I en ny episode av podkasten Nysgjerrige
Norge, ledet av Kristopher Schau, blir vi med inn i en kompleks og fascinerende
verden av kunstig intelligens og maskinlæring.
Ekteparet Arnoldo Frigessi og
Ingrid Glad er to sentrale skikkelser i Integreat, et nyetablert senter for
fremragende forskning. Senteret har én klar visjon: algoritmer skal være
smartere, mer etiske og jobbe for menneskeheten – ikke omvendt.
Fra visjon til virkelighet
Senteret ble opprettet i 2023 med
finansiering fra Norges forskningsråd og er et samarbeid mellom Universitetet i
Oslo, Norges arktiske universitet og Norsk regnesentral.
På senteret ønsker de å skape kunnskapsdrevet maskinlæring – en utvikling av
dagens datadrevne systemer.
– Maskinlæring i dag lærer primært fra store
datasett. Men dette er ineffektivt og ressurskrevende. Vi vil tilføre kunnskap
som allerede eksisterer, som fysiske lover eller matematiske modeller, slik at
algoritmene kan bygges smartere og bruke mindre energi, forklarer Frigessi.
Podkast: Nysgjerrige Norge
Nysgjerrige Norge er en podkastserie fra
Forskningsrådet. Her møter Kristopher Schau landets fremste vitenskapsfolk og snakker med dem om hvordan de endte opp der de er
og forskningen de driver med.
Forskerne er alle ledere for Sentre for Fremragende
Forskning – en støtteordning fra Forskningsrådet til norske forskningssentre
som driver grensesprengende, nyskapende og internasjonalt ledende forskning.
Serien publiseres
på alle store podkastplattformer og her på Forskning.no, sammen en
nyhetsartikkel om senteret.
Du finner lenke til denne episoden nederst i artikkelen.
Glad legger til at dette kan revolusjonere
måten vi forholder oss til teknologi:
– Tenk deg en verden der vi har algoritmer
som ikke bare er mer presise, men også etisk ansvarlige og transparente. Dette
er ikke bare en teknisk utfordring, men også en filosofisk og kulturell
endring.
Personlig tilpasset kunstig
intelligens
Et av hovedtemaene i episoden er hvordan
maskinlæring kan bli mer personlig tilpasset. Frigessi ser for seg en fremtid
hvor hver enkelt bruker har sin egen algoritme som kan tilpasses.
– Vi lever i en verden der algoritmer styrer
mye av hverdagen vår, forteller forskeren.
– Fra hva som dukker opp på telefonen din,
til hvilke medisiner du tilbys som pasient. Problemet er at dagens maskinlæring
er nesten utelukkende datadrevet. Algoritmene lærer fra enorme mengder data,
men de mangler evnen til å forstå eller ta hensyn til eksisterende kunnskap.
Dette er både ineffektivt og energikrevende.
Ekteparet Arnoldo Frigessi og Ingrid Glad møttes på en konferanse i Berkeley på 1990-tallet. Nå deler de også arbeidsplass for første gang.(Foto: Moose Media)
Dette krever en helt ny tilnærming til
hvordan algoritmer bygges.
– Det handler om å kode inn kunnskap fra
starten av slik at algoritmene ikke trenger å finne opp hjulet hver gang.
Dette krever også et fundamentalt skifte i hvordan vi tenker om data og
teknologi, forklarer Ingrid Glad.
Fra smittetall til fremtidens maskinlæring
For mange nordmenn ble Frigessi et kjent navn
under pandemien. Da hjalp han Folkehelseinstituttet med beregninger av R-tallet. Det er et mål på potensialet for smittespredning. Dette arbeidet har gitt ham
verdifull innsikt i hvordan man kan kommunisere usikkerhet til offentligheten.
For å illustrere trekker Frigessi frem et
eksempel fra medisin:
– Tenk deg en algoritme som skal forutsi hvor
mye hemoglobin en pasient får etter en viss medisin. I dag må algoritmen lære
dette fra bunnen av basert på tusenvis av pasientdata. Men vi vet allerede at
eldre pasienter ofte reagerer saktere. Hvorfor kan vi ikke fortelle dette til
algoritmen fra starten av? Dette er kjernen i kunnskapsdrevet maskinlæring – å
bruke det vi vet, til å hjelpe algoritmene å jobbe smartere.
Annonse
Glad understreker viktigheten av
forklarbarhet:
– Det er ikke nok at en algoritme gir deg et
svar. Vi må forstå hvorfor den kom frem til akkurat dette resultatet. Dette er
det vi kaller «explainable AI».
Frigessi utdyper at dagens maskinlæring har store problemer med å sette tall på usikkerhet.
– Dette er avgjørende, spesielt innen helse. Vi må
vite hvor sikre algoritmene er på sine spådommer, sier han.
Teknologi som tjener fellesskapet
De to forskerne diskuterer behovet for at
algoritmer tilpasses norske forhold. Blant annet med fokus på velferdsstaten og etiske
prinsipper. På senteret vil de utvikle teknologi som er både innovativ og nyttig for samfunnet.
– Vi vil at kunstig intelligens skal være et
verktøy for å fremme rettferdighet og velstand, ikke bare en motor for
kommersiell gevinst, sier Glad.
Frigessi legger til:
– Det handler om kontroll. Vi bør eie
algoritmene som tar beslutninger om våre liv, enten det gjelder helse,
utdanning eller andre kritiske områder.
Et liv i vitenskapens tjeneste
Som ektepar har Glad og Frigessi navigert
både liv og karriere sammen – fra møtet på en konferanse i Berkeley på 1990-tallet
til ledelsen av et nasjonalt forskningssenter.
– Vi har alltid diskutert jobb rundt
kjøkkenbordet. Men det er først nå vi faktisk deler arbeidsplass, forteller
Glad.
Annonse
– Det er en ny dimensjon. Nå krangler vi ikke
bare om fargene hjemme, men også på kontoret, sier Frigessi.
Til tross for utfordringene er de enige om at
forskningen gir dem en unik glede og mening i livet.
– Det beste med forskning er at det aldri
blir rutine. Hver dag er det nye spørsmål, nye utfordringer og nye måter å
tenke på, sier Glad.
Frigessi er enig.
– Jeg elsker å forstå ting. Når jeg ser en
forbindelse som ingen har sett før, gir det meg en enorm tilfredsstillelse.
Integreats ambisiøse fremtid
Forskningssenteret Integreat har så vidt startet, men
forventningene er høye. Innen de neste årene håper forskerne å levere
banebrytende resultater som kan forme fremtiden for kunstig intelligens.
– Vi jobber med alt fra helse til klima. Vårt
mål er å lage teknologi som er smartere, mer effektiv og mer rettferdig. Dette
er bare begynnelsen, sier Glad.
Om Integreat
Integreat er et senter for fremragende
forskning finansiert av Norges forskningsråd for perioden 2023–2033. Senteret
ledes av Universitetet i Oslo, i samarbeid med Universitetet i Tromsø og Norsk
Regnesentral.
Målet er å utvikle neste generasjons maskinlæring ved å integrere
generell og spesifikk kunnskap med data. Det vil gjøre maskinlæring
mer bærekraftig, nøyaktig, pålitelig og etisk. Dette oppnås gjennom å kombinere
matematikk, statistikk, logikk og maskinlæring på unike måter.
Integreats forskning
skal løse grunnleggende problemer innen vitenskap, teknologi, helse og samfunn,
og bidra til å gjøre Norge verdensledende innen kunstig intelligens.