WE 1
TEMA: DIGITAL VÄNDPUNKT FÖR SVENSK INDUSTRI störs
ta svenska forsknings- och utbildningssatsningen på AI-området. Den har en tonvikt på datadriven AI och den nya matematik som är nödvändig inom området. Men den berör även andra delar, som robotik, datorseende eller visuell igenkänning, som det redan forskas på inom WASP. Tyngdpunkten ligger på långsiktigt kompetensbyggande genom att skapa stora forskarskolor och rekrytera unga forskare från resten av världen till Sverige. Grundkurs i AI »Efterfrågan på dessa olika utbildningar för akademiker och industrianställda är oerhört stor. För ett par år sedan drog exempelvis KTH:s AI-utbildning bara 30 studenter, nu deltar flera hundra personer där«, säger Cecilia Sjöberg, Vinnova. En annan viktig satsning är breddutbildningen 'Elements of AI'. »Det är en kostnadsfri och grundläggande webbaserad AI-utbildning för personer inom industri och näringsliv. Hittills har närmare 200 000 personer världen över genomgått utbildningen och innan årets slut är målet att ytterligare 100 000 svenskar ska ha klarat av kursen.« I 'Elements of AI' kombineras teori med praktik och exempel. Kursen ställer inga krav på kunskaper i programmering eller i matematik. Målet är att AI ska bli begripligt för alla. Utbildningen erbjuds av AI Innovation of Sweden, AI Competence for Sweden, Linköpings universitet och Vinnova tillsammans med University of Helsinki och Reaktor. Ett särskilt nationellt nätverk har också skapats med namnet AI Competence for Sweden med uppgift att stärka Sveriges kompetens och konkurrenskraft, men också främja det livslånga lärandet. Sju lärosäten medverkar i initiativet: Chalmers tekniska högskola, Göteborgs universitet, Kungliga tekniska högskolan, Linköpings universitet, Lunds universitet, Umeå universitet och Örebro universitet. Fler lärosäten kan komma att ansluta till initiativet. Nätverket informerar givetvis på sin hemsida om alla svenska aktuella AI-utbildningar för yrkesverksamma och för studenter. Lätt att fastna i tekniken En annan viktig utmaning är att undvika industrins vanligaste misstag, nämligen att fastna i tekniken och i det som i vardagstal brukar kallas dataträsket. »Risken är att det blir ett IT-projekt istället för ett verksamhetsprojekt, vilket skapar problem eftersom företaget samtidigt sannolikt behöver se över sina affärsmodeller, där du kanske säljer funktioner istället för produkter. Hela denna tjänstefiering av industrin är en spännande utveckling vi har framför oss och som också kan komma att bidra till en mer hållbar produktion och konsumtion«, säger Cecilia Sjöberg på Vinnova och får medhåll av Örjan Larsson, Blue Institute: »När företag brukar ta sig an AI är det lätt att först börja fokusera på tekniken och inte på affärsbehoven. Att anställa datavetare och sedan ge dem tillgång till data för att bygga något intressant blir lätt en återvändsgränd. För att lyckas krävs det team med olika kompetenser och framför allt behövs det så kallade devopsingenjörer (Development-Operations Engineers), som kan skapa engagemang och obehindrat kan röra sig mellan produktion, process, verksamhetsutveckling och kundbehov. För företag som är i början på sin AI-res är sådana pilotteam definitivt nödvändiga. För mer AI-mogna företag är det viktigt att snabbt få ut teamen i linjen och den ordinarie verksamheten.« Vem äger all data? Ytterligare ett problem, som behöver lösas, är ägarskapet av data. Vem äger den data, som företagen genererar? Det finns idag inget riktigt regelverk kring detta och industrierna är osäkra på hur mycket och vilken data de är beredda att dela med sig av till andra företag. Därför genomförs nu olika satsningar på datalabb. »Ett sådant är den digitala stambanan (se särskild artikel på sid 39 i tidningen). Vi har också flera offentliga öppna datalabb när det exempelvis gäller skogsdata och trafikdata. Det är ett sätt att systematisera datainsamlingen. Men vi behöver noggrannare strukturer och bra standarder för hur vi på ett tryggt sätt framöver ska kunna definiera, lagra, beskriva och dela data«, säger Cecilia Sjöberg, Vinnova. 7