GAIA anordnar en endagskonferens för personer som är intresserade av artificiell intelligens och allt som rör data (GAIA Conference). Syftet är att skapa en miljö för lärande, nätverkande och kunskapsdelning mellan individer, organisationer och akademi kring dessa gemensamma intressen. Konferensen fokuserar på tillämpad maskininlärning och verklig datavetenskap. Den introducerar mångsidigt innehåll från entusiastiska domänexperter och täcker vanligtvis vad som händer inom området i Göteborg eftersom talare ofta har lokala kopplingar.
Dagen började med att Olle Häggström, Professor of Mathematical Statistics från Chalmers pratade om att vi får vara försiktiga med hur vi utvecklar AI framåt så att etik och moral finns med när vi i framtiden har superintelligent AI, "AI Alignment and Our Momentous Imperative to Get It Right".
Det var flera större företag inom AI på plats, Apple, Google, Klarna, Spotify och Zenseact. Apple visade hur de utvecklar sina kartor med 3D och deep learning. Google pratade om hur deras research-avdelning undersökt hur man kan dra nytta av allt man modellen hittar under träningen och inte bara det ackumulerade resultatet. Klarna pratade om hur de utvecklat sina rekommendationer i appen, dom hade i början en CSV-fil som rekommendationsalgoritmen använde som träning till att nu ha det automatiserat i appen. Spotify pratade om hur de hanterar A/B-tester i appen och hemsidan samt hur dom under senaste året arbetat med att sprida data drivna beslut inom organisationen. Zenseact pratade om dom jobbar för att framåt kunna ha självkörande bilar.
Carbonfact pratade om att använda machine learning online på väldigt lite data. Kristoffer Carlsson och Fredrik Bagge Carlson från Julia Computing presenterade fördelar med Julia vs Python/R som är det mest använda språken för Data science.
Västtrafik var även där och pratade om hur de använt machine learning för att beräkna hur trångt det kommer vara på en resa med kollektivtrafiken. AstraZeneca pratade om hur de använde NLP för att läsa ut symtom och kunna få dom klassificerade på samma sätt. Exempelvis att må illa kan beskrivas på många olika sätt och då behöver man identifiera alla tillfällen som en patient beskriver att den mår illa.