Stora samhällsvinster med AI

Spårning av antibiotikaförskrivning, sortering av e-post och beräknat underhåll av fordon. Det är några exempel på hur deep learning kan användas. Tekniken har medfört stora framsteg inom AI de senaste åren.

– Deep learning eller så kallade djupa neuronnät har revolutionerat i princip alla områden inom AI. Ett av de senaste stora genombrotten har kommit med en form av djupa neuronnät som kallas transformers och som kan hantera enorma mängder textdata, berättar Olof Mogren, forskare inom maskininlärning på forskningsinstitutet RISE.
– Inom mitt område, språkteknologi, har vi under de senaste två åren sett avsevärda förbättringar av prestandan med hjälp av den här typen av modeller, säger Magnus Sahlgren, senior expert som leder språkteknologiforskningen på RISE.
Genom att träna modeller på stora datamängder kan forskarna använda dem på nya användningsområden med mindre data; det kallas för överföringsinlärning. RISE samarbetar till exempel med Kungliga Biblioteket och kan därigenom träna modeller på stora delar av bibliotekets datamängder. Modellen lär sig svenska och kan sedan användas för att lösa en mängd olika specifika problem.

Forskar på verkliga behov
De båda forskarna betonar hur viktigt det är att alltid utgå från behoven och att samverka med universitet, näringsliv och myndigheter. På RISE bedrivs flera intressanta projekt.
– Vi samarbetar med Sahlgrenska Science Park, Folktandvården, Region Halland med flera och tittar på medicinska texter. I Folktandvårdens fall handlar det om att spåra förskrivning av antibiotika, säger Olof Mogren.
– Ett annat språkrelaterat projekt bygger och använder AI-modeller specifikt för myndigheter. Ett exempel kan vara e-post till Skatteverket som automatiskt kategoriseras och skickas till rätt avdelning. Genom att effektivisera arbetet och även bygga tjänster för medborgare kan vi se stora samhällsvinster, berättar Magnus Sahlgren.
– Den typ av arbetsuppgifter som maskiner tar över, är folk antagligen ganska glada över att slippa. På så sätt får de tid att fokusera på mer kvalificerade arbetsuppgifter, säger Olof Mogren.

Många användningsområden
Projekt inom djupa neuronnät handlar om mer än språkteknologi. Forskarna nämner underhåll av fordon och maskiner, finansiell riskvärdering för cirkulära affärsmodeller och mycket annat.
– Nästa stora steg blir när vi tränar modellerna på fler sinnesintryck som till exempel syn, hörsel, känsel och lukt. Då kommer vår AI att bli ännu mer kraftfull, avslutar Magnus Sahlgren.