Artificiell intelligens i människans tjänst

29 april 2019

Illustration av hjärna med linjer till olika boxar.

Däremot kan datorsystemen fungera som ett stöd för oss människor, eftersom de är så bra på att hantera stora mängder data och känna igen mönster.

Artificiell intelligens är på ingång inom många områden. Specialtränade datorsystem används till exempel i bilar och som stöd för läkare som ska ställa diagnos. Särskilt bra är maskinerna på mönsterigenkänning – men än behöver vi inte vara oroliga för att de ska bli smartare än oss.

Thomas Schön är professor i reglerteknik och forskar om maskininlärning, ett område där utvecklingen gått fort de senaste åren. Idag kan datorer eller maskiner automatiskt lära sig hantera en situation utan att en människa har programmerat datorn för den specifika uppgiften.

– Det här har väldigt många användningsområden. Inom bilindustrin finns mycket i produktion idag, som adaptiva farthållare och att känna igen fotgängare i mörker. Det finns mycket som används redan idag och framtiden ser god ut.
Möjligheterna är många, men vi behöver knappast oroa oss för att datorerna ska ta över i den närmaste framtiden, menar Thomas Schön.
– När man tittar på en bil som autonomt hanterar en situation så kan det te sig som smart i någon mening, men om man bryter ned och tittar på beståndsdelarna så finns det inget som jag direkt skulle kalla intelligent i det. Det är ingenjörsmässigt väldigt snyggt att bygga det här systemet, men någon slags intelligens i den mening vi människor använder ordet – det är det inte.

Däremot kan datorsystemen fungera som ett stöd för oss människor, eftersom de är så bra på att hantera stora mängder data och känna igen mönster.

På senare tid har Thomas Schön arbetat med medicinska tillämpningar, till exempel i samarbete med ett sjukhus i Brasilien som har många patienter i geografiskt svårtillgänglig terräng. Forskarna utvecklade matematiska modeller, algoritmer, för att tolka EKG-resultat.

– Vi har 2,3 miljoner EKG med tillhörande kommentarer från läkaren om det är ett problem och i så fall vad. Vi har preliminära utvärderingar som ser lovande ut, där vår algoritm levererar en prediktion av sex av de vanligaste problemen, som är i nivå med de läkare vi jämförde med.

För att träna upp sig har alltså algoritmen fått se 2,3 miljoner EKG-mätningar tillsammans med information från läkare om hur de kan tolkas. Sedan har datorn byggt upp en modell där man kan mata in ett EKG och få en bedömning.

Jag är övertygad om att den här teknologin kommer att hjälpa till i vården, men den kommer inte på något sätt ersätta läkare, inte inom de närmaste 200 åren. Men om vi kan stötta läkare och ta bort vissa kognitiva moment, där maskiner visar sig fungera bra, så tror jag det är utmärkt. Via den här teknologin kan vi frigöra tid till annat.

Thomas Schöns forskningsinriktning är algoritmer för system som kan hantera osäkerhet.
Foto: Mikael Wallerstedt

Ett annat exempel på när maskininlärning kan rädda liv, är ett samarbete med ett svenskt företag (Elekta) som bygger strålutrustning för cancerbehandling. De ska initialt bygga 15 maskiner världen runt, varav en här i Uppsala, där läkaren kan titta på tumören genom en magnetkamera samtidigt som den strålas.

– Bara det här att man kan titta på tumören öppnar upp för att man får ännu högre precision. Det som vi gör här är att automatisera en del, en sorts självkörande strålbehandling där datorn räknar fram stråldos och förändrar riktning utifrån vad den ser i kameran. Förhoppningen är att vi kommer kunna fokusera mer på tumören och döda betydligt mindre av den friska omgivande vävnaden.

I det här fallet behöver algoritmen kunna hitta det som är tumören och följa den. Till exempel rör vi på oss om vi andas, även om vi försöker ligga stilla. Algoritmen kan kompensera för det, så att strålningen kan följa med vår andning och ha fullt fokus på tumören.

– Det här är väldigt nytt för oss, vi har precis startat igång. Det känns väldigt spännande och är jättekul att försöka använda min kunskap för att bekämpa cancer.

Thomas Schöns forskningsinriktning är matematiska modeller, eller algoritmer, för system som kan hantera osäkerhet.

– Vi människor hanterar osäkerhet i olika grad när vi fattar alla våra beslut. På samma sätt är det i ett högfungerande tekniskt system, de mätningar det får in är osäkra. Om man kan matematiskt arbeta med den osäkerheten, så kan man nå ett bättre beslut eller en högre prestanda.

När det gäller bilar så utvecklas allt fler system som hjälper bilförare på olika sätt, till exempel adaptiva farthållare eller system som varnar för fotgängare när det är mörkt ute. För varje år utvecklas tekniken vidare, med fler och fler funktioner, tills vi kanske är framme vid den självkörande bilen. Människors acceptans ökar bit för bit, menar Thomas Schön.

– De här systemen är väldigt tillförlitliga redan idag. Det är ingen som skulle få för sig att köpa en bil utan ett ABS-system, som har funnits på marknaden i nästan 40 år nu. Men när de skulle introduceras, då var det en liknande diskussion som idag, ”hur ska det här funka?” I försäkringsbolagens statistik syns det hur många liv man sparat på det här, och hur många olyckor som har kunnat förhindras.

 

Utforska vidare

Lyssna på Thomas Schön i Forskarpodden: AI och maskininlärning – hur ser framtiden ut?