Perspektiv – för bättre vetande

Maskininlärning för datorer tar ett stort kliv framåt

2016-05-16

Thomas Schöns forskningsprojekt fokuserar på nya modeller som automatiskt kombinerar data och maskininlärning

Thomas Schön, professor i reglerteknik vid institutionen för informationsteknologi, har fått 29 miljoner i rambidrag från Stiftelsen för Strategisk Forskning, SSF, för projektet ”Automating System SpEcific Model-Based Learning” (ASSEMBLE). I projektgruppen ingår David Black-Schaffer vid IT-institutionen på Uppsala universitet, forskare vid KTH samt flera bolag.

På svenska heter projektet ”Automatisering av systemspecifik modellbaserad inlärning”- vad handlar det om?

– Projektet rör området machine learning eller maskininlärning, alltså hur datorer kan lära sig resonera och agera baserat på uppmätta data. Maskininlärning är ett av de snabbast växande områdena i gränslandet mellan datavetenskap och statistik. I vårt nya projekt är huvudinnovationen att skapa en slags brygga mellan avancerade algoritmer och användare så att de algoritmer vi konstruerar snabbare kommer till nytta. Därför ska vi bygga ett nytt och specialskrivet programmeringsspråk där man kommer att kunna skilja på modeller och algoritmer på ett sätt som tidigare inte varit möjligt inom maskininlärning.

Vilka är de tänkta användarna av det nya programmeringsspråket?

– Ofta är det ingenjörer av olika slag. Men vi samarbetar även med företag som Autoliv som jobbar med aktiv säkerhet inom bilbranschen. I det fallet samlar vi in data från olika kameror och sensorer runtom och inuti bilen som översätts till användbar kunskap för att bilen ska kunna fatta egna beslut och för att ge information till föraren. Kunskapen samlar vi i modeller som sen används för att fatta beslut som att bromsa, gasa och svänga.

– En annan tillämpning vi arbetar på för Karolinska Institutet är så kallad cell tracking, som handlar om att automatisera studiet av celler i biomedicinska analyser.

– Men problemställningen är mycket mer generell än så, och i det större perspektivet ser jag vårt projekt som ett viktigt bidrag för att flytta fram Sveriges position inom maskininlärning. Därför har vi även industriella partners för att säkra att projektet verkligen kommer till praktisk nytta.

Vari ligger den största utmaningen för projektet?   

 – Utmaningen ligger i att beskriva inte bara det som vi vet utan också sådant som är osäkert. Som tur är har vi goda vänner inom matematiken, framförallt inom sannolikhetslära och statistik som har jobbat väldigt mycket med hur man kan beskriva osäkerhet. Inom mitt område maskininlärning har det också hänt väldigt mycket de senaste åren som gör att vi kan skala upp modellerna ordentligt.

Vad kommer de 29 miljonerna att gå till?

– Pengarna kommer att gå till att realisera de tankar vi har. Dels handlar det om att fortsätta bygga upp ett tvärvetenskapligt team, dels om att utöka med ytterligare doktorander och post-docs. Det handlar framförallt om att få in ytterligare rätt personer för att driva det här framåt.

– Vi har också en ny kurs på gång på grundutbildningsnivå inom statistisk maskininlärning. Utbildning på det här området ger ett otroligt viktigt strukturkapital för forskningen men även industrin och samhället i stort.

---

Läs mer:

600 miljoner kronor till svensk toppforskning

Presentation av Thomas Schöns forskning