Norske prosjekter bruker kunstig intelligens til å finne både feil, overgripere og polypper

AI+-konferansen i Halden i forrige uke har Digi.no også tidligere omtalt. Mens de første foredragene satte søkelyset på noen av de mer overordnede sidene ved bruken av og investeringene i kunstig intelligens, var det den første dagen av konferansen også en bolk med foredrag hvor involverte forskere fortalte om norske prosjekter som har tatt i bruk kunstig intelligens til å løse konkrete problemer.

Her omtaler vi noen av dem.

Finner feil før de blir et problem

Hugo Bettencourt Machado og Evmorfia Andrisopulou er datavitere i Equinor. De fortalte om Omnia.prevent, en plattform som bruker maskinlæring for å oppdage og forhindre at feil skjer i utstyr.

Plattformen overvåker 15.000 sensorer på tvers av 30 offshore-installasjoner. Det har for tiden 450 maskinlæringsmodeller i produksjon og har til nå, etter tre år, oppdaget og rapport om 70 feil.

Som navnet antyder, skal Omnia.prevent kunne varsle om feil før de faktisk skjer. Dette gjøres ved å se på svake signaler fra sensorene, hvor signaltersklene er basert på statistisk analyse istedenfor statiske verdier.

Én fordel med å oppdage de begynnende feilene tidlig, er at man i større grad kan planlegge og kontrollere nedetidene, som i tillegg blir kortere. En annen fordel er økt trygghet for både maskiner og mennesker på plattformer og anlegg.

De to dataviterne fortalte at systemet har endret Equinors forståelse av hvordan feil bygger seg opp.

Omnia.prevent kjøres i Microsofts Azure-sky og bygger på en teknologistakk bestående av en rekke åpen kildekode-produkter.

Som en kuriosa kunne de to fortelle at plattformen også har vært i stand til å registrere jordskjelv. Derimot mangler den en modell for å forutse jordskjelv.

Vil forhindre utnyttelse av barn på nettet

«Cyber grooming» er et uttrykk for prosessen hvor en voksen forsøker å gjøre seg til venn med et barn via nettet med mål om å møtes og begå seksuelle overgrep. Typisk vil den voksne personen oppgi en lavere alder enn sin virkelige alder for å få kontakt med barnet.

Patrick Bours ved NTNU og Saghar Asadi i Inmeta Consulting samarbeider i det som kalles for AiBA-prosjektet (Author input Behavior Analysis), som har som mål å kunne gjenkjenne forsøk på «cyber grooming» i sosiale medier og chatkanaler på et så tidlig stadium som mulig. Dette gjøres blant annet med utgangspunkt i at alder og kjønn spiller en rolle for hvordan vi snakker eller skriver.

I AiBA brukes kunstig intelligens til å vurdere risikoen for at det er en potensiell overgriper på ferde. Også her er det om å gjøre at det utløses en alarm når visse parametere når terskelverdier. Da vil en menneskelig moderator kunne overta.

Én av mange utfordringer er at det ikke er uvanlig at overgriperne sørger for at samtalen med offeret hopper mellom ulike kommunikasjonstjenester, for å skjule sammenhengen. Dette kan dog avsløres dersom etterforskere får tilgang til en mistenkts brukerenhet.

En annen utfordring er at prosjektet har begrenset med data fra vellykket «grooming», siden dette sjelden rapporteres.

Modellene i AiBA må også trenes til å forstå språket som benyttes. I tillegg til vanlig engelsk, som er språket som AiBA-prosjektet så langt har jobbet med, brukes det i chatten ofte emojier, leet-språk og komprimert SMS-språk, men også bevisste skrivefeil, for eksempel ord hvor det er satt inn ekstra bokstaver.

AiBA har pilotkunder i dag, men det ble ikke oppgitt hvilke.

Informasjonsoverflod i helsevesenet

Det siste av foredragene Digi.no overvar, ble holdt av Erik Fosse, som leder Intervensjonssenteret til Oslo universitetssykehus. Han fortalte om muligheter og utfordringer knyttet til bruken av kunstig intelligens i medisin.

– Hovedproblemet i medisin i dag er informasjonsoverflod. Vi har masse informasjon, men vet ikke hvordan vi skal bruke den, sa Fosse.

Han mente det er litt ironisk å snakke om kunstig intelligens innen helsevesenet når man ennå ikke har fått på plass noen felles pasientjournal.

Fosse nevnte flere områder hvor kunstig intelligens og annen moderne teknologi nå tas i bruk i forbindelse med medisin.

For eksempel utføres det randomiserte tester av en algoritme som skal være i stand til å finne flere polypper i tykktarmen enn det en lege er i stand til.

Ved sykehuset er de i ferd med å gå over fra bruk av 3D-printede organmodeller til digitale 3D-modeller og Hololens i forbindelse med planleggingen av kirurgi.

Fosse fortalte at det kan være svært ressurskrevende å gjøre beslutninger om diagnose og behandling, spesielt om pasienten er relativt gammel og har flere lidelser. I forkant av en operasjon kan det være nødvendig at temmelig mange spesialister er med på å vurdere hva som den beste behandlingen for nettopp denne pasienten.

– Det er slik helsevesenet fungerer, sa Fosse. – Dette burde kunne løses med IT og kunstig intelligens. Det handler om vekting av data.

Enorme juridiske hindringer

Det er likevel mange utfordringer. Utstyr som brukes i helsevesenet må være ISO-sertifisert. Men hvordan gjør man det med en algoritme som hele tiden endrer seg?

– Den største flaskehalsen er den juridiske, sa Fosse. Som spørsmål om hvor mye genetikkode man kan dele, for eksempel med forskere i utlandet.

– For det dreier seg om veldig personlig informasjon, sa han.

Fosse sammenlignet stedet man er på i dag med overgangen fra hest til bil, da det måtte gå en person med rødt flagg foran bilene.

– Vi kan ikke få alle fordelene av den nye teknologien, påpekte han.

Fosse mener det kan bli nødvendig å ta noen risikoer og teste grensene for hva som er lov på dette området, slik at man kan få noen rettskjennelser på dette feltet.