.</p><p>I takt med att Atom fortsätter att utvecklas och förfinas kommer dess förmåga att förstå och assistera att växa. Nästa steg, med avstamp i introduktionen av en arkitektur där multipla AI-assistenter samarbetar för att lösa komplexa frågeställningar, öppnar dörren till en framtid där artificiell intelligens sömlöst integreras i alla delar av vår verksamhet.</p><p>Vår vision är en framtid där varje medarbetare har tillgång till en personlig AI-assistent som höjer individens kapacitet och förmåga. Genom att fortsätta utforska och utveckla Atom tar vi ytterligare steg mot att realisera den visionen.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MELRCDAvy3aXj_VpkB30lw.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=780cb2e27008" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bonniernewstech/atom-s%C3%A5-gick-bonnier-news-fr%C3%A5n-ai-vision-till-aff%C3%A4rsv%C3%A4rde-780cb2e27008">Atom — så gick Bonnier News från AI-vision till affärsvärde</a> was originally published in <a href="https://medium.com/bonniernewstech">Bonnier News Tech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Var ska vi ställa vår foodtruck? AI ger oss svaret]]></title>
            <link>https://magnus-engstrom.medium.com/var-ska-vi-st%C3%A4lla-v%C3%A5r-foodtruck-ai-ger-oss-svaret-a24062798bc7?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/a24062798bc7</guid>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Thu, 22 Oct 2020 05:29:21 GMT</pubDate>
            <atom:updated>2020-10-22T06:07:05.399Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*dF5K0ndAKIq1A_EG" /></figure><p>FPX har tillsammans med Gävle Citysamverkan under en tid drivit ett projekt där vi på olika sätt kombinerar och modellerar data för att bättre förstå vilka faktorer som påverkar liv och rörelse i Gävles stadskärna. Ambitionen har från första stund varit att hitta ett tydligt affärsvärde i den data som finns tillgänglig.</p><p>Projektet är i allra högsta grad fortfarande pågående, men vi känner samtidigt att vi i det här läget har så pass mycket att visa upp att det är hög tid att publicera något. För att göra detta konkret och förhållandevis pedagogiskt kommer vi i den här bloggposten att utgå ifrån ett hypotetiskt fall, ett tankeexperiment, där vi planerar för att etablera en foodtruck i Gävle.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*YgH4nleiHkdo5PKm" /></figure><p>Hur skulle vi gå tillväga om vi bestämde oss för att lansera en foodtruck utan någon som helst tidigare erfarenhet av att driva denna typ av näringsverksamhet i Gävle? Hur mycket mat bör vi förbereda inför varje dag? Hur mycket personal behöver vi? Vilka tider ska vi hålla öppet? Var ska vår foodtruck stå?</p><p>Svaren på dessa frågor tar avstamp i hur många personer som förväntas passera vår foodtruck, och när. Det är med andra ord dags för en djupdykning i tillgängliga data för att se om vi kan lära oss något om Gävle och dess potential för vår tänkta affärsverksamhet!</p><blockquote>Innan vi fortsätter: naturligtvis har Gävle, precis som alla andra städer, påverkats mycket av coronapandemin under 2020. I den här artikeln kommer vi att utgå från data insamlad sedan tidigare. Hur Covid-19 påverkat stadskärnan förtjänar sannolikt ett eget blogginlägg vid senare tillfälle.</blockquote><h4>Hur planerar vi inför imorgon?</h4><p>För att ha en rimlig chans att planera vår verksamhet inför morgondagens matservering behöver vi skapa någon form av prediktion, en förutsägelse av vad som komma skall.</p><p>Gävle Citysamverkan har sedan början av 2016 via ett tiotal sensorer mätt in- och utpasseringar av fotgängare i stadskärnan. Mätningarna fungerar rent konceptuellt på ett liknande sätt som butiker registrerar besökare, varje gång en person passerar en mätpunkt uppdateras ett räkneverk. Tekniskt sett är Gävle Citysamverkans hårdvara mer sofistikerad än en vanlig butiks. Eftersom passeringarna mäts i båda riktningarna, in och ut från centrum, innehåller varje sensor två räkneverk.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*919Tb06XfXGOAhXz" /><figcaption>Gävle Citysamverkans sensorer runtomkring centrala Gävle.</figcaption></figure><p>I bilden ovan markeras de sensorer som varit aktiva i Gävle sedan början av 2016. Det har under åren tillkommit ett antal sensorer utöver dessa, men för att göra det lite enklare att anpassa dataseten till en maskininlärningsmodell väljer vi att bara använda de sensorer som kan ge en komplett bild ända sedan mätningarna började.</p><p>Om vi fokuserar på en enskild sensor och tittar på hur en typisk vecka kan se ut ser vi ett par intressanta saker värda att spekulera kring. I grafen nedan illustreras en typisk vecka från den inringade sensorn i kartans övre högra hörn.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*0Wepobe1TEUP3JOf" /><figcaption>Tidsseriedata som beskriver mätvärden under en vecka från sensorn vid tågstationen.</figcaption></figure><p>Den övre grafen visar rörelser in mot stadskärnan och den nedre grafen visar personer som rört sig utåt, i riktning mot tågstationen. Bilden visar värden insamlade över ett tidsspann på 168 timmar, dvs. en vecka. Vi kan nå en hel del insikter bara utifrån denna korta serie:</p><ul><li>Det är tydligt att helgerna inte följer samma mönster som vardagarna, då antalet personer som passerar sensorn sjunker markant från både fredag till lördag och lördag till söndag.</li><li>Vardagarna innehåller generellt två toppar (eller dalar, beroende på vilket värde vi tittar på) som tycks infalla samma tid varje dag. En rimlig förklaring till detta kan vara att det sker jobbpendling till och från Gävle vid dessa tidpunkter.</li><li>Det finns en tydlig skillnad mellan morgonen och eftermiddagen, där topparna och dalarna är spetsigare i början av dagen. Pendlingen tycks generellt ske mer koncentrerat under morgontimmarna än senare på eftermiddagen.. Sannolikt börjar de flesta jobba ungefär samtidigt, men återvänder hem mer utspritt under eftermiddagen och kvällen.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*VFJ6Mv2Lqoa4OtxA" /><figcaption>Sensordata från tågstationen under 2019.</figcaption></figure><p>Om vi tittar på data från denna sensor över ett helt år (2019) ser vi att flödet av människor också förändras beroende på när på året mätningen sker. I början och i slutet av året, undantaget mellandagarna, är det betydligt fler personer som rör sig i området runt tågstationen än mitt under sommaren. Mönstret där helgen avviker från resten av veckan är konsekvent, vilket vi ser tydligt på denna bild, och det är förhållandevis enkelt att räkna veckorna bara genom att titta på grafen.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*x_NHkiZ5YX4G-5zc" /><figcaption>Aggregat data för hela 2019.