LØRN Case #C0945
Deling og gjenbruk av forskningsdata
I denne episoden av #LØRN TeknologiPolitikk snakker, Silvija Seres, med førsteamanuensis ved Universitetet i Oslo og Oslo Universitetssykehus, Magnus Aronsen om verdien av data. Aronsen er leder for utvalg som utreder hvordan forskningsdata fra offentlig finansiert norsk forskning kan deles og gjenbrukes mer. Han er opptatt av hvordan forskningspolitikk kan legge til rette for god kvalitet og samfunnsnytte av forskning i et bredt perspektiv.

Jan Magnus Aronsen

Førsteamanuensis

OUS

"Datadeling vil kunne både gi langt raskere kunnskapsproduksjon i selve forskningssystemet, men også kunne utnyttes i næringsliv, offentlig forvaltning og samfunnet ellers, sier han."

Varighet: 35 min

LYTTE

Tema: Digital etikk og politikk
Organisasjon: OUS
Perspektiv: Mindre bedrift
Dato: 210126
Sted: OSLO
Vert: Silvija Seres

Dette er hva du vil lære:


TeknologiData og etikk
Forskningsdata
UiO
Forskning

Del denne Casen

Utskrift av samtalen: Deling og gjenbruk av forskningsdata

Velkommen til Lørn.Tech - en læringsdugnad om teknologi og samfunn med Silvija Seres og venner.

 

 

Silvija Seres: Hei og velkommen til Lørn teknologipolitikk. Jeg er Silvija Seres og gjesten min i dag er Magnus Aronsen som er utvalgsleder i digital datadelingsutvalg hvis jeg sa det sånn noenlunde riktig nå, Magnus. 

 

Magnus Aronsen: Stemmer.

 

Silvija: Og ellers er førsteamanuensis ved Universitetet i Oslo. Velkommen. 

 

Magnus: Takk.

 

Silvija: Jeg har gledet meg til å snakke med deg og flere utvalgsmedlemmer hos deg. For jeg tror noe av det dere gjør er det mest spennende problematikken og den mest konkrete veien ut av en ny problemstilling som vi har hatt i Norge. Kjempeviktig tema og spennende arbeid. Men før vi begynner å snakke om datadeling Magnus, så har jeg bare lys til å spørre deg. Du er en lege med doktorgrad i molekylær kardiologi. Og driver altså med friluftsliv og sjakk i tillegg. Hva gjør en mann som deg i et utvalg som dette.

 

Magnus: Det er et godt poeng. Jeg er jo forsker fra opprinnelig. Og molekylær kardiologi er jo et felt som er veldig sånn i skjæringsfeltet mellom grunnforskning og mye stordata i og for seg. Veldig datatungt felt. Også er det veldig tett på innovasjonssystemer, så for vår del så er det om å gjøre å lage nye legemidler, da. Og det skjæringsfeltet mellom data og innovasjon har interessert meg, men det er behov for litt politikk i samfunnet sånn sett. Så jeg ble engasjert i det som heter åpen forskning og har brukt mye tid på hvordan vi kan snu om forskningssystemet fra å være veldig publikasjonsdrevet som det er nå med mye tekst. Og heller det at forskningssystemet publiserer data som på en måte kan være nyttig, da. Og da var det veldig gøy å få være med å lede dette utvalget som fokuserer på akkurat det og hvordan vi kan få mer datadeling fra forskningssystemet. 

 

Silvija: Så her må jeg bare gå tilbake til flere ting som veldig sammenpakket informasjon. Så når det gjelder dette med molekylær kardiologi - hvis jeg forstod det riktig så forsker dere på samspill mellom da hjertet og medisiner som kan hjelpe hjertet å unngå flimmer eller stabilisere hjertet også videre?

 

Magnus: Stemmer. 

 

Silvija: Og der er det nye data? Data om hva?

 

Magnus: Veldig stor grad der. Så jeg kan ta et eksempel på noe vi studerer og for eksempel så finnes det veldig lite legemidler mot hjertestand som du nevner. Og for å finne nye legemidler da, så består jo hjertet av utrolig mange proteiner som til sammen gir den pumpen som hjerte da er. Så vi prøver å analysere et og et protein og hvilket vi sitter fast i, og det er hvis du da tenker at hvert protein består av tusen komponenter igjen, så tusen ganger tusen, ganger tusen, ganger tusen, så blir det veldig mye data etter hvert. Så vi prøver å analysere mønsteret i de også sette det sammen til meningsfulle bilder som igjen gjør at vi kan lage legemidler mot det. 

