91视频

I december i 氓r samlas v盲rldens forskare inom maskin- och djupinl盲rning till en stor konferens i Vancouver, Kanada. Konferensen heter Neural Information Processing Systems, NeurIPS 2019. 7000 bidrag skickades in, 1200 accepterades och 36 av dem ska framf枚ras som f枚redrag inf枚r de cirka 10 000 konferensdeltagarna.

F枚r ett av f枚redragen st氓r Anna Wigren, doktorand hos LiU-forskaren Fredrik Lindsten, men med placering vid Uppsala universitet. Arbetet handlar om hur man kan automatisera delar av maskininl盲rningen f枚r att f氓 den effektivare, mer robust och mer l盲ttanv盲nd.

鈥� Vi m氓sta kunna hantera os盲kerheten i ber盲kningarna f枚r att systemen ska vara robusta, s盲ger Fredrik Lindsten, bitr盲dande professor vid avdelningen Statistik och maskininl盲rning, Institutionen f枚r datavetenskap.

Datormodeller av komplexa system

Fredrik Lindstens forskning handlar om att ta fram och f枚rb盲ttra de algoritmer som anv盲nds f枚r att bygga datormodeller av komplexa system. Ett antal olika grundalgoritmer kan kombineras och modifieras beroende p氓 vilken typ av problem som ska l枚sas.

Fredrik Lindsten Foto Magnus Johansson鈥� Ett exempel d盲r vi har m氓nga ok盲nda parametrar 盲r vid ber盲kningar av hur epidemier sprids. D盲r har vi bidragit till ett f枚rb盲ttra algoritmerna, ber盲ttar Fredrik Lindsten.

Det forskarna har gjort 盲r att relatera resultaten fr氓n ber盲kningarna till hur verkligheten har sett ut hittills, exempelvis hur sjukdomar har spritts i v盲rlden 枚ver tid, hur m氓nga som har insjuknat och var.
鈥� Vi anv盲nder observationer som grund, med statistiska metoder studerar vi sedan f枚r盲ndringar 枚ver tid och drar slutsatser kring hur det kommer att se ut i framtiden. Modellen bygger p氓 antagandet att om vi vet vad som h盲nde i g氓r kan vi ocks氓 se fram氓t, s盲ger Fredrik Lindsten.

Samma typ av algoritmer som anv盲nts f枚r att f枚rutsp氓 epidemier kan exempelvis ocks氓 anv盲ndas inom helt andra omr氓den, som inom oceanografi, fast h盲r 盲r det havsniv氓er 枚ver tid med mera som plockas in i systemet.
鈥� Vi anpassar algoritmen och parametrarna efter de data som samlats in, s盲ger han.

Probabilistisk programmering

Metoden har de integrerat i det som kallas probabilistisk programmering, en metod som g氓r ut p氓 att separera kodandet och algoritmerna fr氓n specifikationen av den modell man vill anv盲nda. Med modell menas h盲r de ekvationer som anv盲nds f枚r att beskriva hur exempelvis en epidemi utvecklas 枚ver tiden. Modellen 盲r n氓got som de som har inblick i sj盲lva till盲mpningen (i detta fall epidemiologer) 盲r b盲st l盲mpade att specificera. I modelleringssteget anv盲nds kunskaper om den till盲mpning man vill modellera.
D盲remot 盲r det s盲llan epidemiologer, oceanografer eller andra anv盲ndare av probabilistisk modellering som 盲r b盲st l盲mpade att koda upp de algoritmer som anv盲nds f枚r att anpassa parametrarna i dessa modeller till observerade data.

Anna Wigren鈥� Tanken med probabilistisk programmering 盲r att anv盲ndaren ska kunna koda upp sin modell i ett generiskt programmeringsspr氓k, d盲refter tar ber盲kningsalgoritmerna vid och anpassar modellerna till de data man har samlat in, s盲ger Fredrik Lindsten.

Vid konferensen kommer Anna Wigren exempelvis att anv盲nda exemplet med spridning av denguefeber p氓 en 枚 i Mikronesien, en sjukdom som sprids med stickmyggor och sk枚rdar 10 000-tals liv per 氓r.

Forskningen har Fredrik Lindsten och Anna Wigren bedrivit tillsammans med forskare vid Uppsala universitet och f枚retaget Ubers forskningsavdelning, Uber AI. Forskningen har finansierats med medel fr氓n Vetenskapsr氓det, Stiftelsen f枚r strategisk forskning och 盲r en del av Wallenberg AI Autonomous Systems and Software Program, finansierat av Knut och Alice Wallenbergs Stiftelse.

Anna Wigren, Riccardo Sven Risuleo, Lawrence Murray and Fredrik Lindsten, 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, Canada.