</figcaption></figure><p>Om vi adderar data från resterande sensorer kan vi konstatera att samma mönster tycks återkomma på alla platser där sensorerna är uppsatta. På bilden ovan visas aggregerad data från sensorerna i kartan från inledningen. Även här är det enkelt att se veckorna under året, och att mängden personer som rör sig i Gävle city är lägre under sommarveckorna. De två tydliga avvikelserna under sommaren, en tydlig nedgång och senare en rejäl topp, beror på midsommarhelgen och en stadsfest i början på augusti.</p><h4>Korrelerade data som kan hjälpa vår modell att förstå årstider</h4><p>I vårt fall vill vi använda data för att kunna förutse hur mycket folk som kommer att röra sig i stadskärnan, så att vi kan planera för hur vi ska bemanna och driva vår foodtruck. För att åstadkomma det måste vi addera ytterligare data, som kan hjälpa vår maskininlärningsmodell att förstå skillnaden mellan olika årstider. Lyckligtvis är detta data lättillgängligt i form av temperaturvärden från SMHI. Dessutom finns även väderprognoserna tillgängliga, vilket betyder att vi kan förse vår modell med information om vilken temperatur och eventuell nederbörd som väntas de närmaste dagarna. I korthet kan vi med hjälp av väderdata beskriva hur vädret påverkar hur många som väljer att röra sig i centrum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*BJKekaWp5ZpXO3f-" /><figcaption>SMHI:s temperaturdata för 2019 projicerat över aggregat sensordata.</figcaption></figure><p>På bilden ovan visas temperaturen över hela 2019. Det finns en tydlig korrelation där rörelsesensorerna ger lägre mätvärden (den gråa grafen) under perioder då temperaturen stiger. Det går även att se ett samband mellan kalla/varma avvikelser under året och förändrad aktivitet i stadskärnan.</p><h4>Att förutspå sekvensdata</h4><p>Eftersom det sensordata vi använder i detta fall registreras i kronologisk ordning och uppdateras med fasta intervaller (en gång i timmen) kan vi använda oss av en så kallad sekvensmodell för att prediktera vilka värden sensorerna kommer att ge ifrån sig i framtiden.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*uPe6GJe5Ri0TpC_F" /><figcaption>Typisk arkitektur för en LSTM-modell.</figcaption></figure><p>Bilden ovan beskriver en typisk arkitektur för en LSTM-modell. LSTM står för “Long Short-Term Memory” och innebär att modellen tittar på slumpvist utvalda datasekvenser i tidsserieformat och försöker skapa sig en bild över hur framtiden kan se ut genom att lära sig hur olika återkommande mönster påverkar varandra. Några exempel är att modellen snabbt lär sig hur ett dygn är uppbyggt, att helgen som inträffat runt den 25:e i varje månad har mer rörelse och att hur många som rör sig runt stationen under eftermiddagen styrs av hur många som pendlar under morgonen samma dag.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*J8VtvHfdO6vy5bBJ" /><figcaption>Prediktionsdata från träningsprocessen.</figcaption></figure><p>Här ser vi en ögonblicksbild från när modellen tränar på att förutspå en sensors data. De två mjukare kurvorna är en “gissning” på hur de närmsta dagarna kommer att se ut och de kantigare kurvorna är det faktiska utfallet. Algoritmen utvärderas genom att det genereras prediktioner för dagar som redan har passerat (men som modellen inte har fått se) och sedan jämförs dessa prediktioner med det hur dessa dagar faktiskt såg ut i verkligheten.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*MKNAmUX48QVPwSLm" /><figcaption>Prediktionsmodellen “in action”.</figcaption></figure><p>Med sekventiell maskininlärning (i detta fall LSTM) kan vi genom att slå ihop data från rörelsesensorer med bland annat väderdata skapa en modell som hjälper oss att förutspå hur många personer som kommer att röra sig i stadskärnan vid olika tidpunkter under de närmaste dagarna.</p><p>Med hjälp av denna modell kan vi planera och göra snabba justeringar för vår hypotetiska foodtruck. Vi kan enkelt besvara frågor som till exempel:</p><ul><li>Kommer det att vara mycket folk i Gävle City ikväll?</li><li>Kommer morgondagen att skilja sig från samma dag förra veckan?</li><li>Hur många färre människor kommer vi att se i centrum imorgon när väderprognosen förutspår dåligt väder?</li></ul><p>Genom att applicera denna typ av data science kan vi få tydliga indikationer på hur mycket personal vi behöver, vilka öppettider vi bör ha, hur mycket råvaror vi ska beställa och hur mycket mat vi ska förbereda.</p><h4>Vart ska vi ställa vår foodtruck?</h4><p>Om vi för enkelhetens skull leker med tanken att vi kan ställa vår foodtruck var som helst i Gävle, vilken plats vore då optimal?</p><p>För att besvara den frågan behöver vi bygga en modell i form av en simulering för att beräkna vilka platser i stadskärnan vi ser mest aktivitet på. I korthet vill vi återskapa fotgängares rörelsemönster för att se vilka punkter där flest personer passerar. Vi vet redan hur många fotgängare som rör sig in och ut via de platser som sensorerna registrerar. Det vi nu behöver addera är en metod för som hjälper oss att förstå <em>hur</em> fotgängare rör sig.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*21oVtUkm_w0-XuP_" /><figcaption>Polygoner som representerar en simpel version av Gävle centrum.</figcaption></figure><p>Gävle kommun erbjuder via sitt öppna data information om fastigheter i staden. Utifrån denna fastighetsdata är det förhållandevis enkelt att manuellt rita polygoner som representerar vilka ytor som inte kan eller bör beträdas. Mer specifikt handlar det primärt om att markera byggnader och utöver det vissa vägsträckor med mycket biltrafik, som sällan korsas av fotgängare. Om vi kombinerar ihop det geografiska data vi skapat med sensorernas positioner får vi en bild enligt ovan.</p><h4>En sammanställning av det vi har</h4><p>Vi vet hur många personer som passerar in och ut mot Gävle city via olika geografiska punkter och vi kan även förutspå hur antalet personer i rörelse kommer att förändras över tid. Vi har även en grov generalisering över vilka ytor som människor kan rör sig på, och vart de inte kan röra sig. Om vi sammanställer detta kan vi konstruera en enkel modell som simulerar fotgängare. Vi kan i stort sett låta alla rörelsemönster vara slumpmässiga, men varje simulerad person startar alltid vid en sensor och rör sig initialt i riktning mot centrum. Vi introducerar även en enkel policy som säger att en individ som riskerar att kollidera med ett hinder (polygonerna vi ritat) helst fortsätter i befintlig riktning men med en korrigering som undviker kollisionen.