 

Silvija: Jeg klarer ikke å forstå det, men altså denne pumpen den kontraherer og ekspanderer og det er da kjemiske reaksjonene mellom disse proteinene og medisinene kan tilføre ting sånn at noen reagerer litt mer eller litt mindre sånn at vi stabiliserer for eksempel det der bevegelses mønsteret?

 

Magnus: Nettopp. Vi vet egentlig veldig lite om hvordan sykdommer i hjertet oppstår. Så dermed så bruker vi på en måte behandlinger som påvirker veldig store deler av hjertet og gir utrolig mye bivirkninger sånn som det er per nå. Det som på en måte er forskningsfeltet i et nøtteskall er å finne de enkelte proteinene som da gir sykdom sånn at vi kan da altså måle legemidler rett mot dem, da. Og det krever i grad veldig mye data satt i kontekst med hverandre. Så det er veldig spennende forskning sånn sett synes jo jeg. 

 

Silvija: Kan du lære meg to ting? Jeg er veldig personlig interessert i feltet ditt fordi mannen min har faktisk for nøyaktig to uker siden byttet hjerteklaff, og den største og den viktigste og litt mer. Hvor vi ser det er veldig store konsekvenser av disse blodfortynnende medisiner og det er noen som er gamle og noen som er nye, men den mekaniske krever de gamle og kjempestore effekter. Men det påvirker blodet, mens det finnes andre medisiner som påvirker hjertet. Er det riktig forstått? Er det betablokkere som påvirker hjertet eller er det en tredje ting igjen?

 

Magnus: Nei, veldig fint det. En veldig viktig ting med hjertemedisin er jo at det er blodfortynnende, sånn at man ikke får dannet disse blodproppene som er livsfarlig. Men de funker ofte veldig, veldig bra. Jeg må bare si det. Og det er noe annet enn legemidler som virker på selve hjertet, da. Og typisk eksempler som du nevner der er nettopp betablokkere som brukes mot mange hjertesykdommer og demper aktiviteten i hjertet og på en måte forhindrer mange problemer som oppstår når hjertet løper løpsk. Men samtidig så tror jeg veldig mange opplever sterke bivirkninger fra det som gjør at det er en legemiddelgruppe som er et nødvendig onde i mange tilfeller. Jeg pleier å sammenligne det - ikke helt bokstavelig, men på samme måte som cellegift. Har bra effekter, også gir det også veldig mange bivirkninger. Og litt av legemiddelutvikling er jo å få presise legemidler som påvirker akkurat sykdomsmekanismen og gir behandlingseffekt. Og ikke disse upresise uønskede bivirkningene som gir bivirkninger. Der har vi en vei å gå i kardiologi som er veldig spennende. 

 

Silvija: Alle fingrene krysset for dette er viktig for meg personlig. Også er det masse, masse data som dere kommer opp med. Og disse dataene under forskningen lagres. Også er problemet at i utgangspunktet får man kanskje ikke lov til å dele disse data sånn at noen andre kunne kanskje satt dem sammen på nye måter og funnet noe annet. Det er veldig lite gjenbruk. Er det det som er greia?

 

Magnus: Det er en veldig stor del av problembeskrivelsen sånn som jeg ser det. I veldig stor grad så bruker forskningsgruppen hos oss, vi bruker veldig mye ressurser på å lage veldig mye data. Og de ligger i ganske stor grad på våre computere også skriver vi en artikkel også publiserer vi denne artikkelen. Det tror jeg er typisk for veldig mange forskningsgrupper. Og det som er litt problem med det er at ingen andre enn oss på en måte hvis vi bruker oss selv som eksempel akkurat nå - får jo brukt de dataene til sin forskning. Og dermed blir det jo veldig vanskelig å se helheten i feltet. Så det som jeg føler er - om jeg bruker mitt eget felt som eksempel på det med å oppnå mer helhetlig forskningssystemer, det er jo nettopp at hver gruppe som da produserer mye data deler de med forskningssamfunnet og samfunnet ellers. Og der hvor i tider hvor vi har både stordata prinsipper og til og med kunstig intelligens, så mener vi at kunnskapsutvikling kan gå utrolig mye raskere hvis både andre forskere og samfunnet rundt får tilgang til akkurat de dataene hvor man kan analysere de selv. Og dermed har kunnskapsutviklings prosesser basert på ikke bare ens egne data som vi bruker veldig langt inne på lageret, men rett og slett den globale mengden data som på en måte samfunnet har skapt sammen. Det er en veldig spennende transisjon altså.

