Nå skal den norske Tsetlin-maskinen videreutvikles

Tsetlin-maskinen er tidligere omtalt av mange medier, blant annet av digi.no, som i en artikkel fra januar 2019 omtaler den som noe annet enn en maskin, men heller som kunstig intelligens i form av en algoritme eller oppskrift for maskinlæring.

Navnet stammer fra den russiske matematikeren Michael Lvovitch Tsetlin, som før han døde bare 41 år gammel, rakk å bli en pioner innen det teoretiske grunnlaget for maskinlæring tidlig på 1960-tallet.

Professor Ole Christoffer Granmo ved Universitetet i Agder, som har oppfunnet den, uttalte i 2019 til Digi.no at Tsetlin-maskinen er laget for å konkurrere med nevrale nettverk. Han forklarte at det ikke dreier seg om noen svart boks, slik man ofte beskriver maskinlæring, der man får svarene uten nærmere forklaring.

I motsetning til dette er Tsetlin-maskinen helt gjennomsiktig og har et enkelt, tolkbart innhold.

Nå forklarer AI-spesialisten fra Agder-universitetet hvordan han og hans kolleger ser for seg at Tsetlin-maskinen kan forbedres og videreutvikles. Det spesielle med Tsetlin-maskinen er ifølge ham, at den er basert på logikk i stedet for nevrale nettverk.

– Dermed har den blitt veldig rask, tolkbar og lettere forståelig for mennesker, sier Granmo.

Tsetlin-maskinen er egentlig en liten mikrobrikke som i dag brukes til forskjellige oppgaver innenfor helse, finans og forskning. Denne lille brikken skal ikke bare ha gjort kunstig intelligens mer tilgjengelig. Den skal også ha blitt mer miljøvennlig og mindre energikrevende

– Tradisjonell kunstig intelligens ville koste altfor mye og vil bruke bortimot hundre ganger mer energi, hevder Granmo.

Han forteller at det siden 2018 har vært en enorm utvikling. Tsetlin-maskinen er basert på åpen programvare, og flere forskere fra mange land har arbeidet med den. Nå vil Granmo videreutvikle oppfinnelsen, og gjøre den enda bedre.

– Dette blir det neste, store skrittet. Vi skal løse et problem med all maskinlæring, sier han.

Korrelasjonsproblemer

All maskinlæring er basert på korrelasjon, men korrelasjon betyr ikke alltid at det er en årsakssammenheng. Om sommeren vil for eksempel mange spise is, og mange vil også bli solbrent. Men det betyr selvsagt ikke at man blir solbrent fordi man spiser is. Det er ingen årsakssammenheng mellom disse to hendelsene, selv om begge deler skjer på sommeren.

– En maskinlæringsalgoritme vil ikke skjønne at det er solen som er årsaken til at man blir solbrent, forklarer Granmo og mener at dette er den store utfordringen med maskinlæring.

Han sier at når maskinlæringen er basert på logikk, er det lettere å arbeide med den, men at det grunnleggende korrelasjonsproblemet må løses før man kan ha fullt utbytte av den.

– Hvis vi kunne løse korrelasjonsproblemet, så kunne vi for eksempel forstå hva som forårsaker blodforgiftning og kunne skape ny kunnskap, sier Granmo.

Han forteller at ved å trene opp maskinlæringen med en enorm mengde med medisinske data, vil den kunne fastslå årsaken til sykdommer som blodforgiftning.

– Hovedmålet med prosjektet er å finne ut av alle mulige årsaker og virkninger, forteller Granmo.

Han forteller at Tsetlin-maskinen da vil kunne finne årsak-virkning-forhold på tvers av alle typer data, både røntgenbilder, pasientjournal og blodprøver, og kunne oppdage årsaksforhold til sykdommer som ellers vil være vanskelig eller umulig å oppdage. På den måten ser han for seg at maskinen kan finne årsaker, ikke bare til blodforgiftning, men også til ulike former for kreft eller andre sykdommer. En ny forståelse av årsak-virkning og maskinlæring skal kunne gi uendelige muligheter for Tsetlin-maskinen.

Matematisk rammeverk for årsak-virkning

Dette vil han og samarbeidspartnerne få til ved å benytte seg av arbeid fra en annen forsker, den israelsk-amerikanske AI-forskeren og informatikeren Judea Pearl. Han er kjent for å ha utviklet en teori om årsakssammenheng og kontrafaktisk slutning basert på strukturelle modeller, og har dermed laget et matematisk rammeverk for å forstå årsak-virkning, et arbeid han fikk Turing-prisen for i 2011.

– Vi vil utvide Tsetlin-maskinen med dette rammeverket og kombinere det med Tsetlin-maskinen. Det vil gi enorme perspektiver, forteller Granmo.

Prosjektet skal vare i tre og et halvt år og inkludere et forskerteam fra Universitetet i Agder, et fra University of Pittsburgh, fra Newcastle University. I tillegg er Sørlandet sykehus en av partnerne i prosjektet. Universitetet skal ansette to doktorgradskandidater og en postdoktor i sammenheng med det nye Tsetlin-prosjektet.