Del 4 i bloggserien för uppdraget Swelife 😍 AI. Nu har även Skövde fått säga sitt om AI. Eller ja, det var sex personer från Högskolan i Skövde som på kort varsel ställde upp på ett samtal. Tack för det! Två till kommer jag ta ett telefonsamtal med inom kort.
Bland de jag talat med är det prefekter, professorer, forskningsgruppsledare, forskare, bland annat. Sen har de alla möjliga bakgrunder, bland annat kognitionsvetare med fokus på perception, datavetare, bioinformatiker, med mera.
Nej, nej, nej! Jag kan inte AI!
Att inte tycka sig hålla på med AI är bevisligen inte ett lokalt fenomen i Umeå som vi damp ner i för några veckor sedan. Även i Skövde förnekades det friskt att man kunde AI. Det är det någon annan som gör, men man kan inte riktigt peka ut vem som gör det bra. Jag finner det intressant.
En av personerna i samma sällskap som den som med mest eftertryck förnekade att hen “kunde AI” ville ändå förtydliga lite. Att hen (förnekaren) jobbat länge med datavetenskap och machine learning, men att man nu låg i startgroparna för något mycket mer avancerat. Hen kunde alltså machine learning, men först nu skulle börja med AI. Det är inte fullt så vanligt i näringslivet att vara så återhållsam med AI som begrepp.
Vad är en AI-expert?
Jag har träffat många som av andra pekas ut som AI-experter. Än så länge har ingen av dem varit bekväma med att själva säga att de kan AI.
De som själva utropar sig som AI-experter brukar ofta synas tillsammans med sina Powerpoint-presentationer, därav denna sarkastiska meme:
”Difference between machine learning and AI:
If it is written in Python, it’s probably machine learning
If it is written in PowerPoint, it’s probably AI”
– Mat Velloso på Twitter
Med det sagt så kan jag både skriva grejer i Python och lägger inte särskilt mycket mindre tid vid Powerpoint. Men jag svarar också väldigt undvikande på frågan om jag kan AI. Brukar mest fråga vad de menar med AI.
Har också sedan många år tackat för smickret men avvisat påståenden om att jag är data scientist. Ännu en svår avgränsning. Jag är kass både på statistik och systemutveckling, men ser inte det som en specialisering 🙂
Förhoppning och möjligheter med AI-teknikerna
De IT-inriktade personerna jag träffade såg möjligheten att använda AI till att göra samhället mer robust, med exempel på samhällskritisk infrastruktur och information. Att data som förvaltas av samhället kan tryggas och återanvändas. Att inte hamna i en “blackbox”. Samtidigt som vårt samtal släppte ComputerSweden nyheten att 2,7 miljoner samtal till 1177 legat oskyddade på nätet. Kanske kan magplask likt detta undvikas med hjälp av AI-botar som håller koll på upphandlade tjänsters mest basala IT-säkerhet?
Varje missmodighet kan alltid omvandlas till en möjlighet, och farhågor om bristfälliga standarder och öppenhet kan med kommande tekniker såsom AI bli en ny chans till bättring. Att internet slog igenom stort kan i mångt och mycket förklaras med dess öppenhet och standardisering. Det monteras nu effektivt ned, men det är en diskussion för ett annat tillfälle.
En kommentar från Skövde angående intervjuerna i Umeå är att Kammarkollegiet ryktas snart släppa en rapport om hur man avropar/upphandlar AI. Det verkar lovande.
Men blockkedjan då? *duckar*
Jag är medveten om vilken provokation det är att ta upp blockkedjan med kunnigt folk, men kunde inte låta bli. “Få tekniker är så missförstådda som blockchain” kom direkt. Men visst, tanken om att på ett transparent sätt kunna sprida resultatet av AI-insatser är en bra idé men knappast något som vi behöver just blockkedjan till.
Att undvika inlåsningseffekter och följa öppna standarder som kan utbyta information (så kallad interoperabilitet) är avgörande för att få helheten att fungera.
”Interoperabilitet är förmågan hos olika system, ofta i datorsammanhang, att fungera tillsammans och kunna kommunicera med varandra”
– Interoperabilitet – Wikipedia
Ett exempel på där interoperabilitet saknas är där du måste ange samma information i flera olika system för att få jobbet gjort.
Open source på riktigt!
En hängiven förespråkare förklarade att nu har vi chansen att göra open source på riktigt. Det där som min VGR-kollega Thomas Svenson ständigt ondgör sig över att ha översatts till öppen källkod. Och ja, det har inte med källkod att göra, mer med källa. Som en källa man kan ösa vatten ur, typ. Möjligen är liknelsen med en gruva bättre. I data science-kretsar pratar man ofta om data mining, att gräva upp data likt gruvdrift. Där finns också förädlingsprocessen i form av ETL (extract, transform, load) för att få ett värde av råvaran, att den blir meningsfull och i AI-sammanhang kan bidra till insikt.
