Upptech

Utvecklar modeller för beslutsfattande maskiner

I framtiden kommer allt fler viktiga beslut att tas av maskiner. Det menar Thomas Schön som forskar inom området Machine Learning. I sin forskning vill han lära datorer att automatiskt fatta beslut som till exempel rör säkerhet i bilar och möjligheten att känna igen sjukdomar på röntgenbilder.

– Det finns en otrolig potential för mänskligheten i den här tekniken, säger han.

Thomas Schön är professor i reglerteknik vid institutionen för informationsteknologi, avdelningen för systemteknik, vid Uppsala universitet. Hans forskningsområde är Machine Learning.

– För mig är det oerhört viktigt att låta grundforskning och tillämpad forskning korsbefrukta varandra. När vi hittar rätt team kan vi göra fantastiska saker som är omöjliga att klara för varje enskild individ.

Det som framförallt driver Thomas Schön är nyfikenhet, att lära sig att förstå nya saker. Han har ett omfattande samarbete med bland andra Cambridge University, University of Newcastle, Imperial college, Oxford och Harvard. Eftersom Machine Learning är aktuellt inom så många olika områden rör sig Thomas Schön naturligt mellan olika discipliner, med fötterna i den matematiska myllan.

– Jag gillar flexibla samarbeten och jobbar med väldigt många olika människor över hela jorden, både inom akademi och näringsliv. Det är så vi kan åstadkomma något.

Machine Learning ger maskiner, eller datorer, förmågan att lära sig utan att vara specifikt programmerade för den uppgift de ska utföra, berättar Thomas Schön. Enkelt beskrivet vilar forskningen på fyra hörnstenar. Den första hörnstenen är data, alltså någon typ av information. Den andra hörnstenen är en matematisk modell, som fångar upp huvudegenskaperna i datan. Den tredje hörnstenen är en inlärningsalgoritm som använder datan för att bestämma de parametrar i den matematiska modellen som är okända. Den fjärde hörnstenen är beslutsalgoritmen som fattar beslut baserade på den inlärda modellen.

Ett konkret exempel är den forskning Thomas Schön bedriver i samarbete med teknikföretaget Autoliv. Autoliv uppfann säkerhetsbältet och krockkudden. Just nu växer företaget inom aktiv säkerhet, alltså att bilen själv agerar genom att styra undan eller bromsa vid fara. Thomas Schön och hans team har byggt upp modeller för hur bilen rör sig och hur omgivningen ser ut. Svänger vägen? Finns det hinder på vägen? På längre sikt är målet att skapa system som förhindrar trafikolyckor.

Varje år inträffar cirka 70 000 bilolyckor i Sverige. Myndigheten för samhällsskydd och beredskap har räknat ut att den samhällsekonomiska kostnaden för vägtrafikolyckor som inträffade i Sverige under 2005 uppgick till 20,9 miljarder kronor.

– Trafikolyckor kostar oerhört mycket för samhället, både samhällsekonomiskt och i form av personligt lidande, säger Thomas Schön som tror att lärande datorer i bilar kommer att uppfattas som lika självklara som ABS-bromsar och antispinnsystem inom en inte alltför avlägsen framtid.

En särskild utmaning är att bygga in osäkerhet i modellen. Thomas Schön menar att det är nödvändigt eftersom det finns ett visst mått av osäkerhet i allt vi människor gör.

– Det är oerhört viktigt att kunna representera och förstå den där osäkerheten för att komma vidare. Att ha en uppfattning inte bara om det vi vet, utan också om det vi inte vet. I ett säkerhetssystem i bilar kan vi till exempel bygga in att det finns en risk att människor springer ut framför bussar. I det fallet kan man tänka sig att bilen saktar in automatiskt när den närmar sig en stillastående buss, förklarar Thomas Schön.

Ett annat aktuellt forskningssamarbete pågår med Sectra, ett företag inom medicinsk bildbehandling. Tillsammans med Sectra utvecklar Thomas Schöns kollega Fredrik Lindsten ett system som ska lära sig att förstå vad som syns på en digital mikroskopibild eller en röntgenbild. I processen ”matas” först systemet med bilder och läkaranteckningar, så kallad lärdata, för att i ett senare skede kunna förutsäga vad som syns på helt nya bilder.

– Här går utvecklingen snabbt. Automatiskt förgranskade bilder som en del av diagnostik tror jag definitivt vi kommer att få se mer av, säger Thomas Schön.

En maskin kan alltså bidra till att bedömningar både blir säkrare och går snabbare. Men finns det några risker med att flytta beslutsfattande från människor till maskiner?

– Det finns det förstås. Här har universitetet en viktig uppgift. Genom att medverka kan jag göra ny och befintlig kunskap öppen, genomlyst och tillgänglig för alla. Att sprida kunskap till alla är en jätteviktig uppgift för oss.