LØRN case C0384 -
LØRN. RESEARCH

Harald Martens

Forskningsleder

IdleTechs

Kunstig intelligens for å gjøre gode fagfolk enda bedre

I denne episoden av #LØRN snakker Silvija med forskningsleder i Idletechs, Harald Martens. Harald var opprinnelig en matte-hater som ble til en matte-misjonær og flerfaglig entreprenør. I Idletechs jobber han med å utvikle metodikk for menneskelig tolkbar kunstig intelligens som også tar hensyn til fysikkens lover, og programvare som derved kan gjøre gode fagfolk enda bedre. I episoden forteller Harald om hvordan han ble så glad i matematikk og hvorfor dette er helt nødvendig for å løse mange av de problemene vi står ovenfor i dag, samt hvorfor han jobber med NTNU for å få i gang et nytt fagfelt; stordata kybernetikk.
LØRN case C0384 -
LØRN. RESEARCH

Harald Martens

Forskningsleder

IdleTechs

Kunstig intelligens for å gjøre gode fagfolk enda bedre

I denne episoden av #LØRN snakker Silvija med forskningsleder i Idletechs, Harald Martens. Harald var opprinnelig en matte-hater som ble til en matte-misjonær og flerfaglig entreprenør. I Idletechs jobber han med å utvikle metodikk for menneskelig tolkbar kunstig intelligens som også tar hensyn til fysikkens lover, og programvare som derved kan gjøre gode fagfolk enda bedre. I episoden forteller Harald om hvordan han ble så glad i matematikk og hvorfor dette er helt nødvendig for å løse mange av de problemene vi står ovenfor i dag, samt hvorfor han jobber med NTNU for å få i gang et nytt fagfelt; stordata kybernetikk.
Facebook
Twitter
LinkedIn
Email

19 min

Choose your preferred format

Velkommen til lørn.tech- en læringsdugnad om teknologi og samfunn, med Silvia Seres og venner.


SS: Hei og velkommen til Lørn. Mitt navn er Silvija Seres og tema i dag er kunstig intelligens. Jeg har en utrolig spennende gjest som heter Harald Martens, som er pensjonert professor og gründer. Et veldig godt eksempel på at nysgjerrighet gir seg ikke med alderen og det synes jeg samfunnet vårt burde forstå og bruke mye mer konstruktivt enn det vi gjør i dag. Velkommen Harald.

HM: Takk for det.

SS: Kan du ikke fortelle litte gran om hvem du er og hva du gjør.

HM: Jeg er en 72 åring og er en ganske barnslig person. Jeg jobber mye, jeg elsker arbeid og jeg elsker å stille spørsmålstegn ved min egen kunnskap og hvorfor jeg mener dette og tror dette . Jeg er ganske skeptisk til mye av min egen forståelse, må jeg si.

SS:Du har gått gjennom mange fag i ditt spennende forskerliv. Du er siving i biokjemi fra NTH, den fikk du i 1971. Så fikk du doktorgrad i kjemometri i ´85. Så jobbet du med undervisning og forskning?

HM: Jeg har ikke jobbet så mye med undervisning. Jeg har jobbet i instituttsektoren og så har jeg bodd mye i utlandet i forskjellige universiteter og firmaer. Jeg bodde i Uganda rett etter avslutning av studiet og opplevde at folk sa at mine korn-analyser ga too much data, og da ble jeg ble rasende. Det var min bryllupsreise den gang og vi gjorde så godt vi kunne, og noen satt seg ned for å vurdere hva vi hadde gjort. Jeg spurte, for det må være en måte å komme bak disse dataene, så da begynte jeg å tenke matematikk. Jeg hatet matematikk som student, som kjemiker fattet jeg ikke hvorfor jeg skulle drive med matematikk.

SS: Det er først da du fant ut at det er et fantastisk verktøy for å løse et virkelig problem du hadde.

HM: Ja, da så jeg at uten matematikk kunne man ikke løse de faktiske problemene vi prøvde å løse.

SS Hjelp oss å forstå problemene. Bio-kjemi, blanding av biologi og kjemi. Så så du på kornproduksjon?

HM: Allerede i ´72 kunne man trykke på en knapp på en kromatograf , så fikk man ut 16 tall.

SS: Hva er en kromatograf?

