Kunstig intelligens inspirert av maur
Torry Tufteland og Guro Ødesneltvedt jobber med kunstig intelligens i sin masteroppgave i IKT. Programmeringen er inspirert av hvordan maur samarbeider om å finne mat.
Artikkelen er mer enn to år gammel, og kan inneholde utdatert informasjon.
Torry Tufteland og Guro Ødesneltvedt jobber med kunstig intelligens i sin masteroppgave i IKT.
– Når en maur finner mat legger den igjen spor som leder andre i riktig retning. Vi bruker den teknikken til å finne stier gjennom data og grupperinger av data. Det er kult å ta et prinsipp fra naturen og bruke i datamaskiner, og se at det faktisk fungerer, sier Torry.
– Hva er det som «vandrer» i datamaskinen deres, i stedet for maur?
– Kategoriseringen foregår virtuelt. Et punkt beveger seg rundt i et rutenett, og finner det en god sti legger det igjen spor til de neste punktene. Slik fortsetter det og vi får en stadig bedre inndeling etter hvert som flere «maur» har gått over, sier Torry.
En god sti innebærer at man klarer å fange riktige type datapunkter, altså de dataene man ønsker å skille ut.
– Vi trener først opp maskinen med kjente data, deretter kan vi bruke den på ukjente data, sier Torry.
Prosessen krever mye datakraft og gikk etter hvert tregt på studentenes egne maskiner, derfor brukes nå en av universitetets servere.
Kan brukes på alle typer data
– Klassifiseringsteknikken kategoriserer data. Det kan være alle slags data; bilder, lyd eller tekst. For eksempel kan vi sortere tekster ut i fra om de er positive eller negative, sier Torry.
Førsteamanuensis og veileder Morten Goodwin mener diagnostisering av pasienter er et mulig bruksområde.
– Hvis man for eksempel undersøker om en pasient har kreft, kan maskinen gjenkjenne faktorer som indikerer om en celle er en kreftcelle. Teknikken kan slik hjelpe med å finne ut om cellen vi undersøker bærer kreft eller ikke, sier Goodwin.
Et annet område kan være kategorisering av store mengder bilder ut i fra hva som er avbildet.
Guro og Torry har begge først tatt treårig dataingeniørutdannelse i Grimstad og har valgt å gå to år til for å få en mastergrad.
– På masterstudiet kan vi gå dypere inn i ting. Vi hadde om maskinlæring i første semester og for meg var det en revolusjonerende måte å tenke IT på. Nå får vi også brukt det vi lærte på bachelorstudiet mer praktisk og på mer avanserte områder, sier Guro.
Vil forbedre sendere
En annen gruppe masterstudenter fokuserer på trådløs kommunikasjon. Salekin Imran og Ayyaz Mahmood ser på hvordan man kan redusere energibruken på såkalte sensor-noder (Wireless Sensor Networks), nettverk av sendere som dekker et stort geografisk område, ofte i avsides strøk.
Signaler sendes videre fra node til node, helt til de når basestasjonen. Det er en utfordring å drive slike nettverk med lavest mulig energibruk, for å forlenge levetiden.
– Kontroll på energibruken er nødvendig, og det er en klar fordel at batteriet varer så lenge som mulig, sier Ayyaz.
– Vi fikk noen gode resultater forrige semester og nå fokuserer vi på sammenstilling av data. Fremfor å sende hver melding for seg, kan flere samles i en «pakke» og overføres samtidig. Da reduserer vi både energibruk og forsinkelser i systemet, sier Salekin.
En industri i fremgang
Både Salekin og Ayyaz har bachelorgrader fra sine hjemland, Bangladesh og Pakistan, før de begynte på det toårige masterstudiet på Universitetet i Agder.
– IKT er viktig på mange og svært ulike områder. Derfor er det en industri som alltid er i fremgang. Stadig flere enheter er koblet til nett og samfunnet bør utnytte IKT til å skape en bedre fremtid for kommende generasjoner, sier Salekin.
Får mer relevante oppgaver
Førsteamanuensis Morten Goodwin sier studenter som går ut med en mastergrad ofte får mer relevante oppgaver når de kommer ut i arbeidslivet.
– Den viktigste grunnen for å ta en mastergrad er at man har lyst til å bli utfordret på flere og spennende oppgaver, både i studietiden og i arbeidslivet, sier Goodwin.
Studenter med bakgrunn innen data, elektronikk eller telematikk, kan søke seg inn på masterstudiet i IKT.
Studiet har to retninger å velge mellom når man skal fordype seg. Salekin og Ayyaz’ oppgave handler om kommunikasjonsteknologi, mens Torry og Guros oppgave om maskinlæring og kunstig intelligens hører inn under informasjonsteknologi.
Eksempler på temaer innen informasjonsteknologi:
- Kunstig intelligens og maskinlæring
- Datahåndtering og «big data».
- Beslutningsstøtte
Eksempler på temaer innen kommunikasjonsteknologi:
- Trådløse nett og ad-hoc nettverk
- Radiokommunikasjon
- Sensorteknologi og «embedded systems»
– Vi har mange ulike prosjekter, så studentene kan velge å spesialisere seg innenfor noe de synes er spennende, sier Goodwin.
Tekst og foto: Morten Rosenvinge