</p><p>Eftersom vi vet hur många som passerar ut från stadskärnan blir det nu mest en fråga om att skruva på vår policy tills mängden in- och utpasseringar stämmer med det tidsdata vi använder för att göra våra prediktioner. I korthet: vi vill att de inpasserande personerna vi simulerar “hänger kvar” lagom länge, så att de passerar ut i linje med vad sensorernas data säger.</p><p>Hur många fotgängare vi simulerar vid en given tidpunkt, och var de startar, baserar vi också på vad data från sensorerna säger oss.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*eCac91rRmB283bNs" /><figcaption>Flödesprediktion baserad på sensordata och en enkel policy för rörelsemönster.</figcaption></figure><p>Sammantaget kan vi med denna metod skapa oss en lägesbild som illustrerar rörelser i stadskärnan. Även om varje enskild fotgängare i vår simulering agerar efter väldigt enkla regler så ger mönstret som framkommer en tydlig bild. Genom att analysera vilka områden som har flest passerande fotgängare kan vi välja en lämplig plats för vår foodtruck. Eftersom simuleringen baseras på tidsseriedata får vi också olika resultat beroende på vilken dag och tidpunkt vi utgår ifrån. Det är möjligt att den optimala platsen varierar beroende på omständigheter, vilket innebär att vi kan dra nytta av att vår hypotetiska foodtruck är flyttbar.</p><p>Hur vet vi då att bilden vi skapar över rörelser i stadskärnan stämmer överens med hur det ser ut i verkligheten? Det gör vi egentligen inte, åtminstone inte ur ett rent vetenskapligt perspektiv. Det vi kan konstatera är att mönstret stämmer överens med empiriska studier. Med andra ord, i den mån vi har haft möjlighet att diskutera modellen med personer som på olika sätt arbetar med att förstå och utveckla stadskärnan i Gävle stämmer bilden överens med hur de upplever att människor rör sig.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*EJ7mzTKDa-gscvSM" /></figure><p>Att addera till detta är att FPX har sitt kontor i centrala Gävle, hos DoSpace, med utsikt över Stortorget. Genom att vid olika tidpunkter studera hur människor rör sig över torget kan vi åtminstone konstatera att även dessa rörelsemönster tycks linjera med vad modellen producerar.</p><p>För att komma vidare i detta krävs dock mer data från en betydligt mer noggrant genomförd studie. Lyckligtvis pågår det inom FPX:s akademiska gren ett större forskningsprojekt på området upplevd stadsmiljö via Högskolan i Gävle, som förväntas kunna tillföra värdefulla data och nya insikter in i detta projekt.</p><p>Om vi däremot är intresserade av att placera vår foodtruck på en plats med avsikt att nå en specifik målgrupp, då finns det ytterligare en del data science-arbete som kan vara intressant att titta på.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*-Tco11QZB7rbzixn" /><figcaption>Rörelsemönster i samma polygonmiljö som tidigare, nu baserat på A*-algoritmen.</figcaption></figure><p>Denna bild visar en polygonbaserad version av en populär sökvägsalgoritm kallad A* som bland annat används flitigt i olika typer av spelutveckling. Algoritmen används för att räkna ut den (i de flesta fall) optimala vägen mellan två punkter. Genom att applicera denna algoritm kan vi producera en karta över hur en person kan tänkas röra sig mellan två platser i staden. I vårt fall kan detta vara intressant om vi till exempel vill rikta in oss på personer som rör sig mellan till exempel en sportarena och tågstationen.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/755/0*vH2SN3KOwobgVKKj" /><figcaption>En agent som lär sig navigera utifrån en policy byggd på djupinlärning.</figcaption></figure><p>Avslutningsvis kan vi även välja en mer organisk approach till hur vi vill simulera gångvägen mellan två punkter. Ett sätt som vi experimenterar mycket med för tillfället är att använda djupinlärning istället för en strikt sökvägsalgortim. Genom att applicera maskininlärning i vår geografiska datamodell kan vi skapa mer naturliga rörelsemönster. Först låter vi en modell lära sig att navigera i en generell “polygonsandlåda”, undvika hinder och leta efter belöningar. Därefter kan vi lyfta över den tränade modellen till vår simulation. Effekten av detta blir att vi kan introducera mer komplexa regler som kan ligga till grund för hur en individ förväntas röra sig. Till exempel kanske en person inte väljer att ta den faktiskt kortaste vägen utan istället den väg som flest andra personer rör sig. I en förlängning kan vi på detta sätt göra vår simulation mer incitamentsdriven och därmed kanske introducera logik som säger att sannolikheten att en person i centrum ska röra sig mot vår foodtruck korrelerar med hur lång tid personen befunnit sig i rörelse.</p><p>Reinforcement Learning (djupinlärning) är också ett ämne som vi har anledning att återkomma till vid ett senare tillfälle i andra sammanhang relaterade till arbetet som pågår hos FPX.</p><h4>Vad vi har lärt oss</h4><p>Genom att välja ett tydligt case och applicera data science på lättillgängligt, relevant samhällsdata upplever vi att det går att påvisa faktiskt affärsvärde. Det går sannolikt att utifrån detta projekt till hög grad besvara frågorna som ställdes i inledningen av detta blogginlägg. Vi vet hur många personer som förväntas befinna sig i stadskärnan under morgondagen, och vi har en övergripande idé om var vår foodtruck har störst potential att exponeras för så många förbipasserande som möjligt.</p><p>Ambitionen med detta arbete är naturligtvis inte att FPX och Gävle Citysamverkan ska starta näringsverksamhet i form av en foodtruck. Processen ska däremot hjälpa oss att förstå hur vi kan modellera och presentera data på ett sätt som sänker behovet för Gävle Citysamverkans medlemmar att själva besitta resurser och kompetenser för att göra djupt analysarbete. När projektet nu rullar vidare kommer fokus att skifta mot verktyg som kan hjälpa oss att bära ut detta i för målgruppen välanpassade gränssnitt.</p><p>Utöver ett arbete med att produktifiera det som finns tillgängligt i nuläget behöver vi också fortsätta utveckla modellerna. Data som vi gärna vill addera kan till exempel handla om parkeringsbeläggningar, kollektivtrafik och aggregat data över enheter uppkopplade mot wifi-hotspots.</p><h4>Kontakta oss!</h4><p>Vill du veta mer om hur projektet fortlöper, ta del av resultaten eller själv bidra till arbetet? Kontakta oss gärna.</p><p>Henrik Mazzanti — Processledare, FPX<br><a href="/service/mailto:henrik.mazzanti@fpx.se">henrik.mazzanti@fpx.se</a></p><p>Daniel Swärd — Verksamhetsansvarig, Gävle Citysamverkan<br><a href="/service/mailto:daniel@gavlecity.se">daniel@gavlecity.se</a></p><p>Magnus Engström (som skrivit detta inlägg) — CTO, FPX<br><a href="/service/mailto:magnus.engstrom@fpx.se">magnus.engstrom@fpx.se</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a24062798bc7" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Några tips på vägen om du vill använda djupinlärning för att lösa svåra labyrinter]]></title>