Beräkningskraft ett problem?
Ingen nämner beräkningskraft som ett problem. Är det verkligen så olika? Genomdata är ändå ganska omfattande vad jag kunnat läsa mig till.
När beräkningskraft kommer på tal inom *omics-gänget hänvisar de till att det löser man väl med Kebnekaise i Umeå om det behövs tyngre grejer, och då är det inte gatuköket med samma namn vid Umeå central som avses. Vi kan välja att se detta som en styrka med tanke på att IT-branschen tycks ha en samsyn att det är kört att ens försöka med AI om man inte är Amazon, Google eller Microsoft. Om vi tillåts vara väst-centriska för en stund.
AI är inte nödvändigtvis resultatet av arbetet
De som jobbar med genomics är ett lysande undantag från att AI har med en slutprodukt att göra. AI-tekniker som deep learning är i deras fall snarare ett verktyg precis som en ordbehandlare för en byråkrat. Åtminstone i media hör man väldigt lite om AI-teknik som ett sätt att få sitt eget jobb gjort, eller ett sätt att nå insikt på ett mer personligt plan.
Här kanske de planer vi inom Swelife har att stärka individers AI-kompetens kommer väl till pass.
Det tråkiga grovjobbet – mänskliga gester och intentioner
Att “annotering” av världen skulle vara den tråkiga sysslan få andra bryr sig om att göra attribuerar jag till en föreläsning av Annotell på Lindholmen i Göteborg.
Ett område för applicering är hur en cyklist beter sig i trafiken och hur det påverkar “autonoma” fordon. Jag har själv testat dagens fordon på Chalmers campus på Johanneberg i Göteborg. Det är inte särskilt imponerande när skyttelbussen panikbromsar för tredje gången när en cyklist svänger in framför fordonet. Det hjälper inte att den lagstadgade personen med spelkontroll i näven bortförklarar det att cyklisten förväntas vänta 5 meter innan de svänger in framför fordonet. Bevisligen fungerar inte detta samarbete mellan mänskliga cyklister och försök till autonoma bussar.
Utöver intresset kring cyklisters beteende i trafiken är man på Högskolan i Skövde nyfikna på människors interaktion med teknik i största allmänhet.
UX (User Experience), eller, varför försöker vi ens..?
UX kanske inte är uppenbart för alla. UX står för User Experience och på svenska blir det väl användarupplevelse. En vinkel på UX är att motivera användaren, en annan är att utgå från användarens behov snarare än avsändarens.
Projekt, initiativ, intresse och hoppfulla signaler
Flera av personerna från Högskolan i Skövde vill hålla fram att den lokala styrkan är multidisciplin. Det var tydligt då samtliga jag talade med hade en dualism. Det kunde handla om genetik+läkemedel och datavetenskap, eller AI och användarupplevelse, eller tekniskt cirkulärtänk och AI, exempelvis.
En annan styrka är samarbetet med de forskande läkemedelsföretagen, tydligen är de bra på att efterfråga akademisk kompetens. Och vad jag läst mig till är det just inom läkemedel och genomics machine learning spås en lysande framtid, om inte nutid. Här kan man uppnå precisionsmedicin på sikt.
Sen hur stora växlar man drar på att folkhälsa, sjuksköterskor och “seriösa spel” finns inom samma högskola kan vi klura på. En utkomst är att man simulerat ambulanstransporter.
DMDPipe: Pipeline för identifiering av sjukdomsalstrande moduler för individualiserad diagnostik och behandling
Ordet pipeline tippar jag är samma som inom data science. Att man har en förädlingsprocess, att gå från insamlad data till insikt, eller diagnos i detta fallet.
Mer om DMDPipe ›
Bio-mine
Utveckla metoder för prognos och diagnos. Kunna besvara frågor som hur långt gången en sjukdom är, baserat på biomarkörer. En biomarkör är om hjärtmuskeln är förstorad,
Ingenjörskonst på vävnader
Ännu ett exempel på att machine learning-tekniker inte är produkten är att jobba med vävnader. Att donera blodkärl och undvika immunreaktion hos mottagaren, där handlar AI-tekniker som machine learning mer om kvalitetskontroll än om slutprodukten som snarare är en biologisk vävnad hos en patient.
Spel + AI-teknik
Kanske inte ett uttalat projekt, men det har under de senaste veckorna märkts av vid ett flertal tillfällen att den multidisciplinära kompetensmixen av spel och AI-teknik bär frukt.
Under MedTech West lunchseminarie kring AI för beslutstöd i vården demonstrerade företrädare för Högskolan i Skövde hur man med simulering/visualisering kan presentera en vårdsituation rent visuellt. Tänk ett spel där du ser läkare och sjuksköterskor rör sig i en vårdmiljö. Det blir enklare att simulera vad en tidsvinst kan innebära i praktiken om din modell har ett begrepp om avstånd eller den tid det tar att genomföra en extra insats.