 

Silvija: Jeg skal være personlig igjen. Jeg har i forrige uke kommet ut i Norge med en bok som heter "Staten og dataen", og hovedkonklusjonen om det finnes noen, så er det nettopp dette med at storsamfunnet har et felles utviklingsansvar. Og i en fremtid hvor alt kommer til å være basert på data så er det ikke bare mer data som er målet, men hva gjør vi med alle de dataene, ikke sant. Og det er det som dere snakker om. Hvordan skaper vi plattformer hvor man kan samle data, sørge for at dataene er rene. At man kan sjekke provenance og kvalitet. Også trafikkregler for bruk av data. Rollebaserte tilganger. Regler for videreutvikling eller vedlikehold. Og at dette kan ikke gjøres så fragmentert som vi gjør i dag. For det finnes ganske mange gode store datasentre. Datainnsamlingsplattformer. Men det jeg tror man savner og man kan sørge for at dataene for den ene aktøren på plattformen er trygge fra den andre aktøren, men det er mer hvordan utgjør data en større helhet.

 

Magnus: Ja, det tror jeg er en veldig spennende innfallsvinkel. Og det er jo nettopp det at hvordan kan vi lage strukturer sånn at for det første både data blir delt, at man ønsker å dele data. For det er en av de tingene vi har sett i utfallet av. Hva skal til for at forskningssystemet deler data i større grad enn nå. Også tror jeg veldig på en utfordring som vi rett og slett bare må jobbe tungt med videre, det er på en måte hvilken struktur skal vi da samle alle disse dataene i. Sånn at vi får på en måte mer verdien ut av det å samle datasettene. Og der er det mange utfordringer, det må bare sies. Også er det til slutt nettopp som du sier, det er noe med å finne strukturer som gjør at man kan få tilgang på en god måte og få satt sammen livet i forskningsfeltene. Altså få satt sammen den globale datamengden til en høyere synapse eller metaanalyse som gir helheter i forskningsfeltet, og langt raskere kunnskapsutvikling og innovasjon for samfunnet. En del enkel menneskehjerne har mulighet til å gjøre det også. Det er litt på en måte å legge grunnen både kulturelt, men også teknisk. Og ikke minst juridisk, sånn at man får de strukturene som fremover da kommer til å gjøre at vi som samfunn får tatt ut storverdien av dette og alle de dataene som finnes, men som rett og slett ikke er tilgjengelig for samfunnet eller samfunnet ellers. 

 

Silvija: Og det som du snakker om her i forhold til kulturell endring, at folk har vilje til å dele data. Tror du det er vanskelig? At konkurranse instinktet hindrer dem eller er kanskje noe vi er veldig gode på i Norge? Hvilke muligheter ser du? Og hvor vanskelig er den kulturendringene?

 

Magnus: Det er en veldig spennende diskusjon. Og i utvalget så har jo vi nettopp sett på prinsipp debatter som bør tas i lys av det større bildet om å få mer deling og gjenbruk av data. Nettopp en av de hovedutfordringene som vi har sett på er jo da det vi kaller insentivsystemer i forskningssystemet da. Og her er det jo mye insentiver for enkelt forskere i å publisere artikler. Både ansettelser for forskere, det å få lov til å disputere på en doktorgrad og det å få eksterne midler. Veldig mye av premieringssystemet i forskningsverden er knyttet opp mot det å publisere artikler og veldig gjerne i prestisje tidsskrifter, da. Og det er mye bra med det, men en utfordring da også er at det er ofte vil en opplevelse være at man har ingen gode grunner eller motivasjoner til å dele disse dataene. Og det mener vi at man bør gjøre noe med. Så en av de anbefalingene utvalget har kommet med er at vi må rett og slett se på hvilke insentiver både forskningsinstitusjonene- universitetene, høyskolene og instituttene som på en måte får offentlig finansering har. Sånn at man får mer deling av data, og ikke minst er jo da karrieresystemet for den enkelte forskeren en viktig kulturting her, da. Men mellom oss så sies det at det er et veldig komplekst system. Og det å få mer datadeling er jo ett av mange viktige prinsipper i de insentiv systemene. Så det er en veldig spennende utfordring å få dette målet til å passe inn med de mange andre målene som er forskning.

