Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Några av våra forskare om artificiell intelligens

Inför tema AI i IT-fakultetens magasin ställde vi ett par kortfrågor till några av våra forskare om deras relation till AI:

  1. Om jag säger artificiell intelligens – vilken är din första spontana association?
  2. Hur kommer artificiell intelligens in i din forskning idag?

Agneta Ranerup, professor i informatik:

  1. – När jag tänker på AI associerar jag till en vandrande ”robot” med delvis mänskligt utseende, helst med blinkande ögon också!
  2. – I min egen forskning behandlar jag ”AI-light” i form av automatiserat eller programmerat beslutsfattande: Robot Process Automation. Det ersätter vissa beslut som en stats- eller kommunaltjänsteman fattar idag. Det är då mest en form av strukturering och effektivisering, men kan upplevas som kontroversiellt när det appliceras på till exempel socialtjänsten vid beslut om försörjningsstöd. Jag tänker att vi måste vara öppna för nya former av beslutsfattande, men samtidigt ha en djup respekt för professionen och medborgarna!

Claes Strannegård, biträdande professor i kognitionsvetenskap:

  1. – Ett begrepp med en mycket stark dragningskraft som är oerhört populärt just nu.
  2. – Jag undervisar på en kurs i grundläggande AI och har ett forskningsprojekt som heter ”Från speciell till generell artificiell intelligens”. Det projektet utgår från tanken att generell intelligens finns på bred front i djurriket och ligger bakom djurens enastående förmåga att anpassa sig och överleva i nya miljöer som ställer hårda krav på problemlösningsförmåga och uppfinningsrikedom. Genom att skapa en generisk datormodell som fångar ett antal grundläggande mekanismer för djurs beteenden hoppas vi kunna ta ett steg närmare artificiell generell intelligens. Vår ansats är att det finns en enorm variation i djurvärlden när det gäller anatomier, men att de mest grundläggande mekanismerna som styr djurens beteenden i allt väsentligt är gemensamma för till exempel fiskar, fåglar och grodor. Målet är en datormodell som inte är specialiserad, men som kan lära sig att lösa många olika sorters uppgifter.

Aarne Ranta, professor i datavetenskap:

  1. – AI är lite som en svart låda som producerar svar genom att gissa och som inte lämnar någon försäkran om att svaren är rätt. Det är inte det vi normalt kallar intelligens. Intelligenta personer kan förklara sina slutsatser på ett sätt som gör att andra kan göra en bedömning om de går att lita på eller inte. Lösningen här är XAI, Explainable AI.
  2. – Mitt forskningsområde maskinöversättning, MT, levererar oftast översättningar baserade på statistik och är då som bäst till 50 % korrekt. För att kunna bedöma när det går att lita på resultatet, behöver vi både ha kunskaper i utgångsspråket och det språk vi vill översätta till, vilket ofta inte är fallet. Lösningen är XMT, Explainable MT, där översättning baseras på analys av betydelse, där systemet kan förklara hur det har gått tillväga genom att referera till analysen.

Johan Lundin, professor i lärande och IT:

  1. – Dumma maskiner och smarta människor.
  2. – Jag intresserar mig för hur ny kunskap utvecklas och delas mellan människor, och hur digital teknik förändrar förutsättningarna för detta. Smarta maskiner är, i allt väsentligt, beroende av att det finns kunskap utvecklad av människor att lära sig av. De gör det människor gör, i vissa fall bättre än vad människor gör. När intellektuellt arbete delegeras till maskiner så behöver vi nya modeller för hur kunskap upprätthålls över tid och i synnerhet hur vi ska utveckla ny kunskap.

