Kunstig intelligens kan være alt fra språkmodeller og bildeanalyse til automatisering av industrielle prosesser. SINTEFs forskere hjelper bedrifter med å skreddersy bruk av KI gjennom EU-prosjektet Nemonoor.
Av Mari Aftret Mørtvedt (SINTEF)
For å kunne bruke teknologi og digitalisering best mulig, bør utgangspunktet være et problem som skal løses. Dette er kjernen i SINTEFs bidrag inn i EU-prosjektet Nemonoor, som består av partnere fra akademia, forskning, nettverk og testsentre. Målet er å få fart på bruken av kunstig intelligens over hele landet.
Et sted hvor dette har kommet godt i gang er «The AgriFoodTech AI Initiative» på Hamar, et halvtårs program for å styrke KI-kompetansen til norske virksomheter innen landbruks- og matteknologi, ledet av NCE Heidner Biocluster.
«Et stjerneeksempel» på tilnærming til ny teknologi
Gjennom programmet har alle virksomhetene fått tilbud om 50 timer veiledning fra SINTEFs forskere, for å identifisere hvordan de best kan ta i bruk kunstig intelligens i sine bedrifter.
– Norge skal ikke jakte på kunstig intelligens for teknologiens skyld. Vi skal bruke
teknologien til noe matnyttig, sa Karianne Tung, digitaliserings- og forvaltningsminister,
da hun besøkte programmets avslutningsseminar. Nemonoors oppgave handler om å bygge sterke nettverk og økosystem, for å sikre at v får nok og god kompetanse i møte med veggen av teknologi som skyller over oss. Arbeidet som er gjort her er et stjerneeksempel, sa Tung.
Deltakerne i programmet inkluderer selskaper som Norsvin, Geno, HIAS, Mimiro, Felleskjøpet, Biobank og avfallsselskapet Sirkula. Under seminaret delte de sine tanker rundt hvordan bruk av ny teknologi kan forbedre virksomheten.
– Det er veldig gøy å se bransjen ta imot ny teknologi og nye verktøy. Landbruket har opp gjennom historien fått nye verktøy som har gitt store omveltninger, hvor de har vist stor vilje til omstilling.
Introduksjonen av AI som verktøy og beslutningsstøtte kan løfte norsk landbruk til et presisjonslandbruk, eller utløse en betydelig kapasitetsøkning for andre næringer, sier Jonas Aamodt Moræus, forskningssjef for matematikk og kybernetikk i SINTEF Digital.
– Presentasjonene viser at bedriftene ønsker hjelp til alt fra holdningsendringer rundt kunstig intelligens til implementering av algoritmer og modeller. Det passer perfekt for SINTEF, som jobber inn i teknologien fra ulike innfallsvinkler, fortsetter Jonas Aamodt Moræus.
Her er fem eksempler på ulike bedrifters behov og SINTEFs forslag til løsninger:
1
I Sirkulas system kan de se hvor sjåførene er i sanntid, vist på dette kartet. (Skjermdump: Sirkula)
Sirkulas utfordring: Sirkula IKS eies av de fire kommunene Ringsaker, Hamar, Løten og Stange. Deres oppdrag er å ta hånd om avfallet til 44.700 husstander i disse kommunene. Alle deres kjøretøy registreres i sanntid i et kart, slik at man til enhver tid kan se hvor sjåførene kjører. De ønsket å få hjelp fra SINTEF til å vurdere om kunstig intelligens kan benyttes for å optimalisere kjørerutene, med et mål om å kunne spare tid og kostnader for bedriften.
SINTEFs løsning: Sammen med Sirkula har vi identifisert en klar mulighet til å forbedre organiseringen av de ansatte som har ansvar for avfallshenting. Dette gjøres ved hjelp av GOFAI, «Good old fashioned AI», som handler om å bruke resonnement innen KI til å gi beslutningsstøtte. Sirkula har gode data tilgjengelig, som vi bruker i våre modeller for å foreslå nye og kortere kjøreruter. Dersom dette implementeres, kan det gi Sirkula forbedret produktivitet og en mer bærekraftig drift. Ansvarlig forsker: Milan De Cauwer, forsker på analyse og kunstig intelligens.
2
Felleskjøpets utfordring: Felleskjøpet Fôrutvikling er et felles forsknings- og utviklingsselskap innen kraftfôr og fôrkonsept. I sin presentasjon la de frem at det kan være vanskelig å tenke seg til hva slags
muligheter som finnes innenfor kunstig intelligens. De har også utfordringer med «teknisk gjeld» i sine data, som er bygget lag for lag gjennom 50 år. De ønsket seg derfor veiledning fra SINTEF til å kunne forestille seg hvordan deres data kan brukes innenfor kunstig intelligens.
