For å få kunstig intelligens til å lære seg sjølv kompliserte oppgåver, må forskaren først fortelje den kunstige intelligensen kva han skal lære seg.

Ved hjelp av matematiske formlar lagar forskaren ein algoritme, ofte kalla ei oppskrift. Oppskrifta er kort sagt ein kode eller instruks som set den kunstige intelligensen i gang med å lære seg sjølv nye samanhengar.

Data frå oljeriggar

Forskar Kevin Roy har utvikla ein algoritme som kan oppdage årsakssamanhengar i komplekse system. I slike system er mellom anna mange sensorar involverte, og dei utfører fleire oppgåver samtidig.

Roy er stipendiat ved Universitetet i Agders forskingssenter WISENET.

Han har arbeidd med data frå det avanserte samspelet mellom kraner og boreutstyr på plattformer i Nordsjøen.

Her er det ofte over tjue sensorar som overvaker arbeidet. På ulikt vis deler dei informasjon med einannan. Sensorane observerer til dømes temperatur, oljetrykk i boreutstyret djupt til havs og tempoet i ulike arbeidsprosessar.

Olje- og gasselskapa Lundin Energy og MHWirth Norway (no HMH) har bidratt med data til forskingsprosjektet.

Oppdagar det mennesket ikkje ser

– Algoritmen min analyserer signal som vert fanga opp av eit nettverk av sensorar som overvaker arbeidsprosessar på oljeriggane, seier Roy.

Fordelen med å bruke kunstig intelligens til å oppdage samanhengane er mellom anna at det set offshore-industrien i stand til å effektivisere systema sine.

– Forenkla kan du seie at algoritmen oppdagar og tolkar samanhengar eit menneske ikkje er i stand til å oppdage på eiga hand. Viss ein sensor til dømes bryt saman, kan vi ved hjelp av algoritmen gå tilbake og sjå korleis han er kopla til og deler informasjon med andre sensorar. Da kan vi forstå kvifor han braut saman, seier Roy.

Verktøy for fleire sektorar

Studien viser at eksperimenta med algoritmen var vellykka. Sjølv om algoritmen vart prøvd ut med data frå olje- og gassriggar, meiner Roy at algoritmen kan brukast på andre felt òg.

– Algoritmen kan brukast på alle felt der det er behov for å forstå samanhengar der svært mange faktorar påverkar prosessar og konsekvensar, til dømes i finans- og helsesektoren, seier han.

Eit viktig bidrag med den nye studien er at algoritmen treng lite data og reknekraft for å fungere.

– Da vert metoden også lettare å forstå og forklare. Andre metodar med kunstig intelligens bruker så mange data og gjer så store utrekningar at prosessen vert vanskeleg å forklare. I dei tilfella forstår forskaren resultatet, men kan vanskeleg forklare prosessen fram mot svaret, seier Roy.

Skapar kunnskap saman

Arbeidet til Kevin Roy vart kåra til den beste studien på ein internasjonal forskingskonferanse i regi av Institute of Electrical and Electronics i Indonesia i fjor.

Studien er ein del av eit større prosjekt ved SFI Offshore Mechatronics og er finansiert av Noregs forskingsråd. Arbeidet er utført i samarbeid med rettleiar professor Baltasar Enrique Beferull-Lozano, medrettleiar Luis Miguel Lopez Ramos og andre kollegaer ved UiAs WISENET.

Studien er ein del av Roys doktoravhandling som han reknar med å gjere ferdig i løpet av året.

Artikkelen er produsert og finansiert av Universitetet i Agder

Universitetet i Agder er én av over 80 eiere av forskning.no. Deres kommunikasjonsansatte leverer innhold til forskning.no. Vi merker dette innholdet for å tydelig skille formidling fra uavhengig redaksjonelt stoff.
Her kan du lese mer om ordningen.

Les også disse artiklene fra Universitetet i Agder:

• 

  Hva gjør dukkene med sykepleie­studentene?

• 

  Sørlandsfiskerne ønsker utsetting av flere millioner fisk i fjordene

• 

  – Kunstig intelligens truer ikke musikken

• 

  Noen som overlever kreft klarer ikke å være aktive etterpå. De har noe felles

• 

  KI-bilder av ungdom: – De blir gjort så vakre at det blir påtrengende

• 

  Lyden av en stemme har en inn­virkning på hvilken historie du hører i sangen

Les flere artikler fra Universitetet i Agder her.

forskning.no vil gjerne høre fra deg!
Har du en tilbakemelding, spørsmål, ros eller kritikk? TA KONTAKT HER