 

Silvija: Jeg leker nå bare, Magnus. Men jeg tenker litt høyt, for det første så drar dette meg mot missions tankegangen til Mariana Mazzucato, og jeg tenker at det vi må begynne med er noen missions i forhold til forskning. For da kan man lage noen sånne helhetsoverordnede hypoteser og noen sånne store nok temaer for disse dataene. Ellers hvis det blir fragmenterte data som har blitt samlet om alt for forskjellige spørsmål, så blir det vanskelig med den måten å kombinere data på som jeg tror kommer til å være også en egen kunst. Og kanskje akkurat sånn som man har peer review og det finnes gode digitale etter hvert verktøy som kan gi deg en eller annen form for ranking, ikke sant. Google-gutta fikk jo ideen sin også fra sin erfaring fra grunnforskning. Og det dreier seg om antall siteringer også videre. Og man kunne også på den måten fått at man berømmet de som har kommet med de mest verdifulle data og som du sier at man gir folk noen form for insentiver til å være gode deltakere i disse digital commons, da. Men det krever at noen bare begynner å insentivisere. Og jeg vet ikke hva man skal få annet enn kanskje en ukes debatical her og der. For å samle enda mer data. 

 

Magnus: Nei det er en veldig spennende debatt der, og for å få si det siste først så er jeg jo veldig enig i sånn at det å få på en eller annen måte uttelling for veldig gode datasett - hva nå enn det er, det tror jeg er en viktig del. Og der er på en måte igjen en retning i forskningssystemet og vært det som man kaller Dora-erklæringen hvor man får karrierevurdering som forsker ut ifra et litt mer helhetlig perspektiv enn på en måte bare antall artikler hvis man er litt enkel der. En litt mer kvantitativ vurdering og det er blant annet noe som forskningsrådet har signert og som tildeling i forskningsrådet praktiseres etter selv. For eksempel at en forsker eller forskergruppe har publisert veldig gode datasett som får stor impact - eller hva nå det er, men hvert fall blir brukt og på en måte er gode datasett. Det mener jo jeg at bør være en viktig ting vi skal vurdere om ikke mer av både formelle kriteriene, men også de mer prestisjemekanismene, at man får de også for datodeling. Og det er en transisjon som jeg mener er i stor grad nødvendig å få til på en eller annen måte. Men hvordan, det er ikke helt rett frem, men jeg mener at det er viktig at vi ligger til rette for en overgang fra hovedsakelig publikasjonsvurderinger opp mot et mer helhetlig perspektiv hvor data er en sentral rolle for å ta en del. Også det andre du nevnte med peer review og datasamlinger er en utrolig spennende tanke. Og jeg tror at i dag hvor man kan samle veldig gode datasett i et felt, så tror jeg det krever en relativt stor grad av standardisering. Og det er jo litt av det som EU insentivet er det som heter European Open Science Cloud, da snakker man om at man vil samle data mer strukturert. Det tror jeg er viktig, men jeg tror også vi trenger på en måte noen sentre og noder som på en måte samler data om et felt på en organisert måte, så vi får trykket ut effekten av dette. Så spennende, veldig viktig og spennende debatter i dette nå. Det er hvorvidt vi skal prioritere noen sånne spesielt samfunnsviktige områder eller om dette skal være en litt mer så generell transisjon i forskningssystemer, da. 

