Vad ska man ta betalt eller betala för en second hand-pryl? Ett projekt inom forskningsinstitutet Rise har byggt en AI som kan förutspå priset på kläder. Och den ska också kunna tillämpas på andra områden, skriver Computer Sweden.
Tanken bakom projektet är att hjälpa finansiärer, till exempel banker, att bättre estimera värdet av begagnade produkter.
Ann-Charlotte Mellquist, forskare inom cirkulära affärsmodeller, och Olof Mogren, ai-forskare, berättar för Computer Sweden att man genom att använda maskininlärning ska få en mer objektiv bedömning än den från ett säljande företag.
Modellen de utvecklat utgår från kläder på andrahandsmarknaden, men den skulle kunna användas även inom andra områden, som it-utrustning.
Olof Mogren berättar för Computer Sweden att de tränat modellen på data från online-auktioner. Därifrån har man använt den text som säljaren skriver, bilder och vad priset landade på.
– Vi har använt deep learning på annonser med bild och text, och tränat vår modell för att predicera vilket värde vart och ett av objekten har.
Går igenom tusentals bilder och texter
Tekniskt består modellen av två delar. En modul som bäddar in bilder och en annan som bäddar in text och det här bakas sedan ihop.
– Sedan tuggar denna igenom många tusentals bilder och texter, och tränas upp i att se vad varje objekt har för värde, säger Olof Mogren.
Projektet har genomfört tester där människor fått gissa vad en vara gick för och jämfört det med vad maskinerna kom fram till. Maskinerna vann överlägset.
Forskningsprojektet, som heter AI driven financial risk assessment for circular business models, finansieras av Vinnova och sker i partnerskap med flera privata bolag.
Resultaten ska läggas fram i ett slutseminarium den 8 mars. Vad som händer sedan är inte klart.
– Det här är ett utvecklingsprojekt, men vi har inte skissat på någon fortsättning än, säger Olof Mogren. Men vi vill ju att våra resultat sprids så mycket som möjligt och att någon plockar upp det. Källkoden kommer att vara öppen, så den går att ladda ned.
Karin Thorsell