HM: Det er et kjemisk analyse instrument som separerer forskjellige kjemiske stoffer, og da får man ut 16 tall per prøve.

SS: Prøve av typiske korn?

HM: Kornsorter, lokal kornsort som vi holdt på med, for eksempel.

SS: Hva betyr de 16 tallene? Kvalitet av proteiner eller?

HM: Kvalitet av proteiner, de 16 aminosyrene som til sammen er perlene i den snoren som vi kaller protein.

SS: Da kan du se hvor bra dette kornet er?

HM: Man kan se om det er bra for ernæring eller har bra bake-egenskaper. Så sa de som drev med planteforedling på denne planteforedling-stasjonen ute i bushen i Uganda; “too much data”, så ble jeg rasende. Vi hadde virkelig lagt sjelen i det, så spurte jeg, for det må være en måte å komme bak disse dataene. Men jeg visste ingenting om matematikk, jeg skjønte ikke hvorfor jeg skulle ha drevet med matematikk. Men så ble jeg tvunget til å tenke at man kanskje kan formulere dette her. Det var en lang vei. Jeg var et år i Japan og mye av det jeg driver med i dag er inspirert fra den tiden.

SS: Her er det mange ting å ta inn. Kjemometri?

HM: Det er rett og slett bare én av de mange forskningskulturene som har måttet kick and scream, ta opppgjør med de klassiske akademiske, matematiserende og statistiske teknikkene eller kulturene. Måtte ta skjeen i egen hånd og lære seg statistikk og matematikk selv. Det startet ut med psykometri, så kom sosiometri og kjemometri.

SS: Ta i bruk matematikk og statistikk på kjemiske data. Og det er viktig for jordbruket i dag.

HM: Det var en ungdomsbevegelse i protest og den er her egentlig den dag i dag, vi er litt i opposisjon.

SS: Hvor kommer Zen Buddhisme fra opp i det her og hvordan havner du til slutt innen kunstig intelligens anvendt på dette?

HM: Det er en lang historie, men i mitt privatliv var det bare den veien det gikk. Den matematikken som jeg driver med, jeg er ikke alene om det, men vi er en subkultur rundt omrking i verden som lytter til tilværelsen, sultent, men ærbødig. Prøver å forstå hva vi hører i stedet for å snakke til verden om modeller og hypoteser, deduktiv metode og matematiske kausaliteter. Vi lytter, lytter og lytter, men vi prøver å forstå. Så vi ligger et sted mellom den deduktive tradisjonen i forskning, som skriver modeller om hvordan verden burde ha vært, på den ene siden, og maskin-læring tradisjonen etterpå som bare sier, la oss skaffe masse data og putte det inn i et eller annet nett, så ordner det seg nok. Vi ligger et sted i mellom og sier ja takk begge deler, men med måtehold. Det betyr at den matematikken vi driver er ganske radikal annerledes enn moderne eller mainstreame kunstige intelligensen. Vi lytter til hovedrytmene og hovedharmoniene i tilværelsens kakofoni av data.

SS: Det er statistikk fortsatt. Statistikk med noen veldig sterke føringer.

HM: Jeg skylder så mye takknemlighet ovenfor både matematikere statistikere opp gjennom årene som har lært meg. Kicking and streaming, så har jeg lært meg disse tingene her. Ikke minst dette med validitet, vi er over-optimistiske, vi mennesker er over-optimister. Vi driver med ønsketenkning og statistikk er vanvittig viktig for å unngå over-optimisme. Men samtidig er det signaler og ikke støyen som er det viktige. Som kjemiker er jeg opptatt av å forstå kjemien og den konteksten kjemien står i. Måle støy er noe som jeg ser på som damn nunsense, men jeg må forholde meg til det , det er der statistikken kommer inn.

SS: Jeg synes du sier det ganske spennende med at på den ene siden har vi disse moderne tekniske stor-data systemene og på den andre siden har vi menneskelig erfaring, i praksis og i teori. Det er å sette disse tingene litt mer opp mot hverandre og i kombinasjon, i stedet for å stole blindt på at vi finner alle mønstrene i stor data. Hvis vi ikke vet hva vi finner der, det er den tolkningen som er interessant, ellers er det helt irrelevant.

