I dag må en kunstig intelligens se flere milliarder bilder å lære seg hva som skiller dem fra hverandre. Maskinen søker gjennom store mengder mulige mønstre og karakteristikker før den har nok informasjon til å kunne gjenkjenne bilder på egen hånd.
– Vi jobber med å studere matematikken bak bildeanalyse, og med å utvikle nye måter å studere karakteristiske egenskaper ved bilder på. Vi ønsker å forstå bedre hvordan en datamaskin klarer å skille for eksempel mellom et bilde av en hund og et bilde av en katt. På sikt håper vi at denne matematiske kunnskapen kan gjøre kunstig intelligens langt mer effektiv slik at den krever færre ressurser for å trene, sier professor i matematikk ved Institutt for samfunnsøkonomi på Handelshøyskolen BI Fabian Harang.
Matematikkprofessor på BI Fabian Harang (bilde: Alexander Eriksson / Handelshøyskolen BI).Det åpner også helt nye felter.
– Det er mange områder hvor man ønsker å trene opp datamaskiner der det ikke eksisterer så mange bilder, for eksempel i noen typer medisinsk bildediagnostisering, fortsetter Harang.
Sammen med forskere fra hele verden har han nettopp tilbragt et år ved Senter for grunnforskning i Oslo. Der har han ledet forskningsprosjektet «Signatures for Images» sammen med professor Kurusch Ebrahimi-Fard ved NTNU Trondheim. De har jobbet med et grensesprengende prosjekt for å utvikle et nytt algebraisk og analytisk fundament for å forstå matematiske strukturer i to-dimensjonal data, slik som bilder.
– Et bilde består av to akser slik at hvert piksel eller koordinat kan ha en farge. Et bilde er sånn sett en matematisk funksjon av to variabler, og gitt en samling av slike funksjoner, eller bilder, kan vi studere abstrakte karakteristikker for å forstå bedre hva funksjonene representerer og hvordan de endrer seg når man studerer de i detalj.
Nysgjerrighetsdrevet forskning
– Det som kjennetegner grunnforskning er at det er nysgjerrighetsdrevet. Det er slik sett ikke noe vi driver med for å løse praktiske eller operasjonelle problemer i dag. Grunnforskning har likevel vist seg å være en hjørnestein i innovasjon og teknologiutvikling, sett i et historisk perspektiv. Selv om vår forskning i hovedsak fokuserer på utvikling av abstrakt matematisk grunnforskning kan den ha relevans for moderne anvendelser i datasikkerhet og bildegjenkjenning.
Illustrasjonsbilde av piksler med ulike fargeverdier (bilde: Getty Images).
Allerede er det et team i England som bruker forskningen til å gjøre kunstig intelligens for bildegjenkjenning bedre i stand til å motstå angrep fra hackere.
– Forestill deg at bilen din kjører bortover og det står en liten jente i veien. Bilens kamera ser hva som skjer og hjelper deg å bremse raskere slik at ingen blir skadet. Bilens kamerasystemer og bildegjenkjennings-algoritmer er derimot mottagelige for manipulasjon som potensielt kan endre på input-bildene slik at bilen ikke gjenkjenner jenta i veien. Kanskje reagerer du tregere slik at bilen ikke rekker å bremse i tide. Vår forskning kan potensielt bli brukt til at kamerasystemer blir bedre til å avdekke og motvirke slik manipulering.
Senter for grunnforskning spiller en viktig rolle i å legge til rette for slik grensesprengende og nysgjerrighetsdrevet forskning der det ikke er noe press om at den umiddelbart skal være praktisk anvendelig, men som utvider horisonten for menneskelig kunnskap.
– De har et team der som jobber kun for at vi som forskere skal få en så effektiv hverdag som mulig så vi kan bruke tiden vår på forskning og ingenting annet. De gir deg også et ganske generøst budsjett slik at du kan invitere de beste forskerne fra hele verden til Oslo. Det er helt fantastisk.
Et ledende matematisk miljø på BI
Avansert matematikk er viktig for flere fagfelter på BI, blant annet finans, økonomi og datavitenskap.
– Matematikk- og statistikkmiljøet på BI er bra og består av personer fra en rekke interessante fagfelter. Jeg håper vi kan styrke det enda mer fremover, gjennom å søke om midler fra forskningsrådet og EU for å utvikle både fagfeltet og fagmiljøet videre.
Harangs forskning omhandler flere temaer, og han er også aktiv i tverrfaglig forskning mot finans og økonomi. I løpet av høsten arrangerer han en rekke forskningsseminarer i samarbeid med blant annet UiO og Simula, som vil være dedikert til matematisk økonomi. Her er målet å lage en møteplass for forskere fra både matematikk og økonomifag for å diskutere nye ideer og samarbeid på tvers av fagfelt.
– Vi håper jo at matematikere kan bli inspirert til å se nye matematiske problemer og nye ligninger å studere, mens økonomer kan bli inspirert til å nye måter å løse sine problemstillinger på. Nå jobber jeg ved Institutt for samfunnsøkonomi på BI, men som matematiker. Jeg synes det møtet mellom to fagfelter er veldig spennende, avslutter Harang.
Også i 2024-2025 har en BI-forsker opphold ved Senter for grunnforskning. Professor i finans Paul Ehling skal undersøke atferden til ulike typer investorer og hvordan denne påvirker velstandsfordeling.