När det gäller “spel” är det extremt hoppfullt att höra begrepp som serious games, spelbaserat lärande, gamification och UX. Med ett undantag var det inget som hördes i Umeå för två veckor sedan.
Är SAE nivå 2 – Partial Automation
Många slarvar med begreppen när det gäller den smarthet som byggs in i fordon, inklusive undertecknad. Det finns dock en standardiserad skala av hur pass klyftig ett fordon är – SAE-skalan.
I Skövde jobbar man med de automatiserade besluten som fordon behöver ta, därav försöker man läsa av intentioner från cyklister.
Hypen inom AI är delvis besläktad inom hur pass “autonoma” fordon är. Tips, de är inte det minsta autonoma, de bästa får panik av en ny rondell i uppförsbacke, något en människa fixar utan problem.
Användare och hur de kommunicerar eller interagerar med AI-system
En styrka inom Högskolan i Skövde är att man har UX och visuell analys nära till hands. Att via machine learning hitta ett mönster är en sak, men hur kommunicerar man det till en användare? Hur förstår man en dement äldre människa och hur får man dessa personer att lita på AI-systemet?
Tittar man holistiskt på Högskolan i Skövde handlar det om människa, hälsa och interaktion med tekniska system. Vilket märks när diskussioner om när man börjar lita på AI väcks, eller frågor om tillit väcks. Eller hur kommunikativa de är.
Smarta textilier, exoskelett och soft robotics
Man upplever öppna dörrar till Skaraborgs Sjukhus, men har också haft ett samarbete med Borås i söder, bland annat kring smarta textilier. Just kring att vara icke-påträngande och naturligt i vardagen är detta förenligt med UX. Men mer science fiction som exoskelett för att hjälpa någon att röra sig eller hjälpa till att lyfta någon annan kan också vara en del av hemtjänsten exempelvis.
Kompletterande ansatser
Även fast nästan samtliga framhåller behovet av ännu mer multidisciplinära samarbeten vill man berätta om att många läser deras kurser för att komplettera sin ämnesexpertis
Utmaningar och hinder
”[…] vi har ju varken nationellt eller på EU-nivå direkt haft en IT-politik värd namnet.”
Det och kombinationen av “anorektiska organisationer” i offentlig sektor målar upp en bild som bekräftar den från Umeå, att det är svårt att ha nödvändig kompetens i sin egen organisation.
En annan kommentar var att trots att vi har val var fjärde år så är det ändå för kortsiktigt i vissa fall. Det liknar “kvartalsekonomi” inom privat sektor och man optimerar politiken för att vinna nästa val. Hen menade att om man skulle ha val vart 80:e år skulle vissa frågor se helt annorlunda ut, man skulle ta ansvar över längre tid. Men det systemet har förstås vissa andra nackdelar.
300 års framförhållning
Jag drog själv jämförelsen, som jag inte vet om den är sann men tror jag hörde i Historiepodden, att försvarsmakten fick ett långsiktigt uppdrag. För några hundra år sedan, kanske under stormaktstiden, skulle här planteras ekar så Sverige kunde ha en redig flotta. När ekarna vuxit klart, på 1900-talet, meddelades kungen planenligt att nu kunde man minsann bygga en flotta av träskepp. Lite som att gå i krig med bågskyttar i modern tid för att möta autonoma krigsdrönare.
Vi pratar allt mer om utmaningen att bevara vårt digitala kulturarv, men hur och vad sparar vi undan av de insikter som AI kommer fram till de kommande åren?
En jämförelse kring intressekonflikt, eller möjligen konspiratorisk läggning, är om alla branscher i Sverige verkligen drar åt samma håll. Hur väl är balansen mellan att vi har en musikexport som behöver ett starkt skydd av intellektuella rättigheter och att samma bransch ständigt försöker få lagstiftare att skärpa lagarna? Kan en stark upphovsrätt samspela med den öppna återanvändningen som teknikbranschen behöver?
Ett extremt exempel är Copyright Term Extension Act, att upphovsrätt kan gälla upp till 70 år efter upphovspersonens död. Det gör inte upphovsrättsliga verk tillgängliga under den tid upphovspersonen själv lever inom. Man kan fråga sig hur lång livslängden är på material man vill mata en AI med, men mycket inom life science är nog utdaterat långt innan 70 år efter skaparens död.
En annan person bekräftade min bias om att “alla pratar om AI” idag. Som den omskrivningsvänliga memen:
”AI är lite som när tonåringar pratar om sex:
Alla pratar om det, ingen vet hur man gör det.
Alla tror att alla andra gör det och hävdar därför att de också gör det.”