Marie Eneman, universitetslektor i informatik:

  1. – AI känns som ett modeord som många slänger sig med just nu utan att kritiskt reflektera över dess innebörd.
  2. – I min forskning tittar jag på de stora utmaningar som polisen ställs inför när det gäller att rättssäkert hantera stora datamängder. Det handlar till exempel om volymen av material vid utredning av barnpornografibrott, där ett ärende ofta kan bestå av flera tusen bilder och filmer. Inom rättsväsendet har man nu börjat använda AI som verktyg för att granska barnpornografiskt material, vilket innebär att granskningarna tär mindre på polisens resurser, både tidsmässigt och psykiskt. I ett annat forskningsprojekt om polisens kroppsburna kameror har vi kunnat konstatera att det finns ett behov av att utveckla rättssäkra strategier för att effektivt organisera och söka i de stora mängder datamaterial som kamerainspelningarna ger upphov till.

Rob Lowe, universitetslektor i kognitionsvetenskap:

  1. – Jag minns att jag gillade science fiction-filmer från 80-talet, vilka ofta handlade om AI som gick snett, filmer som Terminator och Blade Runner till exempel. Det var förmodligen min första kontakt med AI och jag tror att det påverkade mig mycket – vilket även AI-ämnena i min grundutbildning i psykologi gjorde. Det här har lett till att jag mer kommit att intressera mig för i vilken omfattning mänskligt intellekt och mänskliga argument bygger på beräkning, computation.
  2. – I min forskning intresserar jag mig för konstgjorda neurala nätverk, vilket inkluderar neurala nätverk inom deep learning, och även för ”förstärkt lärande”. Det förstnämnda handlar till stor del om klassificering av data – visuell, språklig etcetera – medan den senare ger möjlighet att använda dessa data i ett autonomt beslutsfattande. Jag kan inte säga att jag känner mig motiverad att utveckla terminator-robotar, jag är mer intresserad av generell artificiell intelligens, hur agenter kan resonera självständigt och värdera val utifrån de tänkbara resultat de ser framför sig.

Christian Berger, docent i Software Engineering:

  1. – Många tillämpningsområden för AI har visat på anmärkningsvärda framsteg de senaste åren – till exempel AlphaGo eller Google Duplex.
  2. – För mig som forskare inom självkörande fordon har AI givetvis bidragit till hel rad framgångsrika landvinningar på området. Samtidigt har vissa misslyckanden visat att tekniken ännu inte är tillförlitlig och säker nog. Vi behöver ytterligare forskning för att förbättra robustheten i AI och AI-baserade system och även arbeta vidare med få systemen att bli mer transparenta och ”förklara” vad de baserar sina beslut och/eller rekommendationer på.

Gordana Dodig Crnkovic, biträdande professor i interaktionsdesign:

  1. – När jag tänker på AI undrar jag hur den relaterar till intelligens i naturen som vi fortfarande inte vet mycket om. Intelligens som ”målriktat adaptivt beteende” omfattar både levande celler och AI. Sedan är det också viktigt med etiska och sociala konsekvenser av AI
  2. – AI kommer in i min forskning på två sätt, i en praktisk och en teoretisk del. Den praktiska forskningen avser etiska aspekter av AI, i första hand för självkörande bilar. Tillsammans med en av mina doktorander har jag skrivit om irrelevans i det berömda ”trolley”-problemet som har blivit fokus i debatten och som är konstruerat under felaktiga antaganden. Istället för att fråga hur bilen ska välja vem den ska köra på vid en bilolycka är den relevanta frågan hur man säkerställer att den aldrig kör på en människa. – Min teoretiska forskning gäller kopplingar mellan kognition och intelligens inom ett område som heter morfologiska beräkningar. Jag utvecklar konceptuella modeller som analyserar kognition, från de enklaste levande organismerna till människor och avancerade intelligenta teknologier. Modellen baseras på information som en agent – biologisk eller artificiell – får från omgivningen och omvandlar till signaler som driver dess beteende. När vi förstår dessa mekanismer kommer vi bättre att förstå intelligens.

 

Sidansvarig: Catharina Jerkbrant|Sidan uppdaterades: 2019-01-15
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?