HM: Hvis jeg kan lage et lide lydbilde. “Ping, ping, pong, ping”. Ping først er mennesket, at vi gjorde kunnskap i form av matematiske modeller om virkeligheten, de skal vi bruke, det er ikke nødvendig å finne tyngdekraften en gang til. Neste ping er at vi bruker vår kunnskap til å designe, planlegge innhenting av empiriske data. Pong er å lytte så til de dataene i lyset av det vi kunne og plukke opp det som vår teori ikke klarte å fange opp. Å bli overrasket, å bli forferdet, bli sjokkert og bli nysgjerrige. Ping igjen, det er å se på de resultatene som kommer og bruke vår tause kunnskap og si “oj, se der”. Du har altså da ping, ping, pong, ping. Det er en tendens i klassisk naturvitenskap å bare ha ping, ping, ping, ping og ikke noen pong. Men i moderne maskin-læring har du pong, pong, pong. Nothing else. Det er noe med å ha kjærlighet både til menneskes kunnskap og nysgjerrighet ovenfor det, men også en ærbødighet ovenfor tilværelsens kompleksitet. Verden vil gjerne komme og fortelle oss en hel masse nytt, da må vi lytte.

SS: Du er nå involvert både i NTNU og NMBU, du er professor emeritus.

HM: Nå er jeg ferdig der og har flyttet til Trondheim, men jeg har et godt samarbeid med NMBU.

SS: Så starter du et selskap, Idletechs.

HM: Det var ikke slik det var ment. Først kom jeg til Trondheim bare for å gifte meg, så fikk jeg plutselig en ubetalt jobb på et av instituttene, som ble en 20% stilling hos teknisk kybernetikk på NTNU. Så fikk jeg studenter og fortalte de hva jeg drev med. Da sa de Harald, du må jo starte firma. Det der er det jo ingen andre som har”. Hva, javel? Så startet jeg firmaet. Nå er vi 9-10 stykker, veldig trivelig.

SS: Det dere gjør er kjemometriske systemer?

HM: Vi kombinerer kjemometri-tenkning med kybernetikk tenkning og kunstig intelligens, maskin-læringstenkning.

SS: Dette anvender man for bedre matproduksjon i litt forskjellige segmenter?

HM: Nei. Mine gamle venner på Ås bruker lignende teknikker inn mot næringsmiddel, mat og ernæring. Vi fokuserer på meteorologi, romfart, medisin og alle tingene man ikke nødvendigvis naturlig jobber med på Ås. Etter at jeg kom til Trondheim har jeg lært litt mer om tidsdomene, differensiering, noe jeg som bio-kjemiker var livredd for. Men i dag ser jeg at det ikke var så vanskelig, man må bare lære seg språket.

SS: Kan vi ikke bruke et minutt på å snakke om dette med alder versus nysgjerrighet. Du gir deg aldri og jeg tror vi trenger å vise slike eksempler som deg. Jeg blir veldig provosert når man snakker om eldre som offer av digitalisering, at de er blitt digitale flyktninger nærmest, når jeg ser at noen av de beste ingeniørene vi har gpu rundt med altfor mye ledig IQ og med et egentlig ønske om å bli brukt, men blir avskrevet fordi de ikke er millennials, snart er jeg i den kategorien. Vi har et lite ansvar. Vi kommer til å bruke hjernen vår i mange, mange år etter at vi har sluttet i formell jobb med formell lønn. Vi trenger å vise verden at det faktisk er et privilegium, kanskje?

HM: Ja, jeg har aldri merket dette med aldersdiskriminering, jeg har alltid gjort mine greier. Jeg er veldig opptatt av forskjeller i personlighet, har jobbet mye med personlighetstesting i forbindelse med matematikkundervisninger for å bli kvitt folk sin matematikk angst, og så videre. Hvis man er privilegert nok til å ha en masse nysgjerrighet og har en helse til det, så er det ingen grunn til å slutte å jobbe og slutte å bruke sin kompetanse. Jeg føler jeg har fått lov til å leke i et langt liv, det er litt payback time for meg, rett og slett. Men det er først og fremst lystbetont. Først og fremst forferdelig moro og herlig å jobbe sammen med unge mennesker. Men jeg setter stor pris på gamle menneskers visdom. Jeg er ikke noe vis selv, men jeg setter stor pris på å lytte til gamle mennesker.

SS: Lærer du fortsatt nye ting?