            <link>https://magnus-engstrom.medium.com/n%C3%A5gra-tips-p%C3%A5-v%C3%A4gen-om-du-vill-anv%C3%A4nda-djupinl%C3%A4rning-f%C3%B6r-att-l%C3%B6sa-sv%C3%A5ra-labyrinter-295ac7923fc4?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/295ac7923fc4</guid>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Thu, 17 Sep 2020 09:13:25 GMT</pubDate>
            <atom:updated>2020-09-17T09:13:25.177Z</atom:updated>
            <content:encoded><![CDATA[<iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F3eW3YpZmi0o%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D3eW3YpZmi0o&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F3eW3YpZmi0o%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/accc12e9e90f98ed532f2d97609b1c7a/href">https://medium.com/media/accc12e9e90f98ed532f2d97609b1c7a/href</a></iframe><h3>Några tips på vägen om du vill använda djupinlärning för att lösa svåra labyrinter</h3><p>Nedan följer några konkreta tips på vad som kan vara viktigt för att skapa en generell maskininlärningsmodell som kan lösa en rutnätsbaserad miljö (läs: en labyrint) med slumpartad komplexitet.</p><p>Här hittar du ett komplett Python-projekt som använder Tensorflow: <a href="https://github.com/magnus-engstrom/grid-maze-dqn">https://github.com/magnus-engstrom/grid-maze-dqn</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DwEQ5OU0OEor3KrdCBbWlg.png" /><figcaption>En relativt stor och komplex labyrint som navigeras av en maskininlärningsmodell</figcaption></figure><h3>Återanvänd minnen som modellen har svårt att förutsäga utfallet av</h3><p>Ett trick som verkar ge bra utfall i den här typen av djupinlärning är att låta modellens minne hålla kvar förflyttningar vars belöningsvärde skiljer sig markant från vad modellen förväntade sig. Detta motverkar “katastrofal glömska”, där modellen långt in i träningen plötsligt börjar göra samma fel som den gjorde i början av träningen.</p><h3>Ge inte modell tillgång till ett komplett state</h3><p>Om modellen tränar på ett state som motsvarar hela miljön kommer den att lära sig att navigera en miljö av den specifika storleken (och till vis grad en fast komplexitet). För att kunna lösa en godtyckligt stor labyrint av varierande svårighetsgrad presterar modellen bättre om den tränar på ett state som bara representertar agentens direkta omgivning (dvs, ett state realtivt agenten). Men utöver detta får modellen också ett par värden som indikerar i vilken generell riktning närmaste belöning finns.</p><h3>Markera vart agenten redan har befunnit sig</h3><p>Litegrann som det klassiska spelet Snake, låt modellen veta om agenten rör sig på rutor där den redan befunnit sig tidigare och ge den en negativ belöning när detta sker. Rensa dock minnet över tidigare positioner om agenten hittar en belöning (till skillnad från hur Snake fungerar).</p><h3>Börja med hög learning rate (LR) och discount factor</h3><p>I den typ av modell som det här projektet innehåller tycks en inledningsvis (relativt) hög inlärningshastighet som sakta sänks i takt med utforskningsgraden ge bäst resultat. En statisk låg LR resulterar i en modell som inte kan korrigera tillräckligt väl för den dynamiska omgivningen. När det gäller discount factor refereras det ofta till att den generellt bör ligga någonstans runt 0,92–0,96 för djupinlärning i enkla miljöer. Men eftersom en positiv belöning i detta fall ibland kan ligga närmare 100 steg bort verkar ett högre värde (&gt;0,98) ge bättre effekt, vilket är logiskt eftersom det är detta värde som avgör hur modellen förhåller sig till framtida belöningar.</p><h3>Var väldigt nog med att belöningarna uppmuntrar rätt beteende</h3><p>Detta är knappast något unikt för just det här fallet av reinforcement learning, utan snarare själva grundplattan för alla appliceringar av denna typ av maskininlärning. Men det är ändå värt att understryka vikten av att verkligen belöna agenten av rätt anledning när den rör sig genom labyrinten. Dessa värden är det underlag modellen använder för att skapa det regelverk (policy) som styr hur agenten beter sig. Ett bra exempel är att agenten kan välja att avsluta omgången i förtid om kostnaden att röra sig långa sträckor överstiger den positiva belöningen som motsvarar att nå målet. När agenten studeras ser det då ut som att den enkelt lär sig att röra sig mot mål i närområdet, men att den konsekvent vägrar att försöka ta sig mot mer avlägsna mål.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=295ac7923fc4" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Nudge — Din AI-coach i vardagen]]></title>
            <link>https://magnus-engstrom.medium.com/nudge-f6fcbe54237d?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/f6fcbe54237d</guid>
            <category><![CDATA[livsstil]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[hälsa]]></category>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Wed, 08 May 2019 06:11:02 GMT</pubDate>
            <atom:updated>2019-05-08T13:29:59.524Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3MlboURPsUH0blxt0Axm4w.png" /></figure><h3>Nudge</h3><h4>Din AI-coach i vardagen</h4><p><em>Det tog nästan ett år att ta sig hit, men nu är äntligen Nudge lanserad. Fritidsprojekt tenderar att ha en ojämn takt, och det är i allra högsta grad sant även för detta projekt. Det främsta anledningen till att arbetet har fortlöpt är den feedback vi fått från vår tålmodiga testgrupp.</em></p><ul><li><a href="https://itunes.apple.com/se/app/nudge/id1440471779?mt=8&amp;fbclid=IwAR24-Tub-eMegHnoFbRUuOnKkPdeC5pcV0fhZBta09ydfa4R9nEqa6XcyfY">Nudge för iOS-enheter (iPhone)</a></li><li><a href="https://play.google.com/store/apps/details?id=com.magnusengstrom.nudge&amp;fbclid=IwAR0s2wGNqo4BwUvI-7it9Iv3_8t0AQgktCF2NmIsUJcPD_IK8BMfqBM9DcY">Nudge för Android</a></li></ul><p>Jag spenderade mycket tid förra året åt att fundera över förhållandet mellan digitala tjänster och belönande vardagar, och om det går att beskriva detta med maskininlärningsmodeller. Den mest intressanta aspekten av maskininlärning, anser jag, är möjligheten att hitta nya intuitiva kopplingar mellan produkter och användare. Efter att ha bollat frågan med Katarina Ellemark och Andreas Franzén under en middag lyckades vi tillsammans hitta konturerna av det som till slut skulle komma att bli Nudge.</p><p>Vi vet nog ärligt talat fortfarande inte riktigt varför vi har byggt den här produkten, men kanske är svaret så enkelt som att vi ville testa en idé vi tror på. Det finns ingen tydlig affärsmodell inbakad i konceptet, vilket i praktiken gör att vi idag inte har något sätt att tjäna pengar på appen. I grund och botten handlar det mest om en strävan efter att göra något nytt och kreativt genom att ta avstamp i vad forskning säger om hur digitala vanor och beteenden uppstår.