NORA forklarer kunstig intelligens

This podcast is a live recording from a panel discussion at the NORA Annual Conference 2023 hosted at the Scandic Ishavshotel, Tromsø. The title of the panel discussion was "Large Language Models: Bias & Reasoning" and featured Jill Walker Rettberg, Professor UiB, Per Egil Kummervold, National Library, Silje Strandengen. Morten Goodwin, Professor UiA, moderated the discussion.

In this episode, you will meet Michael Riegler, who is a Norwegian researcher in AI with Austrian roots. He is working as a lead researcher at the Simula Metropolitan Center for Digital Engineering (SimulaMet).

Michael is a highly engaged researcher who wants to give something back to society. Much of his science is focused on the use of AI in health-related research. He has worked on medical applications in colonoscopy, cardiology, mental health and artificial human reproduction and much more.

In this podcast you can hear about how Michael is creating artificial children using VR and AI and his experiences with language models such as GPT-3. We will discuss open science, the importance of open datasets and the role of synthetic data. We also discuss transparent, explainable and interpretable  AI, the trends in AI and the future of education within AI.

He is part of the Young Academy of Norway (initiative for The Norwegian Academy of Science and Letters), several white papers on AI and ethics, AI and health, recently for the Norwegian AI in health sector.

I denne episoden av podcasten NORA forklarer kunstig intelligens har vi med oss Jim Tørresen. Han er professor i informatikk ved Universitetet i Oslo og en av Norges storheter innen roboter og kunstig intelligens. Han er utdannet innen datamaskin- arkitektur og -design ved NTNU. I 2006 var han med på å etablere forsknings- gruppen “Robotikk og intelligente systemer”, som han har ledet siden 2007. Han har vært gjesteforsker ved Kyoto University i Japan, og gjesteprofessor ved Cornell University i USA.

Tørresen interesserer seg for maskinvaredesign, maskinlæring, kunstig intelligens og robotikk, og å se på bruken av slik teknologi innen ulike anvendelsesområder. Han er en av de få som både forsker på maskinlæring, robotikk, anvendelse, bioinspiserert teknologi, etikk, og juss. Han har også vært involvert i populærvitenskapelig formidling gjennom foredrag og å skrive en populærvitenskapelig bok – “Hva er kunstig intelligens”.

Språkteknologi er et område innenfor kunstig intelligens som har gjort enorme fremskritt de senere årene. Det er produsert modeller som er enormt store, som det nevrale nettverket GPT-3 med sine 175 milliarder parametre, og nå switch transformer som har over en billion parametre.

I denne episoden graver vi oss dypt ned i språkmodeller sammen med Lilja Øvrelid, som er professor ved Universitetet i Oslo og leder for Forskningsgruppen for språkteknologi. Hun fokuserer på ulike typer syntaktisk og semantisk prosessering av naturlig språk med maskinlæring, som avhengighetsparsering (dependency parsing), negasjon, spekulasjonsanalyse og sentimentanalyse. Hun har jobbet med utvikling av ressurser for maskinlæring, utvikling av systemer som automatiserer syntaktisk og semantisk analyse av språk, samt anvendelse av disse systemene i nedstrømsoppgaver (down stream tasks). Lilja har tallrike høythengende publikasjoner på området og er rett person når vi skal forsøke å forstå disse språkmodellene og hva de kan brukes til.

I denne episoden snakker vi om kunstig intelligens og medisin!  I januar kom det en spennende artikkel i Nature review cancer fra en norsk gruppe med tittel “Designing deep learning studies in cancer diagnostics”, og samme gruppe hadde en artikkel om dyplæring i Lancet i fjor. Bak artiklene står prosjektet DoMore! - et fyrtårnprosjekt finansiert av Forskningsrådet. 

Gjest I denne podcasten er professor Håvard Danielsen. Danielsen er leder av Institutt for kreftgenetikk og informatikk ved Oslo Universitetssykehus HF, professor II ved Institutt for Informatikk (IFI) ved Universitetet i Oslo og Visiting Professor of Cancer Informatics ved universitetet i Oxford, England. Han er også Honorary Professor i medisin ved universitetet i Soochow, Kina. Og ikke minst - Danielsen er prosjektleder for DoMore!

I denne episoden får vi høre mer om hvordan kunstig intelligens brukes for å klassifisere pasientens risiko for tilbakefall og død av tarmkreft og andre kreftformer. Kunstig intelligens brukt i kreftdiagnostikk viser ofte veldig gode resultater i forskningsprosjekter. Vi får også høre Danielsens tanker om hva som skal til for å overføre forskningsresultatene til klinikk, slik at algoritmene kommer pasienter til gode.

Hvis du er aktiv innenfor AI eller bioinformatikk har du sikkert fått med deg at det har skjedd et vitenskapelig gjennombrudd som forbløffer forskere verden over, og som den kjente biologen Andrei Lupas i den prestisjetunge vitenskapelige journalen Nature hevder: «will change everything». Proteinfolding har blitt sett på som et av århundrets største vitenskapelige utfordringer. Problemet kan oppsummeres: gitt en sekvens av DNA som koder for et protein, hvilken form vil proteinet få? 30. november ble det klart at  DeepMinds Alphafold 2 langt på vei har løst problemet.

I episode 2 har vi med oss Inge Jonassen, professor ved Universitetet i Bergen og leder av Computational Biology Unit. Inge er også leder for ELIXIR Norway, en europeisk infrastruktur for bioinformatikk. Inge jobber med AI og bioinformatikk, har selv jobbet aktivt med proteinfolding, og han har også vært med i CASP-konkurransen som AlphaFold 2 vant så overlegent.

I denne episoden snakker vi med Inge om hvordan kunstig intelligens har blitt brukt for å angripe proteinfolding og vi spekulerer i hvordan algoritmen AlphaFold 2 fungerer.

I denne episoden deler Robert Jenssen, leder for UiT Machine Learning Group, sine refleksjoner om å bygge opp aktivitet i kunstig intelligens i Norge, han forteller om sin helse-forskning og om hvordan industrisamarbeid kan lede til grunnforskning. Vi snakker om teknikker innenfor computer vision og bildeanalyse, spesielt few shot learning, one shot learning og semantisk segmentering, samt tanker om bias i datagrunnlaget og hvordan algoritmer eventuelt kan forbedres.

I tillegg til å lede UiT Machine Learning Group, utvikler Robert Jenssen ny dyplæringsmetodikk og informasjonsteoretisk og kernel-basert maskinlæringsalgoritmer, nevrale nettverk ofte med fokus på helseanalyse. Robert er også professor II ved Norsk regnesentral  i Oslo. Robert er ansvarlig for UiTs maskinlæring og statistikkutdanning innen studiet for anvendt fysikk og matematikk, han er leder for det nye senteret for forskningsdrevet innovasjon, Visual Intelligence, og er en prominent del av AI-Norge