English version

Nordic Center for Sustainable and Trustworthy AI Research (NordSTAR)

Illustrasjonsbilde fra Pilestredet campus i Oslo. Bildet viser noe av fasaden til en av bygningene, Pilestredet 32, med OsloMet-skilt på veggen. I framgrunnen er det grønne trær, og på fortauet framfor bygniningen går to fotgjengere.

De siste årene har kunstig intelligens (AI) hatt betydelig innvirkning på omtrent alle menneskelige aktiviteter. Kunstig intelligens viser imponerende resultater i mange oppgaver som skal løses, men metodene som brukes har flere utfordringer for å kunne bli pålitelige og bærekraftige. 

Toppmoderne algoritmer innen kunstig intelligens krever massiv datakraft og energi for å håndtere stadig voksende arkiver med stordata. 

For å sikre at fremtidig kunstig intelligens blir miljømessig bærekraftig, må systemene utvikles slik at de til enhver tid optimaliserer tid og energi brukt til beregninger.

Samtidig blir også AI-systemer i lengden truet av menneskelige faktorer, og den største menneskelige utfordringen er mangel på tillit, fordi mennesker ofte ikke forstår hvordan maskiner kommer fram til de beslutningene som tas. 

Selv de mest sofistikerte modellene innen kunstig intelligens mangler åpenhet rundt hvordan de forutser hva som kommer til å skje. 

Nordic Center for Sustainable and Trustworthy Artificial Intelligence Research (NordSTAR) er et fremragende forskningsmiljø som vil etablere en ny tradisjon i forskningen på bærekraftig og pålitelig kunstig intelligens.

Senteret ledes av Pedro Lind og Anis Yazidi, og er en del av OsloMet Artificial Intelligence Lab og forskningsgruppen Applied Artificial Intelligence.

Hovedmålet til NordSTAR er å utvikle AI-verktøy som tar med alle nødvendige nøkkelaspekter ved bærekraft og pålitelighet i kunstig intelligens. For å nærme seg alle disse nøkkelaspektene, har senteret utviklet fem forskjellige forskningsområder: 

  • Modeller man kan forklare og forstå

    Dette forskningsområdet legger vekt på å kvantifisere usikkerheten i beslutninger gjort av kunstig intelligens. Dette gjøres gjennom å utvikle verktøy for å kunne få bedre forståelse av forskjellige komponenter i modeller for kunstig intelligens, og for å forklare hvorfor spesifikke beslutninger tas.

    Leder av forskningsområdet: 

    Laster inn ...

     

  • Biologisk inspirerte systemer for beregning

    Dette forskningsområdet henter inspirasjon fra naturlig intelligens, som inkluderes i modeller for kunstig intelligens. Målet er å nærme seg effektiviteten i biologiske nevrale systemer. 

    Leder av forskningsområdet:

    Laster inn ...
  • Quantum AI

    Målet med dette forskningsområdet er å redusere gapet mellom antall teoretiske forslag på design og anvendelse av Quantum AI, og den nåværende mangelen på kvantitative praktiske resultater. 

    Leder av forskningsområdet:

    Laster inn ...
  • Sikkerhet, trygghet og pålitelighet

    Dette forskningsområdet tar for seg datasikkerhet, og menneskers fysiske sikkerhet i bruk av kunstig intelligens. Målet er å oppnå et høyere nivå av pålitelighet i bruk av kunstig intelligente systemer og metoder. Forskningsområdet ble startet av Ahmed Elmokashfi fra SimulaMet, som ledet arbeidet det første året. 

    Leder av forskningsområdet: 

    Laster inn ...
  • Menneskelige faktorer i kunstig intelligens

    Ved å legge vekt på menneskelige faktorer og verdier i en tidlig fase av utviklingen, skal dette forskningsområdet forsøke å sikre tilliten til de kunstig intelligente systemene som blir utviklet. Forskningsområdet ble startet av Marija Slavkovik fra Universitetet i Bergen. 

    Leder av forskningsområdet:

    Elena Parmiggiani fra NTNU.

Ledere

Laster inn ...

Forskere

Laster inn ...

Administrative medarbeidere

Laster inn ...
  • Medlemmer

    Laster inn ...
    Laster inn ...
    Laster inn ...
    Laster inn ...
  • Alumni

    • Elena Parmiggiani. Leder av forskningsområdet Menneskelige faktorer i kunstig intelligens. Tilhørighet: NTNU 
    • Cassandra Grundstrom (ntnu.no), Associate Professor at the Department of Computer Science, NTNU. Part of the human factors research area in NordSTAR.
    • Ioannis Adamopoulos, masterstudent ved Anvendt data- og informasjonsteknologi (ACIT)
    • Giorgia Nadizar, tidligere forskningsassistent ved NordSTAR, nåværende PhD-student ved University of Trieste og en del av samarbeidsprosjektet BioSoftRob (nichele.eu)
    • Sebastian Testaniére Overskott, masterstudent ved anvendt data- og informasjonsteknologi (ACIT). 
    • Sushil Acharya utviklet et verktøy for å digitalisere 7000 ECGer lagret i databasene til Ahus. 
    • Ramesh Upreti utførte en undersøkelse på sikkerhetsprotokoller for datanettverk. 
    • Ahmed Elmokashfi startet forskningsområdet Sikkerhet, trygghet og pålitelighet i NordSTAR, og ledet arbeidet i området det første året. 
  • NordSTAR i media

Aktuelt fra NordSTAR

Bilde av lege som viser noe på en skjerm i samtale med pasient. Pasienten har ryggen til, vi ser høyre del av ansiktet, og vi ser baksiden av skjermen.
Kunstig intelligens kan gi oss riktig diagnose. Men vi vet for lite om hvordan den gjør det.

Med kunstig intelligens kan vi lettere oppdage hva slags sykdommer vi har, men vi trenger mer kunnskap om hvordan den finner ut hva som feiler oss.

Bilde av kvinne som ser ut over et byområde med fjell i bakgrunnen. Skyer bakerst og fjord nedenfor fjellet der kvinnen står.
Storløyving til forskning på autonome søk

OsloMet-forskere fått 11,84 millioner til forskning på maskinlæring inspirert av øynenes søk etter visuell informasjon.

Mann ser bekymret ut mens han leser på laptop
Muslimhets øker i norske kommentarfelt

Andelen kommentarer som er hatefulle mot muslimer er lav, men det har vært en markant økning det siste året.

Bildet viser en ung mann som ser betenkt ut, bak to dataskjermer. Bakgrunnen er uskarp.
Slik kan du unngå dataangrep

Internasjonale konflikter og kriminalitet øker risikoen for dataangrep. Hvordan kan du beskytte deg?

Bilde av tre smilende unge menesker ved et bord i samarbeid om en kreativ oppgave.
Slik kan biologien inspirere kunstig intelligens

Mennesker løser oppgaver med lite energi, kunstig intelligens bruker mye strøm. Kan kunstig intelligens lære av biologien?

Bildet viser to personer framfor en skjerm til høyre, og en person til venstre som ser ut til å være tankefull og litt oppgitt.
Dette er utfordringene med kunstig intelligens

Kunstig intelligens automatiserer kjedelige rutineoppgaver, men gir oss store utfordringer i sikkerhet, personvern og energiforbruk.

Illustrasjonsbilde av kunstig intelligens. Bildet viser en lærer som viser fram en robot til en gruppe elever. Dette skaper entusiasme, og stemningen er god.
Dette bør du vite om kunstig intelligens

Kunstig intelligens blir stadig viktigere i hverdagen til de aller fleste. Men vet du egentlig hva kunstig intelligens er, og hva det kan brukes til?