Ikke mobb roboten min …

Vi godtar at biler kjører fortere enn oss. Ei heisekran løfter tyngre enn oss. De fleste er bare glade til når datamaskina regner ut og behandler store mengder data raskere og sikrere. Litt verre kan det fort bli når maskina ligner på oss selv. Når roboten er langt over meteren og beveger seg som et menneske. Og veier 43 kilo.

Denne artikkelen er over ti år gammel og kan inneholde utdatert informasjon.

Honda har nå utvikla en robot på en meter og 20 centimeter, plussa man på noen centimetere hadde min svigermor på 152 centimeter fått seg en jamnbyrding. Noe å tenke på. Men fysikkprofessor Gaute Einevoll ved Norges landbrukshøgskole (NLH) kan berolige:

"I samarbeid med Honda Research Institute i Tyskland arbeider forskere ved NLH med å utvikle en matematisk modell for synsbanen fra øyet opp til hjernebarken. Dette kan bidra til å få roboten til å forstå hva den ser."

- Menneskets hjerne er utrolig komplisert, og vi har langt igjen før vi kan imitere mange av dens funksjoner, sier han.

Veien å gå for til slutt å forstå hele hjernen og hvordan den fungerer, er å ta en forholdsvis enkel komponent og få forståelse for dens funksjon og oppbygging. I samarbeid med Honda Research Institute i Tyskland arbeider Einevoll og kollegaer ved NLH med å utvikle en matematisk modell for synsbanen fra øyet opp til hjernebarken. Motivasjonen er å forstå hvordan syn hos dyr og mennesker fungerer, og kanskje også få ideer til hvordan man kan få roboter til å forstå hva de ser.

Synssansen og hjernen

Forskerne ved NLH har i flere år, i samarbeid med professor Paul Heggelund og hans gruppe ved Fysiologisk institutt ved Universitetet i Oslo, arbeidet med å utvikle en matematisk modell for signalbehandlingsegenskapene til en del av hjernen, lateral geniculate nucleus (LGN).

LGN mottar synssignaler fra netthinna i øyet, behandler dem og sender signaler videre til synshjernebarken. Forskere ved Honda Research Institute har tilsvarende arbeidet med å utvikle modeller for synshjernebarken, og i samarbeidsprosjektet vil modellene bli integrert slik at man får en fullstendig matematisk modell for den tidlige del av synssystemet.

Matematisk modeller

Hvorfor er det viktig med matematiske modeller? Det gir mer presis viten, og med bedre viten har man bedre mulighet til, for eksempel, å styre systemer og løse problemer når de oppstår. Gode matematiske modeller for hjernefunksjonen vil derfor gjøre det lettere å utvikle nye medisiner og behandlingsformer.

Vitenskapen skiller mellom kvalitative og kvantitative modeller. En kvalitativ observasjon er å kaste to like steiner ut fra forskjellige høyder, for å se hvilken som faller fortest ned. En kvalitativ modell for dette er at falltiden øker med høyden. En kvantitativ, matematisk modell derimot finner man i Newtons lover. Disse lovene gir en presis matematisk formel for falltiden fra ulike høyder, nemlig at falltiden øker som kvadratroten av fallhøyden. Altså vesentlig mer presis viten.

"- Forskningsfeltet nevroinformatikk er et eksempel på at det klare skillet mellom biologer og kvantitative forskere som fysikere, informatikere og matematikerer viskes ut, forteller Gaute Einevoll."

Atomer og liv

Siste århundre ga mye innsikt om de grunnleggende spillereglene i naturen, og solide matematiske beskrivelser av disse spillereglene ble utviklet. Den grunnleggende legoklossen, atomet, er noe av det mest oversiktelige og “reineste” i naturen, men verken fysikkprofessor Einevoll eller andre fagfolk kan forklare til bunns hvordan atomene fungerer sammen i levende systemer. Det er enklere med “døde” faste stoffer der atomene “står oppmasjerte” på rekke og rad. I dag har man utviklet gode kvalitative og kvantitative modeller for metaller og halvledere, og denne eksakte kunnskapen har gjort revolusjonen innen elektronikk og data mulig.

- DNA- og proteinmolekyl og celler er også ordnet, men er likevel mye mer kompliserte. Fullgode kvantitative modeller for disse systemene er ikke utviklet ennå. Men det er dette forskermiljøet jobber for å få til, sier en entusiastisk professor. CIGENE (Centre for Integrative Genetics) ved NLH er for eksempel opprettet med tanke på å forstå, blant annet ved hjelp av matematiske modeller, hvordan gener koder for egenskaper til planter og dyr.

Nevroinformatikk

Forskningsfeltet nevroinformatikk er også et eksempel på at det klare skillet mellom biologer og kvantitative forskere som fysikere, informatikere og matematikerer viskes ut. Dette feltet innbefatter matematisk modellering av nevrobiologiske systemer og bruk av datamaskiner til visualisering, analyse og arkivering av nevrobiologiske data.

Ved Norges landbrukshøgskole er det etablert et aktivt forskningsmiljø i nevroinformatikk i gruppen rundt Einevoll, førsteamanuensis Hans Ekkehard Plesser og professor John Wyller. Ved bruk av matematisk modellering har fagfolkene, fysikere, informatikere og matematikere, satt seg fore å forstå nevrale nettverks oppbygging og funksjonalitet.

Dataverktøy

Nevrale nettverk er særs komplekse, og utvikling av nye dataverktøy er nødvendig for matematisk modellering av disse systemene. Førsteamanuensis Plesser har siden 2001 i samarbeid med Honda og andre internasjonale partnere utviklet et matematisk simuleringsverktøy for biologisk realistiske nevrale nettverk. Dette verktøyet NEST (NEural Simulation Technology initiative) er den metodiske plattformen for den integrerte synsbane-modellen som utvikles i samarbeid med Honda. Videre arbeider Honda og forskerne ved NLH med et nytt høy-nivå dataspråk for beskrivelse av nerveceller og nevrale nettverk. Et slikt språk vil gjøre det lettere å lage nettverksmodeller med den kompleksitet som kjennetegner virkelige hjerner.

Framtiden

Forskerne ved NLH og Honda håper at den integrerte modellen av den tidlige delen av synssystemet vil kunne utvikles til å kunne reprodusere hva en virkelig dyrehjerne gjør når den behandler synsinformasjon. Dette kan man teste i praksis ved å mate modellen med naturlige “filmer” av det for eksempel en katt ser når den utforsker.

- Hvis modellen er god, skal den elektriske aktiviteten som modellen regner ut være i samsvar med det man måler i eksperimenter. Og med en god modell vil vi trolig få nye ideer for hvordan vi kan få roboter til å bli flinkere til å forstå hva den ser, sier fysikkprofessor Gaute Einevoll.

Vite mer?

Powered by Labrador CMS