De fornyer den kunstige intelligensen

Kunstig intelligens har tatt verden med storm. Metodene blir stadig bedre og det skjer noe nytt hver uke. Men dagens kunstige intelligens har en rekke svakheter. Det ønsker forskere på Integreat, et nytt senter for fremragende forskning, å gjøre noe med.

Les også: – Om ti år vet vi om kunstig intelligens er en flopp eller en enorm ressurs

I dag har alle de private internasjonale selskapene som gigantene Open AI, Google og Meta eierskapet i de store kunstig intelligens-modellene. Det bekymrer lederen for det nye forskningsenteret, statistikkprofessor Arnoldo Frigessi.

– For å trene dagens modeller trengs det enormt mye maskinkraft. Bare de store selskapene er i stand til å gjøre dette. Uheldigvis vet vi ikke hva som skjuler seg i modellene. Det er et stort problem for forskningen. Hvordan kan vi drive forskning når viktige forskningsmetoder holdes hemmelig? Dette har aldri skjedd tidligere, beklager Frigessi.

Bedre algoritmer muliggjør oppskalering

Et av de mange problemene med dagens AI-modeller er den manglende muligheten til å skalere dem skikkelig opp. 

– Dette er rett og slett umulig å få til med dagens metoder.

Forklaringen er enkel. Verden har ikke nok beregningskraft. Løsningen er å lage bedre algoritmer.

– Da er ballen tilbake i akademia. Vi trenger nye metoder og nye ideer. Det er nettopp dette vi skal gjøre i senteret vårt de neste ti årene, poengterer Frigessi og legger til:

Vi ønsker at fremtidens AI skal bli mer pålitelig og transparent.

Arnoldo Frigessi

– Det er viktig. I dag vet vi ikke hvordan AI kommer frem til avgjørelsene sine.

Svart boks - dagens AI gir ikke innsyn

Selv om dagens AI tilsynelatende fungerer, har den en svakhet. Den kan betraktes som en svart boks. Når du stiller AI et spørsmål, genererer den et svar, men som oftest får du ikke noe informasjon om hvordan den har kommet frem til svaret. Dette ønsker det nye forskningssenteret å gjøre noe med.

Og vel så viktig: I dag er det ingen som vet hvor stor usikkerheten er i svarene. Det er en stor forskjell på om en anbefaling kan gis med en sikkerhet på 50 eller 99 prosent. I dag er det lite beregning av usikkerhet.

– Så lenge jeg ikke vet hvorfor en algoritme gir meg anbefalingen A eller B, kan jeg ikke stole på den. Jeg ønsker derfor å forstå hvorfor beslutningen er tatt, samtidig som jeg vil vite usikkerheten i anbefalingen. Da må usikkerheten kvantifiseres, poengterer Frigessi.

Ønsker nye algoritmer som krever mindre energi

Forskerne ønsker dessuten å finne AI-løsninger som ikke trenger like mye datakraft som i dag. 

– I dag krever AI-modellene svært mye energi. Da snakker vi om energi både til beregningene og til datalagringen, forteller statistikkprofessor Ingrid Glad, nestlederen på det nye forskningssenteret.

En av forklaringene på at dagens AI-modeller krever mye energi, er at de må trenes opp igjen fra grunnen av hver gang de skal ta hensyn til mer informasjon.

– Ett av målene våre er derfor å lage nye algoritmer som trenger langt mindre ressurser enn i dag og som har muligheten til å bygge på eksisterende kunnskap når de skal trenes opp med nye data, poengterer Ingrid Glad.

Logikk og statistikk skal føres sammen

Et av målene er å lage metoder som treffer bedre, er mer nøyaktige og tar bedre beslutninger.

– Vi må ha kunnskap inn i algoritmene. Ønsket vårt er at maskinlæringen skal bli forståelig og kontrollerbar.

For å komme dit skal statistikerne samarbeide tett med logikkgruppen på Institutt for informatikk ved UiO.

– Logikerne der er eksperter på kunnskapsrepresentasjon, relasjoner og hierarkier. Dette er noe helt annet enn det vi statistikere kan.

Selv om både logikk og statistikk er ulike retninger innenfor matematikk, er fagfeltene likevel så forskjellige at forskerne fra de to feltene har brukt et par år på å skjønne hverandre og til å finne et felles språk som begge forstår.

– Vi bruker ulike språk og ulike konsepter. Bare det å oversette begreper på tvers av fagfeltene var vanskelig i begynnelsen. Logikerne driver med deduksjon, logiske slutninger, mens vi driver med inferens, der man gjør konklusjoner om en populasjon ut ifra et utvalg. Dette er fundamentalt forskjellige måter å tenke på, forklarer Ingrid Glad.

Håndterer selvmotsigelser ulikt

En av de mange utfordringene er hvordan de ulike fagfeltene håndterer inkonsistens i data.

