lunduniversity.lu.se

AIML @ Lund University

Lund University

Denna sida på svenska This page in English

LTH:s tidiga AI:resa

2019-01-23

Drönare – anno 2019. Foto: Theo Hagman Rogowski

Det blev inga produkter, men idéer genererades. "Vi var lite tidigt ute, men tankarna är relevanta idag när man vill ha obemannade fabriker." Det säger Karl Johan Åström, seniorprofessor i reglerteknik vid LTH. Här får du veta mer om LTH:s AI-forskning – om hur allt började inom reglerteknik, matematik och datavetenskap.


Reglerteknik: "Vi var lite tidigt ute"

Sysslar man med att få system att sköta sig själva, exempelvis vattenrening, farthållare i bilar eller temperaturreglering, faller det sig naturligt att snegla på möjligheterna med konstgjord intelligens. För vad vore bättre än processer som inte bara uppför sig automatiskt på önskat sätt, utan också kan lära sig och bli bättre efter hand?

Sådant som kan kallas föregångare till AI arbetade forskare i reglerteknik med på 1970-talet. Tillsammans med Kockums utvecklade de exempelvis en autopilot för båtar som automatiskt anpassar sig till vind och vågor.

– Det resulterade i en förstklassig produkt som fortfarande säljs internationellt, berättar Karl Johan Åström, seniorprofessor i reglerteknik vid LTH. Han kom till institutionen 1965 och arbetar fortfarande trots sina 84 år.

Ett annat exempel från den tiden är automatinställda regulatorer. Tekniken är fortfarande jätteviktig för tillverknings- och processindustrin, enligt Åström.

Men ”riktig” AI-forskning tog fart först några år senare. Bland annat arrangerade institutionen en doktorandkurs om AI 1982, vilken leddes av en inbjuden forskare från ett företag i Silicon Valley. Den första renodlade AI-avhandlingen kom 1987, då Karl-Erik Årzén skrev om tekniska reglersystem i processindustrin som kunde ge användaren förbättringsförslag. Inte långt därefter kom två avhandlingar av Jan Eric Larsson respektive Per Persson om smarta assistenter vid analys och konstruktion av reglersystem.

– Det blev inga produkter, men det generades en väldans massa idéer. Vi var lite tidigt ute, men tankarna är relevanta idag när man vill ha obemannade fabriker, säger Karl Johan Åström.

Och inte att förglömma: den automatiska tentarättaren Arne – AnalysRäkning Numera Elektroniskt – uppkallad efter dåvarande matematiklektorn Arne Persson och skapad av Bo Bernhardsson 1987.

– Teknologens dröm blev uppfylld. Man matade in skrivningen i Analys 2. Efter tio minuter kom svaren. Resultatet blev medelteknologens, för skrivuppgifter klarade den inte. Då skrev den ”Tidsbrist. Men det borde framgå av ovanstående att jag använt rätt metod”, berättar Bo Bernhardsson, numera professor i reglerteknik.

 

KRISTINA LINDGÄRDE

 

AI börjar med matematik

”Ny algoritm”, ”en magisk formel”… Kokar man ner vad som gömmer sig bakom nya, spännande AI-uppfinningar tycks det ofta handla om matematik.

Konsten att bygga nya AI-formler utövas gärna av matematikerna på LTH. Särskilt stor är kunskapen inom datorseende, det vill säga hur man lyckas få datorer och robotar som både kan se och tolka sin omgivning.

Inriktningen började av en slump: Dåvarande professor Gunnar Sparr satt 1985 med i betygsnämnden för en avhandling i reglerteknik om seende robotar, skriven av Lars Nielsen (för övrigt numera program­direktör för WASP, den nationella satsningen på strategisk grundforskning inom bland annat AI).

Med matematik, exempelvis så kallade invarianter, skulle igenkänningen fungera mycket bättre, tänkte Gunnar Sparr. Det visade sig stämma. Båda inledde ett samarbete och sedan dess har gruppen vuxit och spottat ut sig studenter och doktorander som exempelvis bygger 3D-kartor och ansiktsigenkänning för Apple, snabba bildsökningar i Google och celligenkänning i Cellavision. Härifrån kommer också företag såsom Mapillary, PolarRose, Spiideo och Cognimatics.


KRISTINA LINDGÄRDE

 

Datavetenskap: "Vi vill bygga smarta och hjälpsamma robotar"

Professor Jacek Malec kom till institutionen för datavetenskap 1999. Då hade AI-forskningen där pågått under flera år tillsammans med kognitionsforskarna.

– I vår forskning använde vi robotar med sensorer som kunde känna av omgivningen, navigera sig fram och ”prata” med varandra, säger Jacek Malec.

Under en period under 1990-talet upplevde AI-forskningen en svacka som till stor del berodde på brist på finansiering, berättar han. Det vände när EU började satsa allt mer på applikationer för en industriell kontext.

Under 2000-talet och framåt har Jacek Malec ägnat sin forskning åt kunskapsrepresentation och kunskapsförmedling mellan människa och maskin. Flera av forskarna vid institutionen arbetar med liknande frågor, till exempel interaktion/kroppsspråk och språkbearbetning. Näringslivet och industrin är i fortsatt fokus.

– Man kan säga att vi jobbar med förståelse, hur vi kan skapa system som förstår världen och vad människan vill. Vi vill bygga smarta robotar som är hjälpsamma.


JESSICA BLOEM