November in Helsinki, Finnland, ist keine typische Hochsaison für Besucher aus anderen Teilen der Welt, aber für die Slush-Woche war es schwierig, eine Unterkunft in Finnlands Hauptstadt zu finden. Slush, die Veranstaltung, die weiterhin 3500 Startups, 2000 Investoren und 25.000 Teilnehmer aus der ganzen Welt anzieht, hat das Unmögliche geschafft – die dunkelste, matschigste und graueste Zeit des Jahres in Finnland wird mit Investoren, Einhörnern und einem Wettbewerb in Verbindung gebracht, wer die längste kostenlose Kaffeeschlange erstellen kann. Die November-Veranstaltung, die jährlich in Helsinki ist wie ein kleines Weihnachten für Startups, die ihre neuesten Innovationen in einem großen Nachtclub-ähnlichen Veranstaltungsort präsentieren, während ein tiefes Bassbrummen die Bringer des Wandels und der Disruption begrüßt – während die Szene ein typisches Erlebnis für Slush darstellt, enttäuschte dieses Jahr nicht.
DAIN Studios hatte seinen ersten Stand auf der #Slush19 und demonstrierte seine Anwendung zur Erkennung von Gesichtsemotionen Naama (finnisches Wort für Gesicht), die ursprünglich eher als Neuheit gedacht war DAIN Studios" Talent, wurde aber schnell zum Thema von – "Ja, das ist cool, aber was wäre, wenn du es tätest.....? Kannst du das auch?".
Obwohl DAIN Studios konzentriert sich derzeit nicht ausschließlich auf die Entwicklung von KI-Produkten für maschinelles Sehen, sondern verfügt über eigene KI-Labore, in denen potenzielle KI-Produkte mit Computer-Vision-KI sowie anderen KI-Methoden wie Natural Language Processing (NLP), Machine Learning (ML) und beispielsweise Chatbots prototypisiert, getestet und demonstriert werden können.
Angesichts des großen Interesses an Naama bei Slush hat es zu denken gegeben. Es gibt viele potenziell vorteilhafte Lösungen, bei denen die in Naama verwendeten Algorithmen und Technologien angewendet werden könnten. Bei DAIN hatten wir bereits in unserem Blog zur KI-Ethik für maschinelles Sehen einige positive und besorgniserregende Anwendungsfälle von Computer-Vision-KI zur Kenntnis genommen. Das Tolle an Slush waren die vielen zusätzlichen Ideen, die die Leute für die Anwendung hatten, als sie sich mit der Neuheit beschäftigten und Naama ausprobierten. Einige unserer bevorzugten potenziellen Anwendungsfälle, die wir besprochen haben, waren:
- Erkennung des körperlichen und emotionalen Wohlbefindens der Passagiere auf einer langen Reise;
- Messung der Publikumsreaktion in Echtzeit während einer Aufführung, eines Theaterstücks oder einer Show;
- Erkennen von potenziell unkontrollierbaren Situationen, wie z. B. Emotionen von Fußballfans in großen Menschenmengen bei einem stark besuchten Spiel;
- Emotionen im Einzelhandel und im Einkaufserlebnis;
- Klare Wegführung für blinde und sehbehinderte Menschen, die an einen Rollstuhl gefesselt sind;
- Identifizierung von Geschlecht und Alter für ein tieferes Verständnis der Kundensegmentierung und -präferenzen;
Wir hatten auch viele Diskussionen über die Ethik der Technologie und stellten fest, dass es viele Anwendungsfälle gibt, in denen diese Technologie missbraucht oder unangemessen werden könnte.
Die Entwicklung von Naama war innerhalb von DAIN Studios – Es ist wahrscheinlich nicht Ihr normaler Innovationsweg. Die Entwicklung von Naama begann mit einer Reihe von Blogs über die Entwicklung von Computer-Vision-APIs und den aufstrebenden Bereich der erklärbaren KI (xAI). In diesen Blogs diskutierten die Datenwissenschaftler von DAIN, wie man etwas entwickeln kann, das xAI mithilfe von Computer Vision demonstrieren kann. Das interne Projekt nahm Fahrt auf, als es mehrere Ideen der Datenwissenschaftler von DAIN diplomatisch kombinierte, die durch einen Prozess des Experimentierens und Iterationierens Naama entwickelten.
Die Arbeit baute auf mehreren Open-Source-Code-Repositories auf, und es waren mehrere Kompromisse bei den Funktionen erforderlich, um den Zeit- und Ressourcenbeschränkungen gerecht zu werden. Der Prozess war für DAIN etwas Besonderes, da er Datenwissenschaftler aus den drei Studiobüros zusammenbrachte, um an der Demo für Slush zu arbeiten.