SINTEFs løsning: Min forskning går ut på hvordan mennesker tar i bruk KI-teknologi, hva de bruker det til og hvilke hindringer som finnes og usikkerhet rundt hva som er akseptabel bruk av teknologiene. I dialogen med Felleskjøpet kunne vi derfor dele innsikt i hvordan man kan ha en meningsfull og konstruktiv samtale om bruk og ikke-bruk av KI. Ofte er det et spekter av holdninger i en organisasjon; alt fra de som mener det bør forbys, til meninger som at de som ikke tar det i bruk bør finne seg en annen jobb. Vi leverte en kartlegging med over 50 ulike KI-baserte tjenester, klassifisert etter bruksområder, betalingsmodell og fordeler/ulemper.
Ansvarlig forsker: Viggo Tellefsen Wivestad, forsker på bruk av kunstig intelligens.
3
HIASs utfordring: Hias er et regionalt avløpsselskap, som er eier og tjenesteleverandør på vann og avløp for kommunene Hamar, Løten, Ringsaker og Stange. HIAS har mye driftsdata, og sterk teknologisk kompetanse. Før de tok kontakt med SINTEF hadde de utforsket enkel analyse og modellering på dataene. Resultatene fra dette gav dem tro på at dataene kan hjelpe dem til å spare energi, og bli bedre på bærekraft. Med dette utgangspunktet ønsket de å få veiledning til å ta i bruk KI-modeller som kan predikere avløpsmengder i nettet.
SINTEFs løsning: Avløpsnettet til Hias registrerer mengdene vann i nettet, som blant annet varierer mye når det er snøsmelting og mye regn. Arbeidet med Hias har vært godt fra starten, fordi deres data er gode, noe som gir modellene mye å jobbe med. Vi har brukt tid på å bli kjent med tallmaterien i deres data, og ut fra dette testet ut ulike modeller. Dette har dannet grunnlaget for en pilot i uttesting hos Hias som gir et varsel, når det er avvik i avløpssystemet. Samarbeidet er et godt eksempel på innovasjon som oppstår i møtet mellom industri og forskning.
Ansvarlig forsker: Sølve Eidnes, seniorforsker innen kunstig intelligens med hovedfokus på tidsrekkemodellering og fysikkbasert maskinlæring.
4
MIMIROs utfordring: MIMIRO har som mål å skape morgendagens matproduksjon gjennom data. De leverer digitale verktøy til over 7000 gårdsbruk, og bygger digitale produkter som sikrer effektiv datadeling og innsikt i produksjonen. De ønsker å bruke KI-baserte språkmodeller for å gjøre bønder i stand til å «snakke med sine data» og finne relevant informasjon i MIMIROs plattform. En del av dette arbeidet innebærer å formulere gode prompts (bestillinger) for å løse kompliserte oppgaver. De ønsket veiledning fra SINTEF for å lære mer om dette.
SINTEFs løsning: Konstruksjonen av «prompts» til språkmodeller som Open AI GPT kan være vanskelig, grunnet kompleksiteten og uklarheten til disse modellene. SINTEF forsker på ulike metoder for å utforme prompts (bestillinger), for å gjøre dem mer effektive. Et godt designet prompt kan styrke MIMIROs mål om å gjøre hverdagen til norske bønder enklere. Dette vil gi brukerne av MIMIROs system relevant informasjon om sine gårder på en enkel måte, ved hjelp av forespørsler på norsk eller engelsk.
Ansvarlige forskere: Francisco Martin-Recuerda, seniorforsker i kunstig intelligens i sustainable communication technologies, og Erik Johan Nystad, Master in Informatics: Programming and System Architecture
5
BioBanks utfordring: BioBank AS er en nasjonal biobank for fisk, husdyr og planter. Det er en digital genbank, som er basert på fysiske prøver som samles inn. Et av deres oppdrag er å detektere gentranslokasjon hos gris. Det oppstår når en bit av et kromosom bytter plass med en annen, og i sin presentasjon sammenliknet BioBank dette med at en bil bytter plass på ratt og hjul. Det er altså en alvorlig tilstand, som per i dag avdekkes ved at 19 kromosompar eksamineres manuelt i et mikroskop.
I sin veiledning med SINTEF ønsket de å undersøke om det er mulig å automatisere noe av denne jobben ved hjelp av kunstig intelligens.
SINTEFs løsning: Før kunstig intelligens kan benyttes til å automatisere en slik analyse, må BioBank digitalisere prosessen med å analysere bildene. I SINTEF forsker vi både på bildeanalyse og maskinsyn, og her kan BioBank ha behov for en tverrfaglig tilnærming. Gjennom veiledning fant SINTEF at Biobank har mye å hente på å jobbe med bildebehandling, som kan redusere tiden det tar å analysere én gris. SINTEF vil gi dem en oppskrift på hvilke steg Biobank kan ta for å digitalisere sin prosess, og videre hvordan de kan videreutvikle sin metodikk, slik at de på sikt kan ta i bruk en KI-basert digital assistent.
Ansvarlige forskere: Trine Kirkhus, seniorforsker innen maskinsyn og kunstig intelligens, og David Bouget, forsker innen bildeanalyse og bruk av kunstig intelligens innen helseteknologi