</p><p>En viktig aspekt i utvecklingen var också att bygga något kontextoberoende. På sikt vill vi kunna anpassa Nudge för andra enheter än telefoner, som till exempel smarta hemassistenter, utan att tvingas förändra grundfunktionaliteten.</p><p>Vad produkten faktiskt är och vad du kan förvänta dig om du testar den, det ska jag försöka reda ut nedan.</p><h4>Vad är Nudge?</h4><p>Nudge är en app som genom att lära känna dig försöker skapa en mer belönande vardag. Logiken utgår från det som inom beteendeekonomin sedan länge kallas för nudging, eller på svenska ibland för puffning. Att med enkla knuffar och puffar påverka individens val för att maximera den gemensamma nyttan utan att kräva en stor insats. Ett exempel är att visa på effekten vardagsmotion eller minskat matsvinn kan ha. I vår app har vi tagit fasta på att olika personer har olika ambitioner, och syftet med den här produkten är att hjälpa dig att utvecklas i den riktning du vill eller behöver genom att ta ett litet steg i taget.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*FYXvpaw-XJ63cfIu" /><figcaption>Med rätt typ av produkt går det att demokratisera tekniskt avancerade lösningar genom att erbjuda simpla gränssnitt. Nudge använder neurala nätverk för att förstå sambanden mellan olika uppmaningar och användare.</figcaption></figure><p>Se det som din AI-kompis som ibland underhåller dig och som ibland håller dig på tå. Kanske behöver du en liten knuff för att komma igång med ett projekt? Kanske behöver du göra dig av med en vana eller skaffa dig en ny? Nudge är en produkt som försöker hitta rätt tajming i din vardag för att uppmana dig att göra saker som kan vara belönande.</p><p>Låter det förvirrande? Jag förstår det, men häng kvar så ska jag försöka göra det lite tydligare. Låt oss testa en annan vinkel.</p><h4>Vad är inte Nudge?</h4><p>De allra flesta digitala tjänster som produceras idag bygger på att kontinuerligt kräva mer och mer tid av sina användare. En välbyggd konsumtionsprodukt ökar ditt engagemang genom att hålla dig fokuserad på att belöningen du söker kan ligga i nästa virala video, nästa spinn på rouletthjulet eller i nästa artikel med en lockande rubrik. Kampen om din uppmärksamhet är hård, och de flesta appar du använder idag mäter framgång genom hur mycket och hur ofta du interagerar med dem. Du har säkert digitala platser du besöker flera gånger om dagen bara för att försäkra dig om att du inte missat något.</p><p>Nudge är inte en produkt som avkräver dig ett högt engagemang. Vi har snarare ansträngt oss för att designa appen på ett sätt som gör att du inte <em>kan</em> öka ditt engagemang i appen. Syftet med att använda Nudge är snarare att hjälpa dig hitta sätt att lägga ditt engagemang i andra saker. Belöningen ligger inte i Nudge utan i det faktum att du använder Nudge.</p><h4><strong>Återigen, vad är Nudge?</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*hxu31O0xGzTnhzD4" /><figcaption>Det är Mats Kingstedt som har gett formen och designspråket till Nudge</figcaption></figure><p>Nudge är en app som kontinuerligt uppmanar och utmanar dig att göra saker. Efter ett tag kommer Nudge att fråga om du genomfört en föreslagen uppmaning. Om du har accepterat en uppmaning och genomfört den kommer du att få en individuellt baserad poängsumma baserad på vad du tidigare gjort och inte gjort. Till exempel, om Nudge har lärt sig att du föredrar att göra saker i din ensamhet kommer du att få en hög poäng om du gör något socialt och extrovert. Om du redan genomfört några uppmaningar som inkluderar motion kommer du kanske att uppmanas att göra något mer fysiskt krävande och generöst belönas med poäng när du är färdig.</p><p>Nudge har massvis med uppmaningar på lager, och dessa har tagits fram på lite olika sätt. Vissa uppmaningar är baserade på facklitteratur kring mänskligt beteende, vissa har skapats i samarbete med personer med expertkunskap inom olika områden och vissa har vi helt enkelt hittat på själva genom att studera hur våra tappra testanvändare har använt produkten. Vi har också haft värdefulla diskussioner med beteendevetare kring konceptet i helhet.</p><p>För att få ordning på hur Nudge presenteras och “känns” har vi tagit stor hjälp av Mats Kingstedt, som beskriver sitt arbete i projektet såhär:</p><blockquote>Designen utgår från den inte helt vanliga beställningen “jag vet inte riktigt varför vi byggt detta, vi får se vad det blir. Men den behöver definitivt design”.</blockquote><blockquote>Så efter en process som tagit oss via för tekniskt och för flummigt så har vi landat i en första version som enklast kan beskrivas som harmonisk, tydlig och (i linje med Nudges grundidé) formbar.</blockquote><h4>Hur lär Nudge känna mig?</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZKBOWwKnJkDwXO8Lw1lmhQ.png" /><figcaption>Så fungerar det — En konceptuell översikt.</figcaption></figure><p>Det finns tre primära sätt som Nudge använder sig av för att lära känna dig:</p><ol><li>Genom att analysera vilka uppmaningar du antar och genomför (såväl som vilka du tackar nej till eller avbryter) skapas det sammanhang. Du kan föreställa dig det som en trappa av uppmaningar anpassad efter vem du är.</li><li>I bakgrunden försöker Nudge att passa in dig i grupper med andra användare. Om många användare som påminner om dig genomfört en viss uppmaning kommer du antagligen också att få den som förslag framöver.</li><li>När du får nya uppmaningar och pushnotifikationer av Nudge avgörs genom att analysera vilka dagar och tider du använder appen. Om du till exempel ofta öppnar pushar och accepterar uppmaningar under kvällarna kommer Nudge att lära sig att inte störa dig i onödan under andra tider på dygnet. Målet är att appen ska användas några sekunder åt gången, och ibland kanske med några dagars mellanrum.</li></ol><h4>Hur skyddas min integritet?</h4><p>Du kan naturligtvis ljuga för Nudge om vad du gör eller inte gör. Men då ljuger du bara för dig själv, för du är helt anonym i ditt användande av Nudge (faktum är att eftersom du inte ens kan skapa ett konto så måste du kontakta oss om du byter telefon och vill fortsätta där du slutade). Vi förstår att om appen ska fungera måste du kunna lita på intimiteten mellan dig och Nudge, precis som i en relation till en vän i verkligheten.</p><h4><strong>Vad händer nu?</strong></h4><p>Om du vill testa Nudge så kan du använda någon av länkarna nedan. Appen är som sagt gratis, men även om du inte laddar ner den är jag ändå tacksam för att du läste det här blogginlägget.</p><ul><li><a href="https://itunes.apple.com/se/app/nudge/id1440471779?mt=8&amp;fbclid=IwAR24-Tub-eMegHnoFbRUuOnKkPdeC5pcV0fhZBta09ydfa4R9nEqa6XcyfY">Nudge för iOS-enheter (iPhone)</a></li><li><a href="https://play.google.com/store/apps/details?id=com.magnusengstrom.nudge&amp;fbclid=IwAR0s2wGNqo4BwUvI-7it9Iv3_8t0AQgktCF2NmIsUJcPD_IK8BMfqBM9DcY">Nudge för Android</a></li></ul><p>Vi vill väldigt gärna ha din feedback, om du bestämmer dig för att ge Nudge en chans.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f6fcbe54237d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Building an AI to navigate a maze]]></title>