HM: Det er min første uke nå i salgsavdelingen. Hittil har jeg vært på forskningsavdelingen og matematikk og teori, nå er jeg helt tilbake på square one og skal lære å selge. Og nå har jeg faktisk noe å selge, og i motsetning til min ungdom da jeg så på salg som dypt, dypt umoralsk, så ser jeg nå på salg som dypt, dypt, dypt nødvendig for å i det hele tatt skape et næringsliv. Det er en helt annen måte å tenke på og det er ikke noe mindre etisk, det er bare veldig annerledes.

SS: Hva tenker du om kontroverser innenfor kunstig intelligens, maskinlæring?

HM: Dont get me startet. Jeg skal forsøke å være høflig i dette intervjuet. Jeg har sterke følelser om det og mener at vi må motvirke den fremmedgjøringen. En ting er de sikkerhetsmessige aspektene med fremmede makter, de sosiale mediene og massebevegelsene og så videre, det er interessant og farlig. Vi har helt klart tatt et oppgjør med å skulle være fancy pancy og disruptiv og så videre. Vi skal gjøre gode fagarbeidere bedre, vi skal gjøre verden til et bedre sted, vi skal ta vare på folk, vi skal gjøre de mer i stand til å gjøre en god jobb. Det er det vi vil bruke vår kunstig intelligens på. Det er rett og slett fordi den har de egenskapene at den er veldig robust, statistisk, og den er lett å tolke, grafisk. Så det er faktisk for vanlige mennesker. Dette har jeg drevet med hele livet mitt, dette med å lage fortolknings-modeller når det gjelder tolkning av data. Det er ikke første gang jeg er ute i næringslivet.

SS: Jeg spurte om du hadde en bok du kunne anbefalt meg å lese og du overrasket meg med ditt forslag. Du anbefaler “Det vi tenker på når vi prøver å ikke tenke på global oppvarming” av Per Espen Stoknes, hvorfor det?

HM: Jeg har jo vært veldig i tvil. Jeg har ikke vært klimaskeptiker, men jeg har vært veldig kritisk til en del av metodikken i klimaforskningen og hva den er basert på. Fordi den er så deduktiv og ikke induktiv. Men jeg er rett og slett blitt overbevist om at vi har et kjempeproblem. Jeg har mange gode venner som er klima-realister eller klimaskeptikere, og jeg er så fascinert over hvordan oppegående mennesker med kjærlighet til sannhet, som får samme informasjonen, kan ende opp med helt forskjellige tolkninger. Der kommer personlighetstrekkene inn og disse grunnverdiene. Hvis du vet en del om biltype og en del om andre valg, så kan du også forutsi hva vedkommende mener om global oppvarming. Det er veldig, veldig systematisk. Det er åpenbart at de færreste av oss lar seg overbevise av rasjonelle argumenter, og den boken til Stoknes er fantastisk i å beskrive de prosessene som går i underbevisstheten vår. Mennesket er ikke en rasjonell skapning. Heldigvis, på en måte.

SS: Vi er kjemiske blobber og godt er det, men vi må være litt bevisste også.

HM: Jeg er helt overbevist om at det meste jeg har ment i mitt liv, og mener den dag i dag, ikke står seg. Men man må våge å ta feil, våge å stå for noe og så må man ikke gi seg for tidlig, men man må til slutt være villig til å gi seg og endre mening. Man må huske at man er ikke sine meninger. Man kan forandre mening, det har jeg gjort så mange ganger i mitt liv. Man er jo samme person.

SS: Du har lært at det ikke er så farlig å endre mening, det er jo en viktig læring, det og.

HM: Høyst ubehagelig, men det er viktig læring. Det er ikke så farlig.

SS: Man kan ikke for at man blir klokere heller.

HM: Man skal ikke sitte å snakke om sin egen klokhet, men man blir ikke dummere med alderen. Man har gjort så mange feil at man kan tillate seg å trekke noen konklusjoner etterhvert.

SS: Har du lyst å legge igjen et lite sitat som gave til våre lyttere?

HM: Den store statistikeren John Maynard Keynes har et sitat som jeg liker veldig godt. “It is better to be approximately right than exactly wrong”.

SS: Hvis folk skal huske én ting fra denne vandrende samtalen vår, hva vil du at det skal være?

