Med opprettelsen av Stavanger AI Lab vil Universitetet i Stavanger (UiS) vise fram sine ressurser innen kunstig intelligens for å forsterke samarbeidet med næringsliv og offentlig sektor.
– UiS har samlet og formalisert alle forskningsressurser innen kunstig intelligens under samme paraply, sier Tom Ryen, leder for institutt for data- og elektroteknologi, der Stavanger AI Lab har sin forankring.
Navnet kan få noen til å tro at laben ligger i et eget rom innredet med dataskjermer og servere. Det er feil. Stavanger AI Lab er en virtuell lab. Det understrekes av at det er instituttets pauserom vi inviteres til når vi skal få høre mer om nyetableringen. Sammen med Tom Ryen, setter stipendiat Rune Wetteland og Øyvind Meinich-Bache, forsker ved Laerdal Medical og 1. amanuensis II ved UiS, seg ned i de myke stolene på den andre siden av pausebordet.
– Det er ikke noe stort poeng med en fysisk lab. Vi forsker på for ulike ting, sier Meinich-Bache.
Det han, og andre forskere og studenter trenger, er å kunne koble egne datamaskiner og skjermer til GPU-ene (grafikkprosessorene) som står i det avlåste datarommet i universitetets underetasje.
Synliggjøring
Et hovedpoeng med å opprette Stavanger AI Lab, er å bli mer synlige. Nå får UiS på en enklere måte vist verden hvilke ressurser de rår over innen maskinlæring, dyp læring og robotteknologi. Dette er organisert i åtte forskningsgrupper. Ryen tror det blir flere.
– Jeg er kontaktperson, men ikke leder av Stavanger AI Lab. De som vil samarbeide med oss, kan ta direkte kontakt med kontaktpersonene for det aktuelle forskningsfeltet. Vi har opplevd stor interesse. Jeg fikk et titalls henvendelser den første uka etter åpning, sier Ryen.
Å bli mer synlige internt på UiS, er et annet poeng.
– Før forsket vi hver for oss. Med Stavanger AI Lab får vi oversikt over de andre som jobber med dette. Nå ser vi lettere hvem vi kan samarbeide med eller få hjelp av, sier Wetteland.
Kunstig intelligens kan brukes til så mangt. Eksempler på forskningsprosjekt det jobbes med på UiS nå, er stemmegjenkjenning, objektgjenkjenning og deteksjon av falske nyheter på internett. Mange masterstudenter skriver oppgave ute i en bedrift. Ryen håper at Stavanger AI
Lab gir enda flere studenter direktekontakt med næringslivet.
– Det viser seg at mange av disse studentene ender opp med å bli ansatt i bedriften, sier instituttlederen.
Gjenoppliving
Laerdal Medical, der Meinich-Bache fikk forskerjobb etter å ha skrevet sin doktorgradsavhandling i et samarbeidsprosjekt med dem, er en av Stavanger AI Labs eksterne partnere. Han deler sin tid og kompetanse innen bildeanalyse med Laerdal Medical og UiS. Nå jobber han med å automatisere videoanalyser i prosjektet «Safer births» hvis mål er å gjøre helsepersonell bedre til å gjenopplive nyfødte. De første videoene han jobbet med, ble filmet på et landsens sykehus i Haydom i Tanzania.
– Disse videoene var ikke tiltenkt maskinlæring. Kvaliteten var dårlig, med ned mot to bilder per sekund, som ofte ble tatt på for lang avstand. I tillegg til aktivitetsgjenkjenning, måtte jeg derfor inkludere algoritmer for objektgjenkjenning for å finne relevante områder for videre analyse, sier han.
Prosjektet fortsetter med nyere og bedre tiltrettelagte videoer fra Nepal og Stavanger Universitetssykehus (SUS). Med 15 bilder per sekund og mindre bildeutsnitt, trenger ikke modellen hans lenger algoritmer for objektgjenkjenning. Det sparer datakraft.
Ved hjelp av kunstig intelligens tolker datamaskinen hva som skjer og når det skjer. Det betyr at helsepersonellet kan gå direkte til gjenopplivingsforsøket for å forstå bedre hva som ble gjort, uten å bruke tid til å spole seg fram og tilbake i filmen.
– Jeg jobber med å få til tidslinja. Modellen som benytter dyp læring for aktivitetsgjenkjenning, har mange lag, sier Meinich-Bache.
Kreftdiagnostisering
Wettelands doktorgradsoppgave innen kunstig intelligens, er også helserelatert og tilknyttet samme forskningsgruppe som Øyvind Meinich-Bache: «BMDLab – Biomedical data analysis laboratory». Sammen med SUS, lager han et system der datamaskinen læres opp til å gjenkjenne og tolke cellene i en blærekreftprøve.
– Jeg får digitalt skanna bilder av blærekreftprøver fra SUS. Det er gigapixelbilder, som gjør at jeg kan zoome kraftig inn, sier han.
Bildene inneholder fem vevstyper. Det er urothelium (urinblærevev), muskelvev, stroma (bindevev), blod og skada vev (brent eller revnet da prøven ble tatt ut). Hans modell for maskinlæring gjenkjenner hvor i bildet disse fem vevstypene finnes.
– Når patologen går gjennom en kreftprøve, skal han blant annet krysse av om det finnes muskelvev i prøven eller ikke. Dette er et eksempel på en av arbeidsoppgavene som kan effektiviseres med automatisk fargekoding av vevsprøvene, sier Wetteland.
Dette skal lette patologenes arbeid. Wetteland er ferdig med gjenkjenning av vevstyper. Nå skal han lage en modell for diagnostisering av kreftprøvene med gradering og stadiet den befinner seg på.
– Det er vanskelig å diagnostisere. To patologer skal sjekke hvert bilde manuelt. De kan komme opp med ulike tolkninger. Med AI som automatisert hjelpeverktøy skal det være tilstrekkelig med én patolog. Selv om vi får flere krefttilfeller i framtida, holder ikke antallet patologer tritt, sier han.
Wetteland skal være ferdig med doktorgraden august 2021. Modellen hans for bildediagnostisering av kreftceller skal kunne modifiseres slik at den skal kunne brukes for andre krefttyper.
– Ved å vise mulighetene kunstig intelligens gir, håper vi på flere samarbeidspartnere, flere masteroppgaver i industrien, og flere studenter som velger å studere AI, sier Ryen.
Stavanger AI Lab planlegger å arrangere seminarer, workshops og kortere kurs innen kunstig intelligens for næringsliv og offentlig sektor.
