Stefano Nichele startet i jobben som professor ved Høgskolen i Østfold i august i år.
– Jeg mener at liv kan forekomme ikke bare i biologien, men også i andre materialer som for eksempel i kunstig liv i en datamaskin eller i en robot, sier Nichele.
Siden doktorgradsarbeid som ble avsluttet ved NTNU i 2015 har han sett på hvordan vi kan planlegge og utforme datamaskiner ved hjelp av maskinlæring.
Helt konkret forsker han på hvordan vi kan planlegge fremtidige datamaskiner baserte på biologisk-inspirerte prinsipper.
Maskinlæring kan forklares som en spesialisering innen kunstig intelligens hvor man bruker statistiske metoder for å la datamaskiner finne mønstre i store datamengder. Vi sier at maskinen «lærer» i stedet for å bli programmert (Kilde; snl.no).
Vil lage maskiner som er levende og intelligente som mennesker
– Jeg er opptatt av kunstig intelligens og kunstig liv, og hvordan vi kan lage maskiner som er levende og intelligente som oss mennesker. Da tenker jeg på mer generell intelligens, ikke bare datamaskiner som er designet for helt spesifikke mål, forteller Nichele.
Han ser flere områder der kunstig intelligens kan lære av biologien. Kunstig intelligens krever blant annet veldig høyt strømforbruk. Den biologiske intelligensen til mennesker klarer seg med begrenset energi.
Kunstig intelligens er definert som informasjonsteknologi som justerer sin egen aktivitet og derfor tilsynelatende framstår som intelligent (Kilde; snl.no).
Grunnforskning innen maskinlæring
Nichele jobber i hovedsak med grunnforskning innen maskinlæring, på grensa mellom nevrovitenskap og datavitenskap.
– I stede for å bygge store nevrale nettverk, kan vi bruke prinsipper fra biologien for å se hvordan våre nevrale nettverk (hjernen) vokser fra en celle sammen med kroppen, og lærer mens den vokser, forteller han.
Nichele forteller at han bruker teorier fra komplekse systemer i sin forskning og jobber tett med kolleger fra blant annet nevrovitenskap som ser på biologiske nevrale nettverk i laboratoriet.
– Vi ser på hvordan biologiske nevroner vokser og lager nettverk i en petriskål. Det blir som en liten modell av det som skjer i hjernen. Så prøver vi å forstå «algoritmene» bak de biologiske prosessene, sier han.
– I tillegg prøve vi å trene og lære noe av disse nevrale nettverkene med strømsignaler og elektroder.
Kan føre til et paradigmeskifte
Forskningen som Nichele jobber med kan på sikt føre til et paradigmeskifte innen kunstig intelligens.
– Målet er å etablere kunstig intelligens som ikke er basert på standard «store nevrale nettverk», også kalt deep learning/dyp læring, laget av oss og som bruker alt for mye strøm og produserer CO2.
Han forteller at problemet er at disse nevrale nettverkene er laget av oss mennesker og lærer gjennom algoritmer, en oppskrift på hvordan noe skal gjøres, som er ikke biologisk-inspirerte.
– Fremtidens deep learning vil fortsatt ha store nevrale nettverk, men som da kan vokse mens de lærer, og ikke være konstruer av oss, men at de benytter læringsalgoritmer som biologiske nevroner også bruker, forklarer Nichele.
Dyp læring er en læreprosess som går ut på at vi kan «trene opp» såkalte «dype kunstige nevrale nettverk», en sentral metode innen maskinlæring, hvor det er et prinsipp at datamaskiner skal tilegne seg kunnskap om noe den ikke vet eller kan fra før (Kilde; Wikipedia).
Tverrfaglighet viktig
Det må tverrfaglighet til for å jobbe med utviklingen innen kunstig intelligens. Det trengs, først og fremst folk som studerer hjernen, for eksempel nevroforskere. Men jeg jobber også med kunstnere, som er veldig flinke å stille kritiske spørsmål til det vi teknologer gjør, forteller Nichele.
Kort om Stefano Nichele (40)
- Opprinnelig fra Italia
- Doktorgrad fra NTNU (2015) innen maskinlæring og data arkitektur
- Postdoc på NTNU og på ITU Kobenhavn (Robotics Evolution and Art lab)
- Førsteamanuensis OsloMet 2017-2021 og professor fra 2021-22
- Forsker (adjunkt) hos Simula Metropolitan 2020-2022
- Nå professor på HiØ
Aktuelle lenker:
Profilsiden til Stefano Nichele med kontaktinfo og publikasjoner på hiof.no
Forskningsgruppa for maskinlæring ved HiØ
Stefano Nichele sin egen nettside
Open source educational booklet created with international colleagues
To hovedsystemer som brukes til å teste bio-inspirerte metoder:
Cellulære automata
Voxel-based soft robots