 

Silvija: Men jeg tror ikke det er bare i forskningssystemer. Jeg tror at den type data vil være helt vesentlig for oss i styring av helsevesenet eller i styring av infrastruktur, utvikling også videre. Jeg sitter i styret til et transportselskap da, for å ikke nevne navn. Og vi hadde en internasjonal presentasjon om hvilken vei går dette, og han hadde også et veldig viktig poeng med at public sector eller offentligheten burde ha eierskap til back end, til dataene, og så må gjerne privat sektor utvikle front end og nye tjenester som kommersialiseres. Men styringen av denne datagrunnmuren, regler for tilgang, regler for gjenbruk. Det må være et demokratisk oppdrag som folk må læres opp til å kunne mene noe om, for det er dette som er grunnlaget for all fremtidig vekst. Men så spurte jeg hva vi gjør. For en ting er at man kan dele transportdata med andre transportaktører. Spesielt nasjonalt. Men hvis Google eller Amazon samler data som de per i dag ikke har tenkt å bruke til transport, men som da senere kommer til å være modifisert gjennom transporttjenester, hvordan kan man sørge for at dette blandes inn? Og her var det helt umulig. For Uber kan du kanskje få data ut av, men ikke ut av Google. Og samtidig, dette er data som skal i fremtiden både brukes til forskning, til helsetjenester, til transporttjenester. Og det er der jeg tenker at vi har et sånt demokratisk oppdrag i å sørge for at vi har nok data til å kunne bestemme litt om hvilken vei skal den forskningen gå selv. Og ikke bare basert på noens utbyttekrav, da. Poenget mitt er bare at jeg tror det dere snakker om er et veldig mye mer generisk problem. Mye bredere og større mulighetsrom enn bare forskningsdata. 

 

Magnus: Det er jeg helt enig i. Jeg tror at verdien av data hvis man ser på ulike, bare Facebook og den kommersielle verdien av dataene som ligger i Facebook er så stor, så på en måte dataverdien i seg selv er jo enorm. Og samfunnsutviklingen fremover kommer jo i veldig stor grad til å bli styrt av tilgang til data uten tvil. Også er jo på en måte vårt mandat hvem som skal ha tilgang til på hvilke måter for de dataene som er produsert gjennom offentligfinansiert forskning. Og det er jo et av spørsmålene. Man lager data som staten betaler og demokratiet betaler i veldig store summer for. Og hvilke retningen skal ligge til de dataene er et veldig spennende spørsmål. Der er jo nettopp det med kommersialisering. Skal andre parter få kommersialisere basert på offentlig finansierte forskning? I veldig mange tilfeller så har jo man sett veldig spennende utviklinger hvor gode data - ta metodologi data som et eksempel hvor veldig gode data kommer ut også blir de brukt til helt andre hensikter enn det som var tanken til å begynne med. Og det tror jeg vi bare kommer til å se flere og flere eksempler på. Så der er det noe med bruken av de dataene som er produsert i forsyningssystemet og at det på en måte er et offentlig gode som vi har betalt for da.

 

Silvija: Nettopp. Offentligfinansiert ikke minst. Og derfor så tenker jeg også det dere gjør, er en ting er å se hvilke andre vekstmotorer som ligger i det enn ren forskning. men jeg tror også at befolkningen har godt av å se hvilke verdier som kan skapes på basis av nettopp fellesfinansiert. Så det er et formidlingsansvar også knyttet til dette her. Men det er flere sånne gode data systemer der ute. Jeg nevnte DNB sin Varsity. Kongsberg har sin, DIFI har sin. Også er det forskjellige private aktører som har sin. Det dreier seg ikke bare om å gi folk et sted hvor de kan trygt lagre store mengder data. Det dreier seg om å gi folk et økosystem hvor de dataene kommer til å kunne leve et godt liv. Et godt og langt liv. Og det som du sa at det er et kulturspørsmål. Det er også et infrastrukturspørsmål. Det er nok lagringsplass til alle de kjempe mengder av forskningsdataene dine også, eller?

 

Magnus: Neida, jeg tror det kommer til å være en stor utfordring altså. Det er enormt med forskningsdata, så det å ha infrastruktur som har kapasitet og ikke minst at vi har finansieringsmodeller for dette som på en måte gjør at dataene kan ligger der over tid og bli brukt til hensikten. Det ser jeg på som en av de store utfordringene som vi må løse fremover. 

 

Silvija: Ja. Men den største greia er egentlig governance, altså regulering og trafikkregler. Hvis vi klarer å finansiere opp veier så må vi fortsatt ha trafikkregler og de må følge vår etikk og det har roe med åpenhet, fellesskap og tillit. Og der lurer jeg på er det juss? Er det data? Er det helse? Hvilke kompetanser så dere var veldig nødvendige for å komme til noe konstruktivt i disse typer dilemmaer?

