Fire miljøer videre i KI-senter-konkurransen

AI LEARN vil adressere kompleksiteten til hybrid intelligens ved å utføre teoretisk og empirisk arbeid med hvordan mennesker samhandler med AI og ved å utvikle tverrfaglig innsikt og kunnskap for å fremme ansvarlige og pålitelige menneske-AI-interaksjoner i tråd med nordiske sosiokulturelle verdier.

Utvikling av rammer for utforming og evaluering av menneske-AI-interaksjonsmodeller og kritisk gransking av nye fremvoksende moralske og etiske dilemmaer i sammenheng med hybrid intelligens vil drive bærekraftig innovasjon og bane vei for demokratisk deltakelse i det fremvoksende AI-samfunnet. Les mer om AI LEARN.

Ledere er professor Barbara Wasson, Centre for the Science of Learning & Technology (SLATE) ved UiB og professor Michail Giannakos, NTNU.

Lokale myndigheter, nyhetsmedier, engasjerte borgere og forskere er avgjørende for et velfungerende lokaldemokrati. Med økende økonomisk press og enkelte tegn på svekket tillit blant innbyggerne ser forvaltning og presse til kunstig intelligens. Likevel møter de betydelige hindringer i bruken av KI, som teknologiske begrensninger, kompliserte regelverk og mangel på spesialisert kompetanse.

Sammen med et team av forskere og samarbeidspartnere har professor Andreas Opdahl ved Institutt for informasjons- og medievitenskap sendt et banebrytende forslag til Norges forskningsråd om å etablere Insight som et forskningssenter for KI i lokaldemokratiske økosystemer. Målet er å utvikle ny kunstig intelligens for å støtte lokale myndigheter, journalister samt å gi engasjerte borgere større mulighet til å holde sine ledere ansvarlige. Samtidig står personvern og tillitsbygging sentralt. Les mer om Insight.

Algorithmic decision making (ADM) brukes allerede innen mange områder, for eksempel medisinsk diagnostikk og for å oppdage skatte- og forsikringssvindel. Dette er veldig effektivt, men ADM – som alle dataprogram – forholder seg kun til råe fakta uten å vurdere samfunnsmessig sammenheng.Mennesker, derimot, tar beslutninger med moralske verdier, kulturell sensitivitet og omsorg for andre mennesker i tankene. Automatisering av beslutningstaking uten disse elementene kan ha uforutsette konsekvenser på lang sikt.

SEAIR vil utforske ADM-prosesser, og jobbe med å oppklare spørsmål rundt:

• Algoritmene som trener prediksjonsmodeller 
• Usikkerhet og kausalitet· ADM i form av KI-agenter som samhandler med mottakere
• Digitale tvillinger brukt til testing, integrasjon og overvåking 
• Verdiorientering av algoritmer, modeller og agenter

SEAIR vil utvide horisonten, forskningsfronten og etablere et fokuspunkt for KI-forskning. I denne utviklingen av automatisering og teknologi er mennesker den viktigste ressursen. Vi vil også utnytte at Norge er attraktivt for de som ønsker seg utdanning innen KI-forskning og som etter hvert vil bli ansatt i norske selskaper. Les mer om SEAIR.

Ledere er professor Marija Slavkovik, Institutt for informasjons- og medievitenskap og professor Fedor Fomin, Institutt for informatikk.

KI og maskinlæring har potensial til å transformere måten vi forstår og håndterer klimaendringer på.  Ved å kombinere fysiske modeller med datadrevne løsninger kan vi forbedre presisjonen i vær- og klimamodeller, redusere beregningstid og kostnader, gjøre klimadata mer tilgjengelige for beslutningstakere og skape robuste, forklarbare KI-verktøy for ekstremværvarsling.

Å forstå hvordan og hvorfor algoritmene kommer fram til sine svar er avgjørende for troverdige klimabeslutninger, ifølge førsteamanuensis Stefan Sobolowski ved Geofysisk institutt og Bjerknessenteret for klimaforskning. Han skal lede senteret som er et samarbeid med partnere fra privat og offentlig sektor i inn- og utland. Les mer om RAISE-UP.

Ved å kombinere tradisjonell klimaforskning med KI-teknologi vil de levere raskere, mer nøyaktig og lokalt tilpasset informasjon. Dette vil være avgjørende for klimatilpasning og ekstremværberedskap.