En tysk bilproducent, en spansk bank og en norsk it-virksomhed
med olieindustrien som kunde leverer problemstillingerne og de
store mængder data, som nyudviklet software skal omsætte til kloge
beslutninger. Projektet involverer også norske og spanske
universiteter, og målet er at skabe et værktøj, som er fleksibelt
nok til at favne vidt forskellige brancher, forklarer direktør
Anders L. Madsen fra Hugin Expert A/S, som er fagligt ansvarlig for
AMIDST-projektet (“Analysis of MassIve Data STreams”) med et budget
på knap 30 millioner kroner (3,9 millioner euro): – I bilerne
handler det om at forudsige, når andre trafikanter skærer ind foran
ved vognbaneskift. Bankeksemplet har 1000 forskellige oplysninger
om hver af de fire millioner kunder, hvor vi skal finde tabsgivende
mønstre. Og olieeksemplet skal bruge omfattende målinger fra
sensorer til at advare, når noget er ved at gå galt under en
boring. Det er tre fantastisk gode og meget konkrete eksempler, som
stiller vidt forskellige krav, men som alle vil vise, hvad den her
type software kan, når vi bliver i stand til at skalere det op til
at fungere med massive strømme af data, siger Anders L. Madsen.
Hugin Expert A/S udvikler i forvejen software til
beslutningsstøttesystemer, så opskaleringen kommer til at gavne
både nye og eksisterende brugere, der eksempelvis benytter
teknologien til risikovurdering i kredit- og forsikringsspørgsmål,
miljøovervågning eller kontrol af processer i industrien.
– Vi bringer værktøjet til et nyt niveau, så det ikke kløjs i
store datamængder. Det bliver udvidet til at kunne klare meget
større opgaver på passende hardware. Hardware er meget vigtig, og
algoritmerne må ikke være begrænsede på det område. De skal kunne
skaleres til at køre på den hardware, der er tilgængelig,
understreger Anders L. Madsen.
Fra supercomputer til lommeapparat
Aalborg Universitet er repræsenteret ved lektor Thomas Dyhre
Nielsen fra Institut for Datalogis særlige forskningsgruppe for
MaskinIntelligens. Han har fokus på de modeller og algoritmer,
projektet skal udvikle:
– Maskinindlæringen bliver en af de store udfordringer, når vi
får datastrømmene ind og skal prøve at lave forudsigelser på
baggrund af dem. De modeller, vi udvikler, skal primært læres på
baggrund af de data, vi får ind fra samarbejdspartnerne i
projektet. Modellerne skal være en del et samlet rammeværk, som kan
favne de tre konkrete anvendelseseksempler i projektet, selv om de
repræsenterer forskellige typer data og skal køre på platforme med
forskellige ressourcer, siger Thomas Dyhre Nielsen.
Som forsker har han adgang til supercomputere med masser af
regnekraft, men en af udfordringerne i håndteringen af de massive
datastrømme er at klare sig med de ressourcer, der er til
rådighed:
– Supercomputere og hurtigere almindelige desktopcomputere
muliggør ting, vi ikke tidligere kunne. Men for nogle modeller kan
der være behov for at udvikle smarte algoritmer, der kan lave en
afvejning mellem præcisionen og den beregningsmæssige kompleksitet
for at sikre, at algoritmerne kan afvikles i realistisk tid på det
apparat, der skal køre dem, siger Thomas Dyhre Nielsen.
Hugin Experts direktør Anders L. Madsen nævner forsøget med
bilerne som eksempel på en nødvendig afvejning, fordi de mange
sensor-data fra Daimlers køretøjer vil sætte teknik og software på
en hård prøve:
– Det handler om at øge sikkerheden, når man kommer kørende med
over 100 km/t og der er biler omkring en. Sensorerne indsamler 22
millioner målinger i timen. Hvis der kommer nye data for hver 40
millisekunder, så nytter det ikke, at man skal bruge 60
millisekunder på beregninger. Det skal kunne følge med. Men
processorkraften i en bil er så begrænset, at den får din
mobiltelefon til at ligne en ninjacomputer i sammenligning. Det
skal vi tage højde for.
Liv og penge på spil
En løsning, som kan være med til at forhindre bilister i at
støde sammen med høj fart, har i sagens natur potentiale til at
redde liv. EU har tidligere formuleret en målsætning om at reducere
antallet af trafikdræbte med 50 procent fra 2011 til 2020, og der
kan AMIDST spille en rolle sammen med andre initiativer.
I de øvrige delprojekter er det først og fremmest penge, der er
på spil. Men mange af dem. Finansløsningen til den spanske bank
Cajamar vil ifølge estimater fra banken kunne spare den for 56
millioner kroner (7,5 millioner euro) om året, hvis det lever op
til forventningerne om at forudse og afværge tab på dårlige kunder.
Den norske it-leverandør Verdande Technology, som udvikler
specialiseret software til olieindustrien, regner også med at kunne
spare slutbrugerne for dyr nede-tid ved nye
undergrunds-boringer.
Biler, banker og boringer er derfor gode eksempler, men ifølge
faglig koordinator Anders L. Madsen kunne det lige så godt have
været andre brancher med andre udfordringer, der lagde strømme af
data til:
– Banker og forsikringsselskaber er ved at drukne i data. Men
det kan også være på det medicinske område, i
produktionsvirksomheders processer eller indlejret i printere,
biler og ubåde. Man taler meget om Big Data, men det her er
anderledes, fordi vi arbejder med strømme af strukturerede data,
hvor vi godt ved, hvad vi måler på. Vores udfordring er at få
datastrømmen analyseret og omsat til en grafisk repræsentation,
siger Hugin-direktøren.
Kontakt
· Direktør
Anders L. Madsen (faglig koordinator), Hugin Expert A/S, tlf. 9655
0791.
· Lektor Thomas
Dyhre Nielsen, Institut for Datalogi, tlf. 9940 8853.
· Administrativ
projektleder Anne Rommerdahl Bock, Aalborg Universitet, tlf. 9940
7584.
·
Videnskabsjournalist Carsten Nielsen, Aalborg Universitet, mobil
2340 6554.
Fakta
· AMIDST
(“Analysis of MassIve Data STreams”) skal udvikle et skalerbart
værktøj til effektiv analyse og forudsigelse baseret på information
opfanget i strømmende data. Det inkluderer udvikling og
implementering af metoder og algoritmer til skalerbar dataanalyse
med såkaldte probabilistiske grafiske modeller.
· Modellerne
bruger sandsynlighedsteori til at finde rundt i de mange indbyrdes
afhængige variabler, uanset om det er gæld og indkomst ved en
kreditvurdering eller fart og afstand ved en analyse af risikoen
for sammenstød mellem to biler.
· Projektet, som
løber fra 1.1.2014 til 31.12.2016, har et samlet budget på
3.922.756 euro (ca. 29,3 millioner kroner), og heraf bidrager EU
med 2.762.000 euro (ca. 20,6 millioner kroner). Læs mere på
amidst.eu.
· Partnerne i
projektet er Aalborg Universitets Institut for Datalogi ved
forskningsgruppen for MaskinIntelligens (MI), Universidad de
Almeria (Spanien), Hugin Expert A/S, Norges
Teknisk-Naturvitenskapelige Universitet, Daimler AG (Tyskland),
Verdande Technology (Norge), Cajas Rurales Unidas Sociedad
Cooperativa de Credito (Spanien).
