AI-modeller presterar bättre om man från början inkluderar kunskap från mänskliga experter som har jobbat med problemlösning i många år. Experterna har redan mycket kunskap om de problem som man vill att AI ska lösa, vilket gör att modellerna inte behöver starta från noll.
AI har en unik position bland tekniker för digitalisering som förändrar vårt samhälle. Att arbeta med AI spås även bli en nyckelfaktor och en konkurrensfördel inom industrin när det till exempel handlar om processförbättringar och resurseffektivitet.
Niclas Ståhl är doktorand på Högskolan i Skövde och har studerat hur själva AI-metoderna kan förbättras. I sin avhandling har han fokuserat på AI-metoder inom stålindustrin och läkemedelsindustrin och avhandlingen innehåller flera fallstudier i samarbete med aktörer som verkar inom ståltillverkning och läkemedelsframtagning.
– I min forskning har jag studerat hur AI-metoder kan bli bättre genom att få dem att efterlikna resonemanget som mänskliga experter använder för att lösa vissa problem, säger Niclas Ståhl.
Mänsklig problemlösning inkluderas i AI-modellerna
Fallstudierna inom ståltillverkning fokuserar på valsning och smältning medan fokus inom läkemedelsframtagningen ligger på framtagandet av nya läkemedelskandidater och hur man kan förutspå egenskaper hos molekyler.
Niclas Ståhl har jämfört AI-modeller där expertkunskapen inkluderas med AI-modeller där expertkunskapen utlämnas. Resultatet visade att en inkludering av expertkunskapen gör att modellerna presterar bättre. De mänskliga experterna har jobbat med problemen i många år och har därmed redan mycket kunskap om de problem som AI-modellerna ska lösa, menar han.
– Genom att efterlikna experternas tankesätt kan vi från start få med kunskap om hur man löser problemet. AI-modellen behöver därmed inte starta från noll. Att AI-modellerna efterliknar mänskliga experter i sitt resonemang gör också att det blir lättare för andra att lita på modellerna, säger Niclas Ståhl.
Ökar vinsterna med att använda AI
Med förbättrade AI-metoder blir även de vinster som AI för med sig större. Resultaten från Niclas Ståhls forskning kan användas för att till exempel effektivisera framtagningen av nya läkemedelskandidater, förbättra styrningen av industriprocesser och för att automatisera repetitiva arbeten.
Det innebär ekonomiska vinster för industrin men också en samhällelig vinst. När läkemedel kan tas fram snabbare, kommer de snabbare till de som behöver dem. Förbättrade processer innebär minskad resursåtgång och minskat avfall, vilket är en vinst för klimatet. Vid repetitiva arbetsuppgifter inom industrin kan slentrianmässiga fel undvikas eftersom AI aldrig tröttnar på sin uppgift utan fortsätter att prestera lika bra hela tiden.
Avhandling:
Integrating Domain Knowledge into Deep Learning.
Kontakt:
Niclas Ståhl, doktorand i informationsteknologi vid Högskolan i Skövde, niclas.stahl@his.se