– Statistikere og logikere håndterer selvmotsigende opplysninger på svært forskjellige måter. Det vi har til felles, er koblingen mot maskinlæring, sier Ingrid Glad og legger til:

– Vi statistikere har jobbet med skjevheter og kvantifisering av usikkerheter i alle år. Det er ikke mye av dette i dagens AI.

I dag dreier AI seg i stor grad om tekst og bilder, noe det er enormt mye av på nettet.

– Vi skal eksempelvis jobbe med tabelldata på problemer som det ikke finnes mye av på nett. Hvis vi klarer å lage metoder som ikke er så datatunge og som håndterer dårlige eller manglende data, vil vi kunne lage AI-systemer som kan brukes i mange flere felt enn i dag, sier Ingrid Glad.

Vil endre verden

Det nye forskningssenteret deres, Integreat, får 155 millioner kroner i støtte fra Forskningsrådet de neste ti årene.

– Hva kan samfunnet bruke AI-metodene deres til om ti år?

– Det blir omtrent som å spørre på 1800-tallet hva elektrisiteten skulle brukes til. I starten ble elektrisiteten brukt i industrien. Etter hvert kom man på den gode idéen å lyse opp byene. Maskinlæringen er litt som elektrisiteten. Vi lager generiske metoder, uavhengig av om metoden skal brukes til A, B elle C. Maskinlæring er som statistikk og matematikk og kan brukes til alt, understreker Arnoldo Frigessi.

– Kan du likevel komme med noen eksempler?

– Verden går ikke i rett retning. Jeg vil endre verden. Jeg håper AI kan bedre både helse og utdanning globalt, men jobben vår er ikke å løse konkrete oppgaver. Vi skal lage maskinlæring som både er bærekraftig, transparent, kontrollerbar og som gir et rett bilde av usikkerheten. Når vi ser et problem i genetikkens verden, skal vi abstrahere problemet til et høyere nivå og løse det matematisk. Da kan vi bruke den samme metoden til å løse andre problemer. Det er viktig for oss.

Da Frigessi for noen år siden publiserte en helt ny metode inspirert av et intrikat problem fra forsikringsbransjen, ble metoden brukt to og et halvt tusen ganger til å løse alle mulige andre problemer innen både industri og vitenskap.

Personlig AI-assistent

– I dag brukes kunstig intelligens til å lage kjemiske komponenter i medisiner. Før i tiden tok det mange år før kjemikere og farmasøyter klarte å designe en komponent. Med AI kan det ta noen dager. Det gjør det mulig å lage medisiner mye raskere enn i dag. Det er en enorm forbedring, sier Arnoldo Frigessi og legger til:

– AI kan brukes til å identifisere hvilke medisiner og vaksinasjoner som er best for deg. Dette er persontilpasset medisin.

Men, det er et stort men.

– Hva som er best for deg, kan variere fra situasjon til situasjon. Hvis det haster å bli frisk, kan du kanskje akseptere hodepine hver kveld. Hvis du ikke har det så travelt, foretrekker du kanskje en behandling som tar lengre tid, men som ikke gir deg hodepine.

Dette kommer til å endre legeyrket.

– I fremtiden vil vi alle ha vår egen personlige AI-algoritme som representerer ønskene våre. Da kan legene få hjelp av algoritmen til å finne den beste behandlingen til hver av oss.

Eller for å si det på en annen måte:

– Det er viktig å ta pasientautonomien på alvor. Pasienten er det svake leddet. Algoritmene skal brukes slik at du selv kan bestemme over din egen behandling. Persontilpasset behandling betyr at algoritmene vil kunne gi forskjellige anbefalinger til pasienter avhengig av deres individuelle behov. Hvis AI brukes på rett måte, kan den bli en viktig del av behandlingen. I fremtiden vil legene ha med AI-eksperter på pasientsamtalene, akkurat som at statistikere og informatikere samarbeider med kreftleger i dag, sier Frigessi.

Han ser for seg en rekke nye profesjoner. Leger som lærer seg litt AI og AI-eksperter som lærer seg litt medisin.

– Noen av de gamle profesjonene kommer til å forsvinne.

Persontilpasset undervisning

Kunstig intelligens vil også endre undervisningen. Frigessi ser for seg AI-personifiserte assistenter til studenter.

– I dag må alle universitetsstudentene på samme kurs løse de samme oppgavene. Med fremtidens AI vil det bli mulig for studentene å få et persontilpasset studium som er optimalt for dem. Studentene vil med andre ord få en egen algoritme som sier hvilke oppgaver de skal løse, forteller Arnoldo Frigessi.

Både Frigessi og Glad er klinkende klare på at målet med forskningssenteret deres er å jobbe generelt med nye maskinlæringsmetoder.

– Vi trenger å utvikle og forbedre metodene for å kunne hevde oss internasjonalt. Det er mange AI-sentre rundt omkring i verden, men etter det vi vet er vi et av de første sentrene som kobler de tre fagfeltene statistikk, logikk og maskinlæring sammen. Med gode metoder kan Norge hevde seg internasjonalt innen AI, slår Ingrid Glad fast.

Denne artikkelen ble først publisert i Apollon.