 

Magnus: Helt klart så er dette en juridisk utfordring. Og der er jeg veldig glad for den veldig gode juridiske kompetansen vi har hatt i utvalget som har gått gjennom det regelverket som er i Norge per nå. Og vi har vel da kommet frem til at det er et fragmentert regelverk som på en måte ikke omhandler forskning og data som en enhet. Så det er på en måte en av utfordringene. Og at det da er litt udefinert hvordan dette skal håndteres. Og det er på en måte en ting. Og den andre tingen der er på en måte mer de strukturelle og politiske valgene som er på den andre siden. Det er veldig fragmentert hvordan både institusjoner og forskere håndterer dette. Så kombinasjonen av det juridiske som åpenbart ligger der og som er en spennende debatt og det andre da med praktisk implikasjoner opp mot realiteten i forsyningssystemer ellers. De to tingene til sammen er jo noe som da på en måte må ses i lys av hverandre for å komme frem til en god struktur, da. 

 

Silvija: Jeg tror at mennesker kommer fortsatt til å måtte avgjøre i visse tvilstilfeller og jeg har egentlig lyst til å dra oss litt tilbake til en av dine andre interesser utenfor dette området og det er sjakk. Du var fascinert når vi snakket litt før podkasten om kunstig intelligens og dens relasjon til sjakk. Jeg har lyst til å legge frem dette eksempelet med Garry Kasparov i hans berømte omkamper med Deep Blue hvor jeg husker to øyeblikk. Det første er når datamaskinen trakk et veldig uventet trekk, og Garry ble helt kastet ut av sporet sitt og måtte ta en pause og komme tilbake og tapte ganske fort etterpå den kampen. Og han var overbevist om at maskinen var veldig mye smartere enn det han antok. Men så viste det seg etter hvert at det var en bug faktisk. Men han gjorde også sånn uventet trekk i påfølgende kamp. Og da klarte han å vinne over denne Deep Blue. Og analysen viser at det var fordi det var en vei, en path som ikke ble analysert nok ganger i denne læringsalgoritmen. Og maskinen hadde rett og slett ikke nok erfaring med hva som lønnet seg å gjøre derfra, og da ble det vanskelig med regnekraft og kort tid og sånn. Og at dette kan også være en sånn lite hint til hva vi mennesker skal gjøre når vi har all den kunstige intelligensen og alle de dataene i forskningen. Hva skal forskere gjøre da?

 

Magnus: Kjempespennende og veldig gøy å diskutere sjakk. Det sjakkeksempelet for meg illustrer at i kunstig intelligens, bare den får nok trening vil jo i mange tilfeller som det er nå på definerte oppgaver kunne utmanøvrer den menneskelige hjernen som gjør de nye algoritmene gjør veldig spennende. På en måte er det jo helt innovasjoner sånn som de nye sjakksystemene nå gjør i forhold til tradisjonell sjakk. Så det er jo utrolig spennende. Men motsatt så er jo det noe med at i veldig stor grad så vil jo man måtte gjøre avanserte valg som en datamaskin med kunstige intelligens. Hva skal den få trening i. Så hvilke problemstillinger vi skal løse og hvordan vi skal rigge oss for det, det må jo være et av de viktigste humane elementene inn i det sånn at vi får holdt kontroll på hvilke problemer som skal løses og hva vi skal bruke det til rett og slett. Så jeg synes at det samspillet mellom dataanalyse som er langt forbi det en menneskelig hjerne klarer per nå - for eksempel i mitt forskningsfelt, vi har jo ikke sjanse til å analysere manuelt alle de dataene som finnes i vår avgrensede problemstilling. Det må vi ha kunstig intelligens til å gjøre. Men den vil jo komme ut med veldig mange muligheter basert på en tung dyp analyse selvfølgelig. Og det er jo veldig basert på hvilke data vi gir den og trener den, så det er det første problemstillingen. Hvordan skal vi dele data sånn at den faktisk får trent seg på dem. Og det andre er jo at de resultatene som kommer ut av det må jo vi i veldig stor grad ta veldig valg som baserer seg på helt andre ting enn det som den fikk og tjener på da. Er det etisk riktig å gjøre dette og er det faktisk mulig ut ifra helt andre fagfelt også videre. Jeg tror at stordata og kunstig intelligens kommer til å fasilitetere kunnskapsproduksjonen i veldig stor grad, men den jo stiller menneskelig hjerne veldig mange komplekse problemstillinger og samfunnet komplekse problemstillinger. Hva er det vi egentlig vil oppnå med dette down the road, da. Så jeg tror vi har utrolig spennende både i samfunnet og i masse tid fremover.

