Professorsporträtt: ”Livet vore trist utan komplicerade problem”
Slawomir Nowaczyk är professor i maskininlärning och hans forskning handlar om att upptäcka intressanta mönster och relationer i stora mängder data – kunskap som kan användas för så vitt skilda ting som att undvika fel på fordon och blodtryckstoppar hos människor. För detta krävs social skicklighet och kreativ hunger – och samarbete med näringslivet och vården.
Jag blev intresserad av artificiell intelligens och särskilt maskininlärning under mina masterstudier, eftersom det verkade vara den ultimata lösningen på alla beräkningsproblem.
Slawomir Nowaczyk, professor i maskininlärning
Slawomir Nowaczyk backar inte för en utmaning. Tvärtom faktiskt:
– Jag ser ibland hos doktorander att när de stöter på ett riktigt svårt problem, hänger de lite med huvudet. Då säger jag: ”var inte ledsen, var glad, du kommer att få ut en doktorsavhandling av det här problemet. Det är bra att inte allt redan är löst, om allt redan var det skulle du inte kunna bli forskare”, säger Slawomir Nowaczyk och tillägger:
– Livet vore riktigt trist utan komplicerade problem.
I breda termer syftar Slawomir Nowaczyks forskning till att göra datorer mer ”intelligenta”.
– Det betyder att de kan bli mer effektiva i att lösa sina uppgifter.
Slawomir Nowaczyk, professor i maskininlärning vid Högskolan i Halmstad.
Upptäckter och observationer
I stället för att säga åt datorer exakt vad de ska göra i stegvisa algoritmer, vill Slawomir Nowaczyk att de ska ”upptäcka” nya fakta, regler och principer genom att på sätt och vis observera världen omkring sig. Inte olikt hur människor bär sig åt.
– Jag tror att verkligt artificiellt intelligenta system måste kunna hantera händelser som deras designer inte hade kunnat föreställa sig. Jag blev intresserad av artificiell intelligens, AI, och särskilt maskininlärning, ML, under mina masterstudier, eftersom det verkade vara den ultimata lösningen på alla beräkningsproblem. Sedan dess har jag ägnat det mesta av min karriär åt att försöka förstå de faktiska begränsningarna med metoderna. På senare tid har jag fokuserat på självorganiserade och semi-övervakade tillvägagångssätt, inklusive ”transfer learning”.
Slawomir Nowaczyks forskning är väldigt algoritmorienterad, han designar nya metoder för datorer att generalisera och förstå data. ”Den mest spännande aspekten av det arbetet är att se hur vitt applicerbara metoderna kan vara. Det är vanligt att jag läser ett ”paper” om den senaste utvecklingen och omedelbart kan se hur de teknikerna kan användas i ett helt annat sammanhang.” (Bild ur rapport: Parallel orthogonal deep neural network. https://www.sciencedirect.com/science/article/pii/S0893608021000824)
Ett särskilt intressant användningsområde för ML, enligt Slawomir Nowaczyk, är förebyggande underhåll, i vilket data från sensorer används för att förutsäga fel på komplexa system innan de inträffar, detta för att kunna optimera reparationsrutiner på fordon.
– Genom åren har jag forskat inom många olika områden, inklusive fordonsindustrin, energisektorn, tillverkning och hälsovård. Från ML- och datavetenskapsperspektiven liknar de varandra på många sätt. Det är spännande att kunna hitta synergier mellan så många olika projekt.
Många järn i elden
Slawomir Nowaczyk ser undervisning som en integrerad del av att vara forskare och professor. Delvis därför att utbildning är viktig för Högskolan i Halmstad, delvis för att utbildning når så många. Han försöker vara en sådan lärare som han själv ville ha.
– Fast utbildningsprocessen kan aldrig vara speciellt inriktad på en minoritet av människor som fokuserar på att göra karriär inom akademin. En lärares uppgift är att stötta alla, inte bara dem med liknande intressen. Det var en insikt att upptäcka alla olika sätt som människor lär sig på.
Slawomir Nowaczyk har alltid mycket på gång. Han är forskningsledare på Akademin för informationsteknologi, handleder doktorander, organiserar sommarskolor och workshoppar vid internationella konferenser, är styrelsemedlem i Swedish AI Society – allt som en del av arbetet i CAISR, Centrum för forskning om tillämpade intelligenta system. Han är också involverad i olika utvecklingsaktiviteter, förutom att han själv leder flera forskningsprojekt inom teknikområde Medvetna intelligenta system.
Exempel på aktuella forskningsprojekt
Ett projekt är EVE – Extending Life of Vehicles within Electromobility Era i samarbete med Volvo Group, vilket syftar till att utveckla AI-modeller för alla nödvändiga komponenter i den elektriska drivlinan på tunga fordon, som bussar och lastbilar. Genom adekvat underhåll vid rätt tidpunkt kan livslängden på dessa fordon förlängas. Det snabba skiftet från diesel till elektriska motorer betyder dock att det saknas historiska observationer som är relevanta för elektiska drivlinekomponenter.
– Detta visar på behovet att gå bortom traditionella ML-algoritmer och på så vis möjliggöra upptäckten av mönster på tvären från liknande domäner och sedan överföra dem till önskade sammanhang, säger Slawomir Nowaczyk och fortsätter:
– Kunskapen som vi skapar genom forskning inom exempelvis EVE ger långsiktig nytta genom att sätta svensk industri och forskning främst på det snabbt växande området högkvalitativ premiumelektromobilitet. Därtill förser varje nytt steg med dessa algoritmer oss med potentialen att applicera dem i framtiden också för att lösa nya, ännu mer utmanande problem.
