Det nye senteret ledes av professor Pedro Lind og professor Anis Yazidi fra OsloMet AI Lab.
De siste årene har kunstig intelligens (AI) hatt betydelig innvirkning på omtrent alle menneskelige aktiviteter.
Hugo Hammer leder et av senterets forskningsområder, og forteller at fordelene med kunstig intelligens også fører med seg utfordringer.
– Kunstig intelligens viser imponerende resultater i mange oppgaver som skal løses, og kan til og med gjøre det bedre enn mennesker. Metodene som brukes har likevel flere utfordringer for å bli pålitelige og bærekraftige, sier Hammer.
Det nye forskningsmiljøet blir en del av OsloMet/SimulaMet AI Lab, og målet er å etablere en ny vitenskapelig tradisjon innen grunnleggende forskning på kunstig intelligens, som fokuserer på nettopp bærekraft og pålitelighet. '
OsloMet har en av de ledende labene for kunstig intelligens
Anis Yazidi, en av lederne ved det nye forskningssenteret, forklarer hvorfor OsloMet er riktig plass for et slikt senter.
– På OsloMet har vi et aktivt team som arbeider innen forskjellige områder av kunstig intelligens, og vår OsloMet/SimulaMet AI Lab er nå en av de ledende labene for kunstig intelligens i Norge, sier Yazidi.
– Vårt oppdrag er å fungere som en brobygger mellom grunnleggende forskning på kunstig intelligens og behovene i samfunnet.
For å nærme seg alle nøkkelaspektene innen bærekraft og pålitelighet i kunstig intelligens, har senteret utviklet fem forskjellige forskningsområder, se nederst.
Viktige nøkkelaspekter knyttet til bærekraft og pålitelighet
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.
Selv de mest sofistikerte modellene innen kunstig intelligens mangler åpenhet rundt hvordan de forutser hva som kommer til å skje.
Hovedmålet til NordSTAR er å utvikle AI-verktøy som tar med alle nødvendige nøkkelaspekter relatert til bærekraft og pålitelighet.
Deltakere i forskningsmiljøet NordSTAR: Pedro Lind (øverst til venstre), Anis Yazidi, Hugo Hammer, Stefano Nichele, Ahmed Elmokashfi, Sergiy Denysov og Laurence Habib.
Forskningsområder under NordSTAR
-
Forståelige og forklarbare modeller
Forskningsområdet fokuserer på å kvantifisere usikkerheten i beslutninger gjort av kunstig intelligens. Dette gjøres gjennom å utvikle verktøy for bedre forståelse av forskjellige komponenter i AI-modeller, og for å forklare hvorfor spesifikke beslutninger oppnås. Ledes av Hugo Hammer fra OsloMet AI Lab.
-
Biologisk inspirerte systemer for beregning
Forskningsområdet henter inspirasjon fra naturlig intelligens og inkluderer funksjoner herfra i AI-modeller, med et mål om å nærme seg effektiviteten i biologiske nevrale systemer. Ledes av Stefano Nichele fra OsloMet AI Lab.
-
Quantum AI
Forskningsområdet har som mål å redusere gapet mellom antall teoretiske forslag på design og anvendelse av Quantum AI og den nåværende mangelen på kvantitative praktiske resultater. Ledes av Sergiy Denysov fra OsloMet AI Lab.
-
Sikkerhet, trygghet og pålitelighet
Forskningsområdet ser på datasikkerhet, menneskers fysiske sikkerhet som følge av kunstig intelligens og skal oppnå et høyere nivå av pålitelighet i kommunikasjonen av kunstig intelligente systemer og metoder. Ledes av Ahmed Elmokashfi fra SimulaMet.
-
Menneskelige faktorer i kunstig intelligens
Vil ta i bruk de grunnleggende juridiske og moralske normene som ligger til grunn for sosial adferd i AI verktøy med fokus på bærekraft og pålitelighet. Forskningsområdet ble startet av Marija Slavkovik fra UiB, og skal ledes av Elena Parmiggiani fra NTNU.
Fremragende forskningsmiljøer ved OsloMet
- Totalt har fem senter ved OsloMet fått status som fremragende forskningsmiljøer.
- Dette er et tiltak for å oppfylle universitetets mål i strategien for 2024: å utvikle tre til fem fagmiljøer til å holde særlig høy kvalitet.
- Fagmiljøene som har fått denne statusen vil videre arbeide for å bli et nasjonalt Senter for Fremragende Forskning (SFF).
- Hvert av fagmiljøene mottar 1 million kroner per år i fire år fra 2021 til 2024, samt finansiering til en ph.d./postdoktor-stilling. I tillegg vil de få ekstra administrativ støtte for egenutvikling og for eksternt søknadsarbeid.
