Kunstig intelligens og ingeniørkunst
Posted by Harald Martens on 31. januar 2019
God ingeniørkunst er å løse virkelige problemer ved å kombinere praktisk og teoretisk kunnskap. Nå kommer det en mulighet for eksplosiv økning i mengden gode måledata: Eksisterende data blir lettere tilgjengelig. Nye målemetoder dukker opp. Hvordan kan vi ingeniører forstå og anvende disse enorme teknisk datastrømmene, uten fordommer, fremmedgjøring og fordumming? Det er ikke enkelt. Men vi har alle et ansvar og en mulighet. Utviklingen går rivende fort, internasjonalt. Det holder imidlertid ikke å prate om «Industri 4.0 og digitalisering», og så bare lagre en masse løsrevne data og «bruke kunstig intelligens på dem», — det er ikke god ingeniørkunst, og det funker ikke i lengden.
Big Data Cybernetics (stordata-kybernetikk) ved Institutt for teknisk kybernetikk ITK/NTNU handler om å kombinere tre akademiske kulturer: Teknisk kybernetikk (bra på matematisk modellering og praktisk styring i tidsdomenet), kjemometri (bra på tolkning og bruk av mangekanals måledata) og maskinlæring (bra på stordata fra f.eks. romlige bilder). Ambisjonen er å skape en bedre teori, bedre metodikk og bedre kultur for håndtering av data fra komplekse dynamiske systemer i den virkelige verden, enten det handler om autonome fartøyer under vann, over vann eller i verdensrommet, avanserte industriprosesser eller komplekse medisinske fenomener. Stordata-kybernetikken vil kunne gi både bedre beskrivelse, bedre forståelse og bedre styring av komplekse systemer. Kan hende skal vi også bruke de samme modelleringsverktøyene til se på sosiale, kulturelle og økonomiske prosesser. Vi er i løpet av 4 år nå blitt 2 fulle professorer, 3 prof. II og 1 førsteamanuensis II i det nye fagfeltet på ITK, finansiert av Kongsberg-gruppen, Equinor, CAMO AS, Helse Sørøst og NTNU selv. Våre første fag, TK8116 og TTK19, om «How to discover the real world», trekker nå mange studenter fra mange fakulteter.
Idletechs AS på Pirsenteret er ett av mange knoppskytingsfirmaer fra ITK, med ca 10 personer. Vi har utviklet en ny, generisk metodikk og programvare for tolkbar, kvantitativ kunstig intelligens, og viser nå hvordan dette kan brukes konkret i industri og forskning. Mye er foreløpig basert på at jeg har fusket i ulike fag i 45 år som forsker innen multivariat datamodellering, før jeg kom tilbake til min gamle Alma Mater NTNU som pensjonist for 4 år siden. Formålet med våre fysikk-orienterte maskinlæringsprodukter er å la brukerne kunne trekke mer statistisk valid og kausalt tolkbar informasjon ut av sine overveldende datastrømmer fra komplekse systemer, og overskue det hele i lys av sin bakgrunnskunnskap. Vår datadrevne selvmodellering «lytter» etter variasjonsmønstre i kakofonien av måledata — fra ett «mangestrengs-» instrument eller fra et helt orkester av slike: Spektrogrammer fra mikrofoner/aksellerometre, profiler fra ulike typer spektrometre, bilder fra termiske videokameraer og hyperspektrale kameraer, store sett av trykk- og temperatursensorer, osv. Systemets ulike variasjonsmønstre, forventede eller uventede, oppdages automatisk i datastrømmen og kvantifiseres som variasjonsgestalter med «rytmer» i tid og «harmonier» i rom eller kanaler. Dette matematiske underrommet av variasjons- gestalter er som oftest så lavdimensjonalt at det kan tolkes grafisk av operatørene. Arytmier og disharmonier varsler åpenbare feil i dataene. Mennesket kan bli klokere, systemet bedre og feilene færre.
Disse utviklingene på Inst. teknisk kybernetikk og i Idletechs AS er motivert ut fra ønsket om at fremtidens tekniske stordata skal bli et opplysende gode, og ikke et fordummende onde. Og det er for lengst dokumentert at grunntanken funker: Den ligger under hvordan oktantallet i din bensin og proteininnholdet i din melk blir målt, sannsynligvis uten at du har visst det. Nå skal den ut i verdensrommet og ned på havets bunn.
Harald Martens
Forskningsleder, Idletechs AS
Prof. II, Inst. Teknisk kybernetikk NTNU Gjesteprof., School of Business, Macau U. of Science & Technology