HM: At Norge har nå muligheter til å lage en nordisk eller norsk AI kultur som skaper arbeidsplasser som vil ha stor betydning om ti år. Da må man ha veldig nærvær på kort sikt og man må ha visjoner på lang sikt. Vi må holde oppe trøkket.

SS: Oppfordring til å trøkke på, folkens, fra en pensjonert professor med enormt varmt smil og utrolig smittende nysgjerrighet. Harald Martens, tusen takk for at du kom og lærte oss, ikke bare om kjemometri og bruken av data på korn i Uganda, men også hvordan man kan gå videre gjennom hele sitt liv ved å anvende nye teknologier på gamle viktige teknologier og aldri slutte å lære.

HM: Tusen takk

SS: Takk til dere som lyttet


Du har nå lyttet til en podkast fra lørn.tech, en læringsdugnad om teknologi og samfunn. Følg oss i sosiale medier og på våre nettsider lorn.tech.


Hva er det viktigste dere gjør på jobben?

Vi lager profesjonell programvare for kvantitativ intuisjon, som betyr tolkbar maskinlæring som gjør gode fagfolk enda bedre.

Hva fokuserer du på innen din teknologi?

Metodikk for å gjøre mennesker tryggere og klokere, og bedrifter sikrere og mer effektive. Dette gjør vi ved å kombinere menneskers teoretiske kunnskap og praktiske erfaring med alle overraskelsene som ligger gjemt i moderne teknisk stordata.

Hvorfor er det spennende?

Fordi nå knytter vi bruken av stordata til tusen år gamle tradisjoner i flere ulike kulturer, om å hvile seg nedover fra hverdagens overveldende kakofoni av overfladiske rådata til en enklere, underliggende struktur av tolkbare årsaksmønstre.

Hva synes du er de mest interessante kontroverser?

En spennende kontrovers er hvordan oppegående og sannhetssøkende mennesker kan motta samme informasjon, og likevel komme til motsatte konklusjoner, som innen klimadebatten.

Dine egne relevante prosjekter siste året?

Samarbeid med mine herlige, unge kolleger på å få ut de første kommersielle produktene, så vi kan bidra til at norsk industri kan få bedre konkurransekraft. Og på NTNU er det å bidra til å få i gang et nytt fagfelt, stordata kybernetikk, for å gi studentene bedre verktøy til å forstå den virkelige verden.

Dine andre favoritteksempler på din teknologi internasjonalt og nasjonalt?

Jeg synes det er kult å se hvordan fysikkens lover gjør oss i stand til å fjerne skygger i hyperspektrale bilder ved hjelp av matematisk lys-modellering.

Hva tror du er relevant kunnskap for fremtiden?

Selvinnsikt og lære å samarbeide, men også lære å stole på egne krefter og ikke ha panikk for å feile. Vi må være skeptiske til egen overbevisning, lære enkel lineæralgebra og beholde barnets enkle kjærlighet til sannhetet.

Hva gjør vi unikt godt i Norge av dette?

Vi har myndige og kompetente fagarbeidere i industrien, som fortjener mer respekt og bedre AI-verktøy.

Et favoritt fremtidssitat?

It’s better to be approximately right, than precisely wrong (John Tukey).

Viktigste poeng fra vår samtale?

Kunstig intelligens blir nå mer naturlig og mindre fremmedgjørende, og det er viktig.

Harald Martens
Forskningsleder
IdleTechs
CASE ID: C0384
TEMA: ENABLING AND DISRUPTIVE TECH
DATE : 190326
DURATION : 19 min
LITERATURE:
Det vi tenker på når vi prøver å ikke tenke på global oppvarming av Per Espen Stoknes
YOU WILL LØRN ABOUT:
BiokjemiStatistikk Kjemometri
QUOTE
"En spennende kontrovers er hvordan oppegående og sannhetssøkende mennesker kan motta samme informasjon, og likevel komme til motsatte konklusjoner, som innen klimadebatten."
More Cases in topic of ENABLING AND DISRUPTIVE TECH
#C0371
ENABLING AND DISRUPTIVE TECH
Fremtiden er elektrisk

Havard Devold

Teknologidirektør

ABB

#C0002
ENABLING AND DISRUPTIVE TECH
VR som medisin

Anne Lise Waal

CEO/CTO

Attensi

#C0001
ENABLING AND DISRUPTIVE TECH
Hva er greia med VR?

Silvija Seres

Lørnere

LØRN.TECH