            <link>https://magnus-engstrom.medium.com/building-an-ai-to-navigate-a-maze-899bf03f224d?source=rss-82e7e4096ce7------2</link>
            <guid isPermaLink="false">https://medium.com/p/899bf03f224d</guid>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[Magnus Engström]]></dc:creator>
            <pubDate>Fri, 08 Mar 2019 09:20:06 GMT</pubDate>
            <atom:updated>2019-03-08T09:34:15.927Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3tRTIH9LJwQoPF2kgMeJpg.png" /></figure><p>A couple of weeks ago I set out to do a hobby project. The ambition is that I would like to create some kind of digital representation of a city block, in which I am able to simulate citizens with different preferences and motives (like going to work, shopping or finding a restaurant). This, of course, is not a type of project that I ever see myself (or anyone else for that matter) completely finishing, but I will try to iterate and increase the scope until complexity becomes to much to handle. Before I reach that point I’m hoping for an interesting and humbling journey, and I will do my best to document any progress.</p><p>This project came to be out of three reasons:</p><ol><li>I wanted some kind of visual project that would help me sharpen my understanding of neural networks, preferably through direct feedback.</li><li>From time to time I like to dabble with basic game development (try <a href="https://play-toggle.herokuapp.com/">Toggle</a>, you can play it in your browser), and it was time to scratch that itch.</li><li>I like the concept of genetic programming and evolutionary algorithms, and wanted a sandbox for trying it out.</li></ol><p>I figured that the first step would be to do a pathfinding experiment, and I will go through the result of that work in this blog post. I posted a video showcasing the outcome, and before we dive into the various parts that make up this experiment I strongly recommend that you watch it.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FlYeIKwKcLIU%3Ffeature%3Doembed&amp;url=http%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DlYeIKwKcLIU&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FlYeIKwKcLIU%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/2702be7afef6d82c2d57976e14e1aab5/href">https://medium.com/media/2702be7afef6d82c2d57976e14e1aab5/href</a></iframe><h3>Using AI to navigate a maze</h3><p>The concept of this first pathfinding experiment is quite simple.</p><ol><li>A swarm of agents move randomly in a maze, starting from a predefined starting point.</li><li>A soon as an agent hits a wall that agent is deactivated.</li><li>When there are only a few active agents left the simulation stops.</li><li>When the simulation stops, data from the agents with the shortest path left to the target area is used to train a neural network model.</li><li>When the simulation restarts the agents will tell the model about what they “see”, and the model will give instructions about how to move in the environment.</li><li>The longer time an agent lives, the higher probability of a mutation. This means that the agent will make some random movements.</li><li>Sometimes a random movement places an agent closer to the target area. The machine learning model will learn from this and get better at navigating the maze (like evolution).</li><li>When the AI is able to go from start to finish the starting point is moved to somewhere else in the maze. If the AI have truly learned how to make decisions based on the environment, rather than just memorizing when to do turns, a new starting position should not be a problem.</li></ol><h3>Building the environment (the maze)</h3><p><em>For the frontend parts (the maze and the agents) I used JavaScript.</em></p><p>For this first project I figured that using a maze-like environment would be a good start. The final version was a simple maze, but it still had enough complexity to ensure that the neural network would have to learn about the environment before managing to navigate all the way through.</p><p>While working with the design of the maze I soon came to realize that making the maze progressively harder closer to the target area had a bad effect on the learning curve of the machine learning model. Placing the tricky parts closer to the starting point clearly generated better results.</p><p>Also, I made sure that to be able to complete the maze the AI would need to navigate in all directions.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/892/1*R6bnp_DkaNUEoZVddmXYWw.png" /><figcaption>The grid as an array and the rendered maze. 0=empty area, 1=wall, 2=spawnpoint, 3=target</figcaption></figure><p>The obvious go-to solution for building a simple maze is to use a grid system. The very simple concept for this is that a function goes through a table, row for row and column for column, of integers and convert every entry to a object in code.</p><h3>Generating the agents</h3><p><em>A short note on terminology: What is a good name to call a citizens of the maze world? Since it’s a maze, “player” would work. Since we are dealing with a swarm we could also go with “swarm member”. When talking about machine learning the context in which a model operates is often called an “environment”, and the representation of the model in this environment is called an “agent”. I decided to go with the later.</em></p><p>When doing rendering and calculations every update/cycle/iteration can be referred to as a frame. The world in which the agents live runs at 60 frames per second. Since I wrote the frontend parts in JavaScript there is a nice browser function called requestAnimationFrame() that can be used for running the cycles. The best part of using this function is that it is only active when the browser window is open, which means that I don’t have to worry about accidentally forgetting to shut down the simulation and draining the memory of my laptop.