 

Silvija: Jeg har lekt mye med tankene rundt hva er kreativitetens rolle oppi alt dette. Eller hva er menneskelige kreativitet. Og jeg tror det er noe med å se disse uventende koblinger som av og til gjør at du faktisk bryter er mønster. Og det å ha den menneskelige intuisjonen for når er det riktig å gjøre det som gjør oss veldig stolte mennesker. Kunstig intelligens kommer ikke til å kunne være så rebelsk kreativ som det vi er. 

 

Magnus: Tvert imot. 

 

Silvija: Men du, sånn mot slutten så må jeg spørre deg hvordan det var å jobbe i dette utvalget under korona? 

 

Magnus: Det var en veldig spennende utfordring hvor vi i står grad har brukt digitale virkemidler og det har gått veldig bra. Så jeg tror vi har lært veldig mye av korona i forhold til digital kommunikasjon og en gang iblant så liker jeg å tro at det er nesten mer effektivt enn de tradisjonelle møtene. Det er alltid fint å møtes å diskutere, men det er faktisk utrolig hvordan datautveksling i et datanettvalg kan skje veldig effektivt via teknologi. Så det har vært veldig fint.

 

Silvija: Ja. Jeg håper bare at vi ikke glemmer alt vi har lært fra korona når verden kommer tilbake i vater. Kan jeg bare spørre deg og mot slutten hva du tenker rundt bærekraft? Hvordan berører bærekraft det arbeidet dere har holdt på med i utvalget?

 

Magnus: Jeg tenker at forskning har mange hensikter og en gang iblant så kan en si at forskning er kunnskapsproduksjon også er det andre som skal benytte det. Men motsatt så tenker jeg at bærekraft er en helt sentral utfordring som vi har, og jeg ser på forskning og kunnskapsproduksjon som et element i både få den kunnskapen som er nødvendig for at vi skal ha en bærekraftig samfunn fremover med all sin kompleksitet, også tenker jeg at datadeling som dette forhåpentligvis vil legge til rette for mer effektiv innovasjon på veldig mange måter ved at man på en måte har mer data tilgjengelig som kan bidra til innovasjon både i forsyningssystemer, men også utenfor ved at storsamfunnet i langt større grad får tilgang til data som kan brukes til små og store innovasjoner som forhåpentligvis da kan bidra til å gi verden den bærekraften som vi definitivt trenger fremover. 

 

Silvija: Magnus, jeg pleier også å spørre folk om de kan anbefale noe lesing. Noe som har inspirert dem noe spesielt, eller det kan være noe på Netflix. Er det noe du kunne anbefalt videre?

 

Magnus: Jeg har lest bøker om både stordata og kunstigintelligens i det siste og egentlig synes det har vært veldig spennende rett og slett. Jeg tror ikke at jeg skal komme med en anbefaling om det, men jeg har i hvert fall i stor grad satt meg inn i...

 

Silvija: Teknologien bak det.

 

Magnus: Teknologien bak det, men også samfunnet bak det. 

 

Silvija: Veldig bra. Siste spørsmål, har du noen favorittuttrykk i krevende tider? Eller hvilken teknikk bruker du for å overkomme det vanskelige?

 

Magnus: Jeg er evig optimist, så jeg sier det ordner seg alltid. 

 

Silvija: Det gjør vel det med data også. Vi finner ut av det?

 

Magnus: Vi gjør vel det.

 

Silvija: Ja. Du Magnus veldig gøy å snakke med deg, og tusen takk for det fantastiske arbeidet dere har gjort i utvalget og for at du kunne oppsummere det for oss her.

 

Magnus: Tusen takk for at jeg fikk komme.

 

 

Du har nå lyttet til en podkast fra Lørn.Tech - en læringsdugnad om teknologi og samfunn. Nå kan du også få et læringssertifikat for å ha lytte til denne podkasten på vårt online universitet Lørn.University.