Ett annat nystartat projekt, XPM – eXplainable Predictive Maintenance, med samarbetspartner i Polen, Frankrike och Portugal, handlar om att utveckla flera olika sorters förklaringar för AI-beslut och integrera dem i befintliga reparations- och underhållsprocesser som styrs av människor. Hur användbara dessa resultat blir kommer att demonstreras i fyra fallstudier om elektriska fordon, tunnelbanor, stålverk och vindkraftverk.
– Beslut som tas av "AI-svartalådan-modeller" är ofta svåra för människor att förstå, och därmed också att agera på. Den fullständiga reparationsplanen och underhållsaktiviteterna måste därför utföras baserade på upptäckta brister av skador och slitage, vilket ofta kräver komplex planering som involverar många aktörer som balanserar olika prioriteringar. Det är inte realistiskt att förvänta sig att hela den här lösningen skapas automatiskt, det är för många olika sammanhang som måste tas med i beräkningen. Därför behöver operatörer, tekniker och chefer insikter för att förstå vad som händer, varför och hur de ska reagera. I dag ger de flesta ”svarta lådor” inte dessa insikter, och de stödjer inte heller experter i att ta beslut baserat på avvikelser som de upptäcker. Effektiviteten på det förebyggande underhållssystemet beror mycket mindre på precisionen på alarmen som AI avger än relevansen på aktiviteterna som operatörerna utför baserat på alarmen.
Ytterligare ett aktuellt projekt, iMedA, Improving Medication Adherence through Person-Centered Care and Adaptive Interventions har syftet att utveckla digitalt stöd för personer med högt blodtryck.
Mer om projekten:
Battery Cortex
Länk till annan webbplats, öppnas i nytt fönster.
XPM – eXplainable Predictive Maintenance Länk till annan webbplats, öppnas i nytt fönster.
Kreativitet och brainstorming
Slawomir Nowaczyk lämnade Poznań i Polen till förmån för Lund för sina forskarstudier. Efter en postdoktoranställning i Krakow, Polen, vid AGH University of Science and Technology, återvände han till Sverige. En anledning till att han valde att arbeta i Sverige är att kulturen att forska i samverkan är starkare i Sverige än i Polen.
– Min första tjänst här var en del av strategin att stärka samarbetet mellan Högskolan i Halmstad och industrin, särskilt gällande Volvo Group.
Slawomir Nowaczyk började snart efter det även att leda projekt.
– Den ständiga kampen att hitta rätt balans mellan forskning och affärsaspekter tillför en helt ny dimension till problemlösning.
”Centrum för forskning om tillämpade intelligenta system, CAISR, kan i stor utsträckning härleda sin framgång till en unik forskningskultur. Jag anslöt till CAISR under november 2010, och förstod genast att det var rätt ställe för mig – ett ställe där jag kan bidra till att bygga en verkligt exceptionell forskningsmiljö. Efter tio år känner jag samma passion som första dagen, särskilt som jag ser alla fantastiska förändringar som har ägt rum”, säger Slawomir Nowaczyk.
Vad krävs för att bli en bra forskare inom ML?
– Kreativitet, säger Slawomir Nowaczyk, och fortsätter:
– Det beror på hur du är som människa. Andra forskare kanske sitter på sitt kontor och skriver kod och rapporter på egen hand, men det skiljer sig från hur jag gör. Jag arbetar konstant med doktorander och samarbetspartner från företag. Den svåraste biten är att ha idéer, och vi gör hela tiden kreativa brainstormingsövningar för att komma på idéer och uppfinningar – och sedan testar vi dem. När du väl har en idé för en ny algoritm är det inte svårt att prova den. Det handlar mer om ingenjörskunskaper.
Vad driver honom i jobbet?
– Det är så stimulerande att vara forskare, när du skriver om din forskning, då vet du något som ingen annan i hela världen vet. Det är en fantastisk känsla! Och som forskare har du mycket frihet, även om du måste övertyga finansiärer om att dina idéer är intressanta.
Människor har en otrolig förmåga att alltid lära nytt och se komplexa relationer mellan olika delar av kunskap som man har skaffat sig – något som är nära förbundet med vår naturliga nyfikenhet.
– Det är kärnan i konceptet ”självmedvetenhet”, något som dagens AI-system verkligen saknar, och där tror jag att min forskning kan bidra till förändring.
Jag ser ibland hos doktorander att när de stöter på ett riktigt svårt problem, hänger de lite med huvudet. Då säger jag: ”var inte ledsen, var glad, du kommer att få ut en doktorsavhandling av det här problemet.
AI som framtida ledsagare
Nu för tiden är ML väldigt framgångsrikt i att skapa lösningar som fungerar bra för specifika områden eller applikationsdomäner.
– Nästa steg för mig är att få en djupare förståelse av fundamentala koncept som tillåter oss att bygga en mer allmän teori ovanpå framgångsrika applikationsexempel.
I framtiden förväntar Slawomir Nowaczyk sig en uppenbar påverkan på samhället relaterat till mer tillförlitliga AI-system.
– I dagsläget förstår de flesta inte hur AI tar beslut, vi behandlar det lite som en läskig ”black box”. I framtiden kommer AI dock i mycket större utsträckning att bli en följeslagare som vi interagerar med, ofta på ett djupt och meningsfullt sätt. Detta kommer att öppna nya och spännande möjligheter.
Text: KRISTINA RÖRSTRÖM
Bild: JOACHIM BRINK, ISTOCK och PEYMAN MASHHADI (algoritm)