Forskersonen er forskning.nos side for debatt og forskernes egne tekster. Meninger i tekstene gir uttrykk for skribentenes holdninger. Hvis du ønsker å delta i debatten, kan du lese hvordan her.

Forskninsgrådet har nylig tatt beslutningen om hvordan regjeringens bevilgning til KI-forskning, den såkalte «KI-milliarden», skal investeres i seks forskningsentre. 

For havnasjonen Norge kunne dette vært en anledning til å etablere et miljø for marin KI-innovasjon, slik at vi kan modernisere forskning og forvaltning innenfor det som er Norges viktigste kilde til verdiskapning og velstand. 

• Les også: Vi har seks år igjen på å redde havet. Er du med?
• Les også: Skal livet i havet seile sin egen sjø?
• Les også: Hvor mye hav bør vi verne?

Et tankekors for havnasjonen Norge

Kampen om KI-midlene var svært hard, og dessverre gikk ingen av de marint orienterte søknadene videre i prosessen. Konklusjonen er at Norge i dag ikke har et troverdig og bærekraftig miljø som i tilstrekkelig grad kombinerer kompetanse på det marine med ekspertise innen moderne KI-teknologi. 

Med Norges ambisjoner om å forbli en ledende havnasjon burde dette være et tankekors.

Havet er så viktig for Norge at det nesten burde være unødvendig å nevne. Offshore olje og gass har gjort oss til en av verdens mest velstående nasjoner. Før oljen var det shipping som skapte – og som fortsatt skaper – store inntekter. 

Økt press på miljø og økt krav til kunnskapsproduksjon

Fiskeriene fanger hvert år omtrent et halvt tonn fisk per innbygger, og i tillegg er Norge verdens største oppdretter av laks. I det politiske ordskiftet snakkes det ivrig om havvind, karbonlagring, og mineraler fra havbunnen. Samtidig skal det hele forvaltes på en måte som bevarer naturen og økosystemene.

Med økende press på miljø og økosystemer følger også økte krav til kunnskapsproduksjonen. Vi samler inn data i stadig større skala, og kameraene surrer og går i alt fra mikroskoper til satellitter. 

I tillegg kommer store strømmer av data fra hydrofoner, radar, lidar, ekkolodd, sonarer, AIS, og så videre. Datamengdene øker enormt i volum, men også i kompleksitet, og ofte er det ikke lenger mulig for ekspertene å holde tritt.

Alle er enige om løsningen: vi må utvikle metoder basert på dyplæring og kunstig intelligens til å trekke ut informasjonen fra dataene. Og ikke minst må metodene implementeres i verdikjedene, slik at de faktisk konverterer data til kunnskapen vi trenger. 

Risikerer gale avveininger og ukloke investeringer

Dette krever innovasjon og tverrfaglighet, og her har vi fremdeles store utfordringer. Hvis vi får det til, er potensialet enormt. Effektiv utnyttelse av marine data kan gi økt produksjon og lavere miljøavtrykk fra fiskeri og havbruk, bedre kartlegging av fremtidens naturressurser, måle effektene av klimaendring og menneskelig påvirkning, samt gi oss en dypere og mer helhetlig forståelse av økosystemet. 

Hvis vi ikke får det til, risikerer vi å skusle bort posisjonen som ledende havforskningsnasjon som vi møysommelig har bygget opp over et århundre. Og vi risikerer å gjøre gale avveininger og ukloke investeringer som går ut over både verdiskapning og miljø.

Det mangler ikke på gode hensikter og ambisiøse initiativer for å stimulere til tverrfaglighet og innovasjon. Så hvorfor får vi det likevel ikke bedre til?

Utnyttelse av og begrensninger i kunstig intelligens

Tverrfaglighet er mer enn bare å sette sammen to miljøer som har ekspertise på hvert sitt felt. For at forskjellige fagfelt skal kunne kommunisere må de ha en felles kunnskapsbase, og for kompliserte temaer krever dette stor innsats over lang tid å bygge opp. Uten en dyp og grunnleggende forståelse av begge sider, blir løsningene lett overfladiske.

Vi ser dette innen anvendt KI-forskning der det ofte anvendes etablerte metoder fra billedanalyse på data som ikke egentlig er bilder. KI-metodene er fantastisk effektive, og dermed kan det fungere likevel - i alle fall til en viss grad. Men modellene neglisjerer dermed viktige karakteristika som ligger i dataene.

Interessant nok skjer dette på begge sider av bordet: Brukermiljøene anvender enkel bildeanalyse fordi de ikke forstår mulighetene og begrensningene i KI-teknologien godt nok til å tilpasse den til anvendelsesområdet. 

KI-miljøene anvender enkel bildeanalyse fordi de ikke forstår data og anvendelsesområde i tilstrekkelig detalj til å se mulighetene for mer avanserte metoder. 

Vi mangler reell tverrfaglighet.

Vi trenger et kunnskapsmiljø som forstår teknologien 

Men i noen tilfeller fungerer samarbeid på tvers av fagområdene, og forskningen fører til utvikling av genuint nye og nyttige metoder. Vi er likevel ikke i mål.

Brukermiljøet må nå absorbere og internalisere de nye metodene og konvertere dem til effektivisering og forbedringer i sine verdikjeder. Dette krever, i alle fall for så kompleks materie som KI, en forståelse av fag og teknologi som brukermiljøene sjelden besitter. 

Like lite som en KI-partner kan overta drift av skip og merder etter et endt samarbeidsprosjekt med Havforskningsinstituttet, kan havforskere uten videre overta nyutviklede KI-metoder og implementere, drifte og videreutvikle dem. 

Uten et varig og etablert miljø som både forstår teknologien og har nødvendig domenekunnskap, fungerer ikke dette.

Store ambisjoner og ditto store utfordringer

Siden Nansens og Hjorts tid har Norge vært et foregangsland på marin forskning og forvaltning av natur og ressurser. Vi står nå midt i FNs havtiår, og ambisjonene skorter det ikke på. Vi skal lede an på ressurskartlegging, miljø, sikkerhet, bærekraft, og næringsutvikling.

les også

Norge må øke innsatsen for havet

Men vi må erkjenne at i dag har de norske miljøene innen marin forskning og forvaltning ikke det som skal til for å gå i front på teknologiutviklingen. Vi lever i en tid der KI-teknologien er i ferd med å snu opp ned på alt. 

Utfordringen er å finne ressursene, evnene, og viljen til å bygge et sterkt tverrfaglig miljø som kan ta marin KI på alvor. For slik det ser ut nå, har havnasjonen Norge navigert seg inn i et farvann der den er i ferd med å bli akterutseilt.

Mer fra forskersonen:

Vi kan bygge tryggere tunneler med kunstig intelligens

Må vi velge mellom havvind og natur?