Marcus Liwicki
Marcus Liwicki, ny ämnesföreträdare i maskininlärning vid Luleå tekniska universitet. Visa originalbild , Öppnas i nytt fönster/flik

"Robotar kan vara goda följeslagare"

Publicerad: 24 oktober 2018

Forskningsämnet maskininlärning är nu etablerat vid Luleå tekniska universitet. – Jag är full av energi inför att styra området maskininlärning i en lyckad riktning, säger Marcus Liwicki, professor och ämnesföreträdare.

Det primära syftet med maskininlärning är att försöka efterlikna mänsklig intelligens. I stället för konventionell beräkningsteknik försöker forskarna efterlikna biologiska nätverk med neuroner. Neuronerna, det vill säga nervcellerna, i våra hjärnor sänder elektroniska signaler mellan sig. En neuron är förbunden med tio tusentals andra neuroner och totalt finns det miljarder av dem i våra hjärnor.

– Genom så kallade artificiella neuronnät kan vi på en hög nivå efterlikna konceptet mänskliga neuroner. Om du ger ett artificiellt neuronnät tusentals exempel på prover börjar det att lära sig själv. Neuroner och artificiella neuronnät har olika arkitektur för olika uppgifter; de är som Legobitar. Vårt jobb är att bygga ihop bitarna korrekt för att de ska klara av en specifik uppgift, förklarar Marcus Liwicki.

Begreppet maskininlärning blandas ofta ihop med artificiell intelligens, AI. Men de två begreppen skiljer sig åt.

– Man kan säga att maskininlärning är beräkningskärnan i artificiell intelligens. AI är ett bredare koncept som till exempel inkluderar både sensorer och aktörer.

Datorer effektivare än människor

Enligt Marcus Liwicki kan maskininlärning hjälpa människor med tråkiga uppgifter, uppgifter som dock ändå kräver mänsklig intelligens. Föreställ dig till exempel en forskare som söker mönster genom att tittar på tusentals satellitbilder – så småningom blir uppgiften tråkig, forskaren blir trött och risken för att begå misstag ökar. Maskininlärning och artificiella neuronnät är motsatsen till mänsklig aktivitet; en dator blir aldrig uttråkad eller trött och ju fler bilder en dator tittar på, desto mer exakt blir resultatet. Vid den här typen av uppgifter är noggrannheten betydligt större hos ett artificiellt neuronnät än hos människor.

– På det här sättet kan de mänskliga experterna fokusera på mer utmanande uppgifter. Först uppfanns hjulet, sen elektriciteten och sedermera den industriella automationen. Artificiell intelligens är nästa naturliga steg. Jag konfronteras ofta med rädslan över att människor kommer bli arbetslösa när allt fler uppgifter automatiseras. Men jag tror snarare att människors livskvalitet kommer öka när vi kan fokusera på uppgifter som vi tycker är mer intressanta, säger Marcus Liwicki.

– Maskininlärning bidrar dessutom till att vi kan analysera större mängder data och hitta mönster som vi aldrig skulle vara kapabla att göra själva.

Underhållningsbranschen i allmänhet och science fiction i synnerhet, har gett oss många exempel på när artificiell intelligens spårar ur.

Kan vi förlora kontrollen över artificiell intelligens?

– Det finns potential. Ett exempel är ett välkänt experiment med en liten spindellik robot. Spindeln fick i uppgift att utforska och navigera i en miljö som var omringad av ett staket för att den inte skulle försvinna. Men på grund av artificiell nyfikenhet börjar spindeln efter ett tag att hoppa. Spindeln fortsätter att hoppa och plötsligt hoppar den över staketet. Alltså – varje gång du tror att du har artificiell intelligens under kontroll så kan du också förlora kontrollen över den.

Marcus Liwicki är övertygad om att människor verkligen kan dra nytta av att omfamna relationen till robotar istället för motsatsen.

– Så länge vi är säkra på att de inte kommer skada oss kan vi ha en mer positiv inställning till robotar. Vi kan betrakta dem som goda samexisterande följeslagare. Jag tror att det är mycket sannolikt att AI-intelligens vid något tillfälle inom olika områden blir smartare än vad vi är, och att vi då kommer tillåta att den styr oss. På många områden är vi redan beroende av AI, till exempel navigationssystemet i bilen. Du frågar efter vägen och förlitar dig helt på att den tar dig dit du ska – du ger upp kontrollen. Människan blir ett gränssnitt mellan navigationssystemet och bilen.

Rymden och datacenters

Exakt i vilken riktning forskargruppen är på väg återstår att se. Marcus Liwicki för diskussioner med andra forskargrupper och försöker hitta en såväl intressant som utmanande väg. En inriktning skulle kunna vara att analysera stora mängder data, inte minst data från rymden. En annan att analysera data från datacenter, till exempel om hur vi kan minska energiförbrukningen och förbättra maskinernas arbetsbelastning.

– Ett annat område jag är intresserad av är dokumentanalys och naturlig språkbehandling. Vi hade en liten hackathon med doktoranderna för några veckor sedan och enligt resultatet är vi fortfarande de bästa i världen för avsiktsklassificering, säger Marcus Liwicki och avslutar:

– Det känns som jag har en väldigt spännande sits här på universitetet. Det är en riktigt stor utmaning vilket jag verkligen gillar.

Kontakt

Marcus Liwicki

Marcus Liwicki, Professor tillika ämnesföreträdare

Telefon: 0920-491006
Organisation: Maskininlärning, EISLAB, Institutionen för system- och rymdteknik
George Nikolakopoulos

George Nikolakopoulos, Professor

Telefon: 0920-491298
Organisation: Reglerteknik, Signaler och system, Institutionen för system- och rymdteknik

Taggar