Vetenskapsområdet för teknik och naturvetenskap

Forskning inom maskininlärning får 29 miljoner

2016-06-07

Thomas Schöns forskningsprojekt fokuserar på nya modeller som automatiskt kombinerar data och maskininlärning

Hallå där! Thomas Schön, professor i reglerteknik vid institutionen för informationsteknologi, som fått 29 miljoner i rambidrag från Stiftelsen för Strategisk Forskning, SSF, för projektet ”Automating System SpEcific Model-Based Learning” (ASSEMBLE). I projektgruppen ingår kollegan David Black-Schaffer på Uppsala universitet, forskare vid KTH samt bolagen Autoliv, ABB Crane System och Greenly:

Grattis till rambidraget! Hur känns det?

–Tack! Jo, det känns jättekul. Just med det här projektet är det extra roligt då det är något jag velat göra under ganska lång tid så det känns otroligt kul att få genomföra det här.

På svenska heter projektet ”Automatisering av systemspecifik modellbaserad inlärning”- vad handlar det om?

– Projektet rör området maskininlärning, alltså hur datorer kan lära sig resonera och agera baserat på uppmätta data. Maskininlärning är ett av de snabbast växande områdena i gränslandet mellan datavetenskap och statistik. I vårt nya projekt är huvudinnovationen att skapa en slags brygga mellan avancerade algoritmer och användare så att de algoritmer vi konstruerar snabbare kommer till nytta. Därför ska vi bygga ett nytt och specialskrivet programmeringsspråk där man kommer att kunna skilja på modeller och algoritmer på ett sätt som tidigare inte varit möjligt inom maskininlärning.

Vilka är de tänkta användarna av det nya programmeringsspråket?

– De finns inom många områden, ofta är det ingenjörer av olika slag. Men vi samarbetar även med företag, exempelvis Autoliv som jobbar med aktiv säkerhet inom bilbranschen. Då samlar vi in data från olika kameror och sensorer runtom och inuti bilen. Sen översätter vi informationen från sensorerna till användbar kunskap för att bilen ska kunna fatta egna beslut och för att ge information till föraren. Kunskapen sammanställs i modeller som sen används för att fatta beslut som att bromsa, gasa och svänga.

– En annan tillämpning vi arbetar på för Karolinska Institutet är så kallad cell tracking, som handlar om att automatisera studiet av celler i biomedicinska analyser.

– Men problemställningen är mycket mer generell än så, och i det större perspektivet ser jag vårt projekt som ett viktigt bidrag för att flytta fram Sveriges position inom maskininlärning. Det behövs med tanke på den strategiska relevansen för den här typen av kunskap. Därför har vi även industriella partners för att säkra att projektet verkligen kommer till praktisk nytta.

Vad kommer de 29 miljonerna att gå till?

– Pengarna kommer att gå till att realisera de tankar vi har. Dels handlar det om att fortsätta bygga upp ett tvärvetenskapligt team, dels om att utöka med ytterligare doktorander och post-docs. Det handlar framförallt om att få in ytterligare rätt personer för att driva det här framåt.

– Jag vill också nämna en annan sak jag är väldigt glad över och det är att vi fått förmånen att ta fram en ny kurs inom statistisk maskininlärning  med start efter jul. Vi har redan doktorandkurser i ämnet och nu får vi även en fempoängskurs på civilingenjörsprogrammen teknisk fysik och system i teknik och samhälle. Den här sortens kurser, speciellt inom grundutbildningen, ger ett otroligt viktigt strukturkapital för forskningen men även industrin och samhället i stort.

 

Läs mer:

600 miljoner kronor till svensk toppforskning

Kontaktuppgifter Thomas Schön samt hemsida