Hvad sker der mon, hvis man sender håndtegninger til et neuralt netværk, der er oplært med fotografier?
Det var den oprindelige tanke, der førte til udviklingen af spillet Quick, Draw!, hvor spillere får 20 sekunder til at tegne en kat/cykel/sofa eller lignende, hvorefter et neuralt netværk forsøger at gætte, hvad spilleren har tegnet.
Det var danskeren Jonas Jongejan, der under et hackathon hos Google Creative Lab fik idéen til spillet.
Temaet for hackathonet var API'er, og Jonas' gruppe havde fået til opgave at lave noget spændende med Googles Cloud Vision API.
– Det er et klassisk klassifikations-API: Du sender et billede op i skyen, og så sender Google-skyen et par ord tilbage, der beskriver billedet. Vi sad og brainstormede: Hvad kan vi finde på? Det skal gerne være lidt gakket, når det er et hackathon. Min idé var at undersøge, hvad der egentlig sker, hvis man sender stregtegninger til API'et, fortæller Jonas Jongejan.
Det viste sig, at klassifikationen af stregtegningerne var OK, og derfra var idéen om at lave det til et spil født. Prototypen blev udviklet i løbet af hackathonet, og i november 2016 blev en produktionsmoden version lagt ud på web. Et år senere havde millioner af mennesker verden over håndtegnet mere end en milliard tegninger.
Deriblandt Prosabladets skribents 10-årige søn, der er vild med Quick, Draw! og dermed medvirkende årsag til denne artikel.
Jonas Jongejan er ikke en hardcore-softwareingeniør, der har specialiseret sig i esoteriske machine learning-algoritmer.
På sin LinkedIn-profil betegner han sig selv som selvlært, og hans indgang til teknologien var via teaterarbejde.
– For omkring 10 år siden startede jeg med at lave teater i København, hvor vi lavede interaktive scenografier. Her programmerede jeg scenografi-design, eksempelvis projektioner på gulvet, som danserne kunne interagere med. Der var en masse små teknologiske bidder, der skulle bindes sammen, så det kunne lykkes, forklarer Jonas.
ML er bare en algoritme, der er trænet på et givent datasæt. Som forbruger af AI skal man vide, at den kun er så god som de data den er trænet på, siger han.
De mange tekniske færdigheder, han løbende samlede op via scenearbejdet, førte blandt andet til, at han var med til at lave det interaktive scenedesign for Eurovision i København i 2014. For tre år siden var Jonas på et tre måneders kursus hos School For Poetic Computation (SFPC) i New York, og her drak han en dag kaffe med CTO'en hos Googles Creative Lab.
Den kaffeaftale førte til, at Jonas i dag arbejder hos Google Creative Lab i New York som Creative Technologist; en stillingsbetegnelse, som ikke er udbredt i Danmark.
– Det er et begreb, der anvendes i USA og er en jobbetegnelse for folk, der arbejder i krydsfeltet mellem kreative medier, design/kunst og så udvikling og programmering. Det er kendetegnende, at folk hopper mellem forskellige teknologier og er meget agile med at finde løsninger. Der er ingen, der er eksperter i C++ eller Java, men man finder ud af, hvad der fungerer bedst i den givne situation, forklarer Jonas.
Det er via open source-værktøjer og frameworks som Processing og OpenFrameworks, at Jonas lærte at bruge programmering til kreative formål.
– Jeg har lært gennem de kreative miljøer, som findes i programmeringsverdenen. Processing er et værktøj, der er udviklet til designskoler og kunstskoler. Det er indgangsvinklen for rigtigt mange folk i mit felt og der, hvor jeg lærte at programmere Java. Et andet værktøj er OpenFramework, som er i C++.
For Jonas har teknologien altid været et middel til at opnå et mål, selvom ansættelsen hos Google selvfølgelig har givet teknologien en central rolle i hans arbejde.
Det er dog stadig vigtigt for Jonas, at det ikke bliver teknologi for teknologiens skyld.
– I dag hos Google er det selvfølgelig teknologien, der er udgangspunktet, men når det kommer til den praktiske implementering, skal der gerne være en større idé bag.
En af den slags større idéer er demokratiseringen af AI, som Google's CEO, Sundar Pichai, talte om på Google I/O-konferencen forrige år.
Det er en idé, som passer perfekt ind i Jonas' verdenssyn
– Min personlige mission og min gruppes mission er at lave nogle projekter med historier og fortællinger, der viser, hvad AI er. De her eksperimenter med håndgribelig interaktion er meget værdifulde i debatten om AI. Som i tilfældet med din søn. Når I senere taler om AI, kan I referere til Quick, Draw! og have noget konkret at hænge AI op på.
Han håber også, at hans projekter kan være med til at afmystificere AI-feltet.
– ML er bare en algoritme, der er trænet på et givent datasæt. Som forbruger af AI skal man vide, at den kun er så god som de data den er trænet på, siger han.
Jonas kan ikke sige noget om, hvilke projekter han kommer til at arbejde med i 2018, men målet er at lave projekter, der kan inspirere folk til at anvende AI på nye måder.
– Forhåbentlig vil det give inspiration til ingeniørerne, der udvikler de nye teknologier og samtidig vise, hvad fremtiden kan give udviklerne ude i marken: Her kommer en ny teknologi, der er sjov at lege med. Se, hvad den kan bruges til.
Du kan læse mere om Googles AI-eksperimenter og -værktøjer, herunder Quick, Draw! her:
Jonas er selv rundet af de kreative programmeringsmiljøer og håber, at han kan være med til at give miljøerne nye værktøjer, som de kan lege med.
– Vi vil nok se flere projekter, der kan anvendes på kodeplan. Vi er meget fokuserede på at lave ting, der kan aktivere de kreative udviklingsmiljøer. Specifikt for ML og AI er der et gigantisk potentiale for at give teknologier til kreative folk og lade dem komme med nye idéer og teknologier, som vi ikke har tænkt på før. Hvis vi skubber teknologien ud til flere folk, der ikke har en ph.d. i machine learning, vil der komme projekter, som en forsker eller softwareingeniør aldrig ville have drømt om, siger Jonas Jongejan, der samtidig opfordrer Prosabladets it-professionelle til at være åbne for nye muligheder og folk med en lidt anderledes baggrund.
– It-folk skal også være åbne for nye teknologier og idéer samt folk med skæve input til projekter, som man ikke har tænkt på. Selvom man ikke har en uddannelse som datalog, kan man godt arbejde på projekter, som skubber til datalogifeltet.
Den opfordring er hermed givet videre til Prosabladets læsere, ligesom denne skribent vil opfordre læserne til at udforske Quick, Draw! og nogle af de andre projekter, som er en del af Googles AI Experiments. Det kan inspirere til at se nærmere på de bagvedliggende værktøjer og begynde at lege med mulighederne inden for AI.
God fornøjelse!
