Framtidens AI måste kunna lösa problem utan märkt data
Möt forskaren Hadi Fanaee som arbetar med att förutse fel och lösa problem med hjälp av AI. Han bedömer att de största möjligheterna för AI ligger inom så kallad oövervakad inlärning där maskininlärningsalgoritmer hittar mönster och avvikelser utan att ha tränats med de rätta svaren, det vill säga utan användning av märkt data.
Vindturbiner är en vanlig syn i vårt landskap, med konstruktioner som är upp till 70 meter höga och försedda med majestätiskt snurrande rotorblad. För det mesta fungerar allt bra, men om vinden blir hård kan snurrandet komma ur kontroll, vilket kan få förödande konsekvenser.
– Om säkerhetssystemet inte fungerar kan en situation med starka vindar leda till att turbinen exploderar. Förebyggande underhåll är grundläggande, men det är också dyrt och farligt, säger Hadi Fanaee, biträdande universitetslektor vid Akademin för informationsteknologi på Högskolan i Halmstad.
Potentiella problem behöver upptäckas i ett tidigt skede, vilket gäller ett stort antal tekniska lösningar inom industrin. Det är därför avvikelsedetektering är ett fält för forskare som arbetar med datautvinning och maskininlärning. Det är också ett av Hadi Fanaees huvudfokus i sitt arbete vid Högskolans Centrum för forskning om tillämpade intelligenta system, CAISR. I korthet bygger detektering av avvikelser på algoritmer som kombinerar stora mängder sensordata med externa parametrar – när det gäller vindturbiner så kan dessa parametrar vara till exempel vindstyrka och temperatur. Maskininlärningsalgoritmen är designad så att den, baserat på en stor mängd data, kan förutsäga onormala tillstånd så tidigt som möjligt för att problem ska kunna lösas innan de blir allvarliga.
Internet of Things ger möjligheter för datautvinning
Hadi Fanaee har som övergripande forskningsmål att försöka hitta dataproblem med stor inverkan, helst sådant som uppkommer inom många olika områden, och utveckla effektiva AI-lösningar för dem. Den stora utmaningen är alltid att upptäcka intressanta mönster i en stor mängd data, inom en rimlig tidsram. Utöver avvikelsedetektering, jobbar Hadi Fanaee med så kallad flervägsdataanalys och tidsserieutvinning. En viktig samarbetspartner är den internationella industrijätten Alfa Laval, som producerar bland annat värmeväxlare och separatorer.
– Alfa Laval har nyligen börjat koppla sina maskiner till sakernas internet, Internet of Things, så nu har de mätningar från sensorer på flera olika maskiner, allt samlat i en portal. Vi tillämpar tidsserieutvinning för att få ut frekventa mönster och upptäcka viktiga förändringar i dem, säger Hadi Fanaee.
Hadi Fanaee, biträdande universitetslektor vid Akademin för informationsteknologi, är verksam vid Högskolans Centrum för forskning om tillämpade intelligenta system, CAISR.
Initiativ till samarbete om AI
Hadi Fanaee föddes i Iran och har alltid älskat att resa och uppleva olika kulturer. Det fick honom till Portugal för att avlägga sin doktorsexamen, och sedan flyttade han vidare till Norge.
– Halmstad är bara fyra timmar bort från där jag bodde i Norge. När tjänsten vid CAISR annonserades ut, kände jag att det var helt rätt för mig. Jag ville inte jobba enbart inom industrin eller enbart med teoretisk forskning, utan jag ville göra både och. Jag hade andra alternativ, men CAISR var det bästa valet för mig.
På Högskolan i Halmstad undervisar han även i en kurs om AI för chefer. Ambitionen är att ge en överblick över de nuvarande möjligheterna med AI, samt vilka tekniska verktyg och tillämpningsområden som finns.
– Jag vill ge chefer och företagsledare en realistisk bild av AI, och inte den överdrivna som AI-leverantörer står för eller den negativa som Hollywood skildrar.
Hadi Fanaee koordinerar också det nystartade nätverket Halmstad Professionals för personer som är intresserade av AI, dataanalys, cybersäkerhet, tjänstedesign och business intelligence. Nätverkets medlemmar kommer att få ta del av lunchseminarier och workshops.
– Målet med nätverket är att samla yrkesverksamma från industrin och akademin för kunskapsutbyte och inspiration, samt att skapa möjligheter för mer samarbeten, säger Hadi Fanaee.
Oövervakad inlärning är framtiden
När han blickar framåt är han övertygad om att de största möjligheterna för AI ligger i så kallad oövervakad inlärning. I dag är standarden övervakad inlärning, vilket innebär att man lär upp datorerna med noga utvald data. En mänsklig expert måste märka all data och tala om för algoritmen huruvida datan är normal eller onormal, innan algoritmen kan lära sig att hitta liknande avvikelser i ny data. Det tillvägagångssättet är tidskrävande och dyrt, och dessutom beror datakvaliteten mycket på kunskapen hos den som utför märkningen. Med oövervakad inlärning är data istället omärkt och algoritmen måste utformas för att hitta intressanta mönster utan att ha något facit att lära sig av.
– Genom att jämföra mönster med äldre datasamlingar, bör algoritmen till slut kunna klara av att förutsäga avvikelser. Jag tror att det är här som den största potentialen inom AI finns. En expert kan inte förutsäga alla möjliga orsaker till avvikelser, och man hittar oftast inte högkvalitativ data inom företag. Hur kan vi överhuvudtaget säkerställa att märkt data är exakt? Det måste lösas, och jag tror att det kan göras genom att lägga mer tid och energi på oövervakad inlärning. Det finns mindre forskning på det än på övervakad inlärning, men det är inget problem för mig. Jag gillar utmanande uppgifter!
Text: LISA KIRSEBOM och LOUISE WANDEL
Översättning: KARIN BERGSTRAND
Bild: ROLAND THÖRNER och ISTOCK