Hen hade nämligen varit på en konferens, bland verkliga proffs inom området life science. Nästan samtliga hade en avslutande bild i sin presentation med osammanhängande snack om AI, deep learning och liknande. Hen fick intrycket att inte heller här visste man riktigt vad man höll på med. Men vem är det som vet vad de håller på med när det gäller AI?
Hur återanvänds resultaten?
Nu kan man vara väldigt bred i sin definition av vad demokratisk AI är. Några som använde ordet demokrati funderade högt på vilka krav på upphandlingar som ska ställas. Är det rimligt att skattepengar ska gå till projekt där kunskaperna inte delas fritt?
Inflation i förväntan?
Det finns en inflation i den förväntan som byggts upp och hela samhället rustar för att försöka möta förväntan. Det där känns igen från millennieskiftets IT-bransch, den där gången man försökte med matbutiker via nätet och misslyckades stort. Är det AI:s öde denna hype-cykel?
En samtalspartner teoretiserar att det beror på att fältet utvecklats snabbt så i princip alla känner att de är på efterkälken. Och att USA och Kina pekas ut som branschledande är väl inget som någon av dem förnekar som nationer, det bör spela dem i händerna i jakten på att samla på sig kompetens.
Samma orimliga hype refererar några till när det gäller stamceller, bland annat med referens till Macchiarini-affären på Karolinska. Kanske är du inte en av alla miljoner som lyssnar på Joe Rogans podd, men det måste vara åtminstone var fjärde avsnitt han pratar om att stamceller är behandlingen på det ena och det andra. Gissar att det sätter en viss förväntan på folk som dyker upp i vården med besvär de tror sig veta lösningen på.
Huggsexa om kompetensen
Fick man önska skulle man inte ha svårt att rekrytera. De som kan bayesiansk machine learning är lockande och algoritmers utveckling behöver man förbättra. Hur vet man verkligen vad man tror sig veta? Även de som upplevde sig som kompletta är det svårt som team att veta vad man vet, eller vad som funkar.
Closing argument och förslag på önskade utlysningar
Frågor:
- Varför kräver vi inte licensformen copyleft när skattepengar går till AI? GPL version 3 är så bra!
- En AI-utlysning från Vinnova eller Swelife som kräver total öppenhet från ax till limpa?
- Varför inte ha en utlysning om mänskliga känslor? Emotional AI som anpassar sig efter användarens känsloläge och behov under tiden de “spelar”?
- Skapa fler kompetenscentra. Diskuterades i samband med autonoma (multi)agenter. Typ cyklister, gångare, sparkcyklister, elsparkcyklister, mfl och mer tekniska autonoma fordon.
- Visuell analys – att utveckla och produktifiera området.
- Olika former av annotering av människors intention i vardagen, på lång och kort sikt. Leverans: ett förutseende säkerhetssystem baserat på AI.
- Varför kan man inte prata med sin journal via nätet?
En dialogpart nämner att en extremt meriterad projektsökare fått avslag med hänvisning till att sökande saknat publikationer på området. Frågan uppstår om hur väl granskarna kan bedöma kvaliteten på ansökningarna. Är det de akademiska meriterna som ska bedömas?
Jag kan av egen anekdotisk erfarenhet uppleva att man inte kommer så långt vid sökande av projektpengar om man fokuserar på de akademiska meriterna. Däremot, när jag agerat spökskrivare (vad VGR:s innovationsfond skämtsamt kallar lakej) tenderar ansökningarna att beviljas i större utsträckning.
Vad är skillnaden? Jo, det mest uppenbara, i min mening, är att jag lyfter fram potential och inte meriterna, att jag säljer en förhoppning och inte bakgrundsarbetet inom det akademiska. Ofta håller jag fram ett objekt som fokus. En sensor, en autonom skyttelbuss, eller liknande.
Där har du “mitt recept”.
När det gäller ansökningar till Swelife (och kanske Vinnova) kan jag av naturlig anledning inte bistå, annars brukar jag gärna bjuda på en genomläsning och några kommentarer.
I andan av projektfinansiering är det en dialogpart som frustrerat såg att man i England gjort samma projekt de själva inte fick finansierat fullt ut. Är det lönt att finansiera projekt till 90% om de ändå tillåts snubbla på upploppet?
Ännu mer som fångades upp i Skövde
- OpenSym 2019: The International Symposium on Open Collaboration
- Weka 3 – Data Mining with Open Source Machine Learning Software in Java
- Omics – Wikipedia – allt som slutar på omics, som genomics, glycomics, mfl
- Deep medicine – boktips! Släpps 12:e mars.
- SciLifeLab – lab inom life science, i Stockholm och Uppsala
- Swelife AI – collab on Spotify – spellista på Spotify, subtil påverkan på arbetet 🙂