</p><pre>doCycle = function() {<br>  console.log(&#39;running&#39;);<br>  window.requestAnimationFrame(doCycle);<br>}</pre><p>Every time the simulation restarts 50 agents are rendered at the starting position. The default state of every agent is to move at a random direction, but after the first restart of the simulation the instructions from the AI often takes priority. If the AI is unable to do a reasonable prediction of where to move, or if the agent is getting old, the agent will fall back on doing random movements. This is how mutations happens, and by studying the cases when a lucky mutation makes the agent perform better the AI is able to learn new things.</p><p>When an agent hits a wall that agent is deactivated. When this happens something called the <a href="https://en.wikipedia.org/wiki/A*_search_algorithm">A* algorithm</a> is used for evaluating the performance. This is a very useful type of algorithm that works especially well for measuring distances in simple grid-like environments When the simulation stops the agents with the best score from using the A* algorithm are marked as the agents who will be used as training data for the machine learning model.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/697/1*JTL5GgoqC9LBtTumReJ4iw.png" /><figcaption>In this figure the best performing agent is 28 steps away from the target area.</figcaption></figure><h3>Collecting data</h3><p>Every agent logs all individual movements as long as it is active. All logs from well performing agents are used as training data for the machine learning model before the start of a new simulation cycle. A log is made up of rows of data that describes the life of an agent. There are two parts of every row: sensor data that describes the environment as the agent experienced it and a directional value that tells in what direction the agent was moving.</p><h4>Collecting sensor data and detecting collisions</h4><p>Data is collected through sensor data. 60 times a second (once per frame) every agent cast rays in eight directions (up, down, left, right and all diagonals). Only the closest ray intersection is stored in the agent’s log, meaning that the agent is not able to see through walls.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/735/1*yfwje8xJaj_5FU_yemHqlw.png" /><figcaption>In this log example the agent is moving in the left direction (0). The sensor data indicates that the agent is getting closer to a wall to the left, and further away from a wall to the right.</figcaption></figure><p>To add some detail into this: The solution I choose for getting the correct distance measurement on each ray is by checking for line intersections. The maze is made up of a grid, and every tile of the grid is represented by a square. Every square have for sides, and every ray from every agent is checked for intersections with those lines on every frame cycle. After iterating through all possible intersections the intersection closest to the agent is used to set the distance for each ray.</p><pre>rayIntersection = function(x1, y1, x2, y2, x3, y3, x4, y4) {<br> if ((x1 === x2 &amp;&amp; y1 === y2) || (x3 === x4 &amp;&amp; y3 === y4)) return false</pre><pre> denominator = ((y4 - y3) * (x2 - x1) - (x4 - x3) * (y2 - y1))<br> if (denominator === 0) return false<br> let ua = ((x4 - x3) * (y1 - y3) - (y4 - y3) * (x1 - x3)) / denominator<br> let ub = ((x2 - x1) * (y1 - y3) - (y2 - y1) * (x1 - x3)) / denominator<br> if (ua &lt; 0 || ua &gt; 1 || ub &lt; 0 || ub &gt; 1) return false<br> let x = x1 + ua * (x2 - x1)<br> let y = y1 + ua * (y2 - y1)<br> return {x, y}<br>}</pre><p>This is how the JavaScript code to find a ray intersection looks. The ray starts at x1,y1 (the position of the agent) and ends at x2,y2 (a position far outside of the maze, just for safe margins). The line the ray is being checked against starts at x3,y3 and ends at x4,y4 (a side of a square). This is more or less a copy-paste from <a href="https://stackoverflow.com/questions/13937782/calculating-the-point-of-intersection-of-two-lines">Stack Overflow</a></p><p>The reason for doing these compute heavy calculations instead of a simpler approach is that I can see the project in time evolving to use more complex polygonal shapes than only perfect squares.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OxL8l8uKErZ5ADY2nff5tQ.png" /><figcaption>Sensor data. The agents are only able to see and record the environment through eight directions, which gives a very low granularity (but good enough for simple navigation).</figcaption></figure><p>Collision detection (thankfully) comes as bonus from how the data is collected. To detect if an agent is colliding with a wall the only thing needed is to check if any sensor is returning a value close to zero. If a sensor is expected to reach zero within a few frames the agent is deactivated.</p><p>Because of the low data resolution (eight data points) it is entirely possible that some obstacles stays undetected in a dead angle until the agent is fairly close to it. To avoid this in the future I’m experimenting with a radar approach for the next iteration, in which measuring is done by using a sweeping ray rather than the static directions I use now. This will however impact performance (measuring 360 directions instead of 8), and to accomplice this I might decide to implement some kind of frame skipping. The effect a radar approach would be fewer samples (rows in the agent’s log) but higher granularity per sample.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/1*hv2IV6GWpP3incvi2csirA.png" /><figcaption>Directional sensors are able to see five blocks in this figure. A radar would be able to see three additional blocks.</figcaption></figure><h3>Machine learning</h3><p><em>For the backend parts (the machine learning and the web app to serve the frontend parts) I used JavaScript. The neural network is designed using Tensorflow and Keras.</em></p><p>Everything regarding setting up the actual simulation was pretty straight forward. It does take some planning of the system design to make everything in its right position (and in a timely manner) and to handle game specific things like collision detection. But in the end it just comes down to tweaking all parameters until a good enough-state is reached.</p><p>To actually choose the most appropriate ML-model and then set it up can be somewhat tedious. Approaching this from the wrong direction can take much time and still yield no good results. Initially I was thinking about using a SVM (Support Vector Machine) model. But the complexity of the dataset, desired output and having the model learn over time (so called online learning, also possible with SVM but harder to evaluate) led me towards using a neural network. <em>I will talk more about the output data later in this article.</em></p><p>Before doing this project I didn’t have much experience with artificial neural networks, and this field holds a broad range of different types of architectures.