AI sprider sig till allt fler forskningsfält

Med artificiell intelligens, AI, avsågs ursprungligen något som kan göra allt som människan kan. Till exempel en robot som både kan räkna, köra bil och diskutera, och som kan använda kunskaper den lärt sig inom ett område på ett annat.

– Där är vi inte idag, säger Mattias Ohlsson, som forskar i maskininlärning vid Lunds universitet och högskolan i Halmstad.

Dagens robotar eller datorer klarar specifika uppgifter. Tillämpningarna kan vara exempelvis i självkörande fordon.

I mångt och mycket handlar det då egentligen inte om AI, utan om det som kallas maskininlärning som är Mattias Ohlssons forskningsområde. Det är metoder att få datorer att lära sig utifrån data och är en underkategori till AI.

– Begreppet (AI) flyttar sig framåt. Det används också om dataalgoritmer som försöker efterlikna mänsklig förmåga.

Tog fart igen

Mattias Ohlsson doktorerade på så kallade artificiella neuronnätverk 1995, under en tidsperiod när forskningsområdet inte var så stort.

– Det var populärt på 1960-talet och har sedan tagit sig genom två vintrar. Den första kom i början av 1970-talet, nästa i mitten av 1990-talet.

I mitten av 00-talet tog utvecklingen fart igen när forskarna fick tillgång till kraftfulla datorer och hade mycket data.

– Från 2012 och framåt har det varit en explosionsartad utveckling av allt som har med maskininlärning och AI att göra. Nu pratar alla om AI.

Maskininlärning används ofta för att klassificera data, exempelvis inom medicinsk diagnostik. En maskininlärningsalgoritm tränas upp genom att den presenteras för exempel där man vet svaret. Det kan vara bilder av celler, och algoritmen lär sig att känna igen exempelvis en frisk respektive en sjuk cell.

– På så sätt kan man till exempel hitta metastaser i skelettröntgenbilder. Avancerad medicinsk utrustning som bygger på AI kan fungera som ett beslutsstöd och hjälpa läkare att se om fläckar i bilderna är metastaser och var.

Tävlat i maskininlärning

I våras använde han och några kolleger maskininlärning för att vinna en tävling utlyst av amerikanska livs- och läkemedelsmyndigheten FDA. Syftet med tävlingen var att utveckla ett system för att spåra felaktigt märkta data från cancerpatienter – fel som kan få allvarliga konsekvenser.

Forskarna fick data från 80 patienter och visste att några var hopblandande, men inte vilka och inte hur. De hade uppgifter om patienternas id, kön, data från gen- och proteinsekvensering, samt information om en specifik cancersjukdom. Utifrån det skulle de förutsäga vilka som var blandade och hur.

– Vi vet vilken skillnad det är mellan män och kvinnor i genomet. Vissa gener är kopplade till sjukdomen det handlade om.

Forskarna gjorde en korrelationsanalys av gen- och proteindata, som för en och samma patient bör stämma överens.

– Vi använde en kombination av många olika algoritmer för att lösa problemet. I slutänden har man en metod som är specifik för det aktuella datasetet. Metoden är dock applicerbar på andra uppsättningar av data också.

Används mycket idag

Det här är ett av många exempel på hur man idag kan tillämpa AI inom medicinområdet.

– Det finns en uppsjö av metoder som bygger på AI som är godkända av FDA och som används inom sjukvården för screening och bildtolkning. Tillämpningar med bilder har exploderat de senaste fem-tio åren. Ett annat stort område är för att förstå och tolka mänskligt tal. AI används inom otroligt många områden idag.

Tekniken utnyttjas inom finansvärlden och för läkemedelsutveckling. AI-liknande algoritmer tar automatiska beslut om någon ska beviljas lån eller socialbidrag.

Saga Helgadóttir, doktorand vid Göteborgs universitet, använder tekniken för att studera mikroskopiska partiklar och organismer. Hon undersöker mikrosimmare, små organismer som kan röra sig av sig själv.

– Jag sätter ihop bakterier och mikropartiklar, av exempelvis kiseldioxid eller polystyren, för att sedan studera hur de rör sig. De skulle kunna användas exempelvis för att leverera läkemedel till ett specifikt område i kroppen, berättar Saga Helgadóttir.

Hittar celler

Hon studerar mikrosimmarnas rörelser genom att ta bilder av dem och se hur deras positioner förändras från bild till bild. Men det traditionella sättet att analysera bilderna fungerade inte. De var ”brusiga” och innehöll fläckar som störde bakteriernas och partiklarnas positioner. Då testade hon maskininlärning.

– Jag bygger ett program och tränar det genom att lägga in en bild, plus information om var partiklarna finns i bilden. På så sätt lär sig programmet att känna igen och lokalisera dem.

Programmet behöver dock ett stort antal bilder att träna på för att det ska lära sig att känna igen de olika delarna i bilden. Det fanns inte. Lösningen var att simulera bilder av mikrosimmarna, som det fick träna på. Efter att Saga Helgadóttir testat programmet på stora mängder simulerade bilder testade hon det på bilder från experiment.

– Vi blev överraskade över hur bra det fungerade.

Många ingångar

Metoden går att använda för att studera alla sorters små organismer och partiklar. Den kan hitta celler i bilder, räkna celler, känna igen celltyp och storlek.

Saga Helgadóttir samarbetar nu med en grupp som forskar om hjärt- och kärlsjukdomar vid Sahlgrenska akademin för att leta efter en viss sorts celler i prover.

– Det går att göra manuellt men det tar tid att räkna celler. Vi vill se om det går att göra mer automatiskt, säger hon.

Mattias Ohlsson är professor i informationsteknologi. Saga Helgadóttir doktorand i fysik. Hittills har AI-forskare ofta haft en bakgrund inom naturvetenskap eller teknik. Men nu börjar forskningen involvera också andra områden.

– Det finns många ingångar. AI-forskning breddas mot juridik och samhällsvetenskap, för att hantera etiska frågor, säger Mattias Ohlsson.

Läs också i Curie: Etiskt AI kräver mer än datavetenskap