</p><h4>Architecture</h4><p>Choosing the right approach took a lot of reasoning. To give an example: It can be argued that this type of training data can be seen as time series data. Let’s say that an agent is created at time zero, and every time a new row is added to the data log the aggregated number of milliseconds since the time of creation is added in a column on that row. By doing this a neural network model well suited for time series data (like LSTM) can learn the exact timing for changing direction. “When 4000 milliseconds have passed I will turn right.”. This would probably result in good performance when starting at the initial spawn point, but as soon as I change either the starting point or the position of the goal the timing will be off, and whatever the modell learned about 4000 milliseconds will no longer hold true. I’m over simplifying a lot here (a LSTM could for example learn in discrete steps instead of a continues flow), but in any case I decided to go with a simple approach.</p><p>The model I ended up with is a feedforward neural network that is presented with sensor data from an agent and tries to predict the best direction for that agent in its current environment. In short, every time the model is asked to decide on a direction for an agent the data sent to the model only tells what the agent have “seen”, nothing about how it have been moving. Things like speed and acceleration is left out of the data provided to the model. This works surprisingly well however, with one caveat: since the data doesn’t tell anything about the speed of the agent the model sometimes predicts the completely opposite direction. To handle this I have added some friction into the agents movements controller so that the agents always prefer to continue forward or turn at maximum 90 degrees.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LQsq9pjCtKPuWyL213Wrdg.png" /><figcaption>To get a better understanding of the data these plots are useful. The figure to the far right shows the different directions used to navigate the maze from start to finish. The other two figures shows how these directions correlate to sensor data values.</figcaption></figure><p>The first thing to note about designing neural networks is that if the data is linearly separable there is no need for any hidden layers. This means that if I’m able to plot my training data and separate the different directions (my labels) by straight lines a input layer (where the training data enters the model) and a output layer (where the predictions are outputted) would be enough. I feel that it is not unreasonable to think that data representing dots moving on a flat surface could be represented linearly by splitting the data in different sets and use multiple models for predicting different directions. But since I wanted to use only one model for predicting all possible directions (up, down, left right) at once it felt logical to include hidden layers instead of trying to split the dataset over several models.</p><p>I ended up using two hidden layers. The upside of having two hidden layers is that it can represent any function and it reduces the need for having many neurons in a single hidden layer. The downside is that it adds to the complexity, training takes longer time and there is a risk of overfitting.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*i6YgLsM-uR2HD1geh3RVtQ.png" /><figcaption>The layers in the network, as they are configured in Tensorflow/Keras and as a simple graph. The first layer (input) takes eight data points (left, left-up, up, up-right, right, right-down, down, down-left) and the last layer (output) gives estimations for four directions (left, up, right, down).</figcaption></figure><h4>The output</h4><p>To decide which direction to travel is a classification problem. As mentioned earlier in this article the labels sent in with the training data (the features) are integers, where every number represents a direction. After experimenting a bit with the different types of classifiers I chose sparse categorical crossentropy as output. This is a multi class approach, and the predicted probabilities for every class are presented in an array. Say for example that the right direction for an agent is left, and that the class “left” is represented as the number zero (0) when presented as a label. In that case, to be accurate, the model should return the highest value for position zero in the output array.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/1*6rZbqnd_GW59z_0vBD4aDg.png" /><figcaption>On this figure: The input data shows that the agent have good margins to the left and up, and the neural network correctly outputs left as the best direction to go.</figcaption></figure><h4>Batch sizes</h4><p>What is a good batch size for this type of training? I did some experimentation with finding a dynamic value for batch sizes (like, for example, the number of rows in the training data divided by the number of agents), but in the end I just settled with a nice round number of 100 rows per batch, which seemed to give a reasonable result.</p><h4>Epochs</h4><p>Initially I tried to keep the number of epochs down to avoid overfitting, bu</p><p>t after doing some research I instead applied an early stopping function as a callback in the fitting function of the model.</p><pre>early_stoppage = EarlyStopping(<br> monitor=&#39;sparse_categorical_accuracy&#39;,<br> min_delta=0,<br> patience=2,<br> verbose=0, <br> mode=&#39;auto&#39;<br>)<br>classifier.fit(X, y, batch_size=100, epochs=15, validation_split=0.2, callbacks=[early_stoppage])</pre><p>By doing this, and setting the number of epochs to 15, the training stops as soon as the loss starts to increase or when the hard limit of 15 epochs is reached. In most cases when running the simulation the model does somewhere around 7–8 epochs per training set.</p><h4>Multiple models</h4><p>The risk of getting stuck at a local optima is very high in a context like this, and to get around this I have used several models working togheter.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vMIMzaNWfwHyfxEuP6Rerw.png" /><figcaption>Model 1 stops making progress, and model 2 takes over using some of the best training data used for model 1. When model 2 also stops making progress a new model (model 3) is generated and starts from scratch. After awhile the knowledge acquired from model 2 and model 3 are transmitted to model 1.</figcaption></figure><h4>I’m truly impressed of you made it all the way down here, thank you for reading!</h4><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=899bf03f224d" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>