Glimt fra ei arbeidsgruppe - AI og maskinlæring

Bli kjent med arbeidsgruppa som jobber med kunstig intelligens og maskinlæring i NExTdigital.

Gruppa består av medlemmer fra NTNU, Optimar, Sparebanken Møre og Avento, og har helt siden oppstarten vist stort engasjement og initiativ. I august oppfordret de medlemsbedriftene i NExTdigital til å komme med forslag til reelle caser de kunne jobbe med videre - noe det viste seg å være stor interesse for. Det kom inn mange innspill, og prosessen førte også til at flere bedrifter tok interne runder på hvordan de potensielt kan nyttiggjøre seg av kunstig intelligens. 

Maskinsyn for tryggere og mer effektiv vegsikring

Etter å ha diskutert alternativene, kom medlemmene i arbeidsgruppen frem til at de i første omgang ønsket å se nærmere på et eksisterende prosjekt, der NTNU samarbeider med bedriften Arvid Gjerde AS. Målsetningen for prosjektet er å erstatte krevende manuelle vedlikeholdsprosesser med en automatisert løsning, som benytter maskinsyn i stedet for mennesker. Arvid Gjerde AS leverer og vedlikeholder vegsikring i hele Norge, som jevnlig skal kontrolleres for å sikre at boltene er på plass og at alt står fast som det skal. Per i dag løses denne oppgaven ved at en bil kjører sakte langs alle gjerdene mens en person filmer og ser etter at ingenting mangler. Siden bilen må holde lav hastighet, må den i tillegg sikres av et ekstra kjøretøy med luftputer i bakkant, i tilfelle påkjørsel fra noen som ikke greier å bremse opp i tide. Ved hjelp av kunstig intelligens og maskinsyn kan tilsynet gjennomføres svært mye mer effektivt og enn til nå, ettersom det da kun vil være behov for én sjåfør som kan kjøre i normal fart. Åpenbart vil dette dessuten være langt mer skånsomt og trygt i et HMS-perspektiv, og de to ekstra personene kan få jobbe med andre og mer varierte oppgaver. 

Problem framing workshop

Arbeidsgruppen tok initiativ til å gjennomføre en såkalt "Problem framing workshop" sammen med deltakerne i prosjektet, og denne fant sted i slutten av oktober. Utgangspunktet for en slik workshop er Design Sprint-metodikk, som opprinnelig er utviklet av Google for å bidra til kreativt samarbeid, løse komplekse problemstillinger og redusere risiko ved lansering av nye produkter. Problem framing handler om å sikre forståelse, at alle i teamet drar i samme retning, samt å definere en strategi som ivaretar de ulike interessentene. Dette kan du lese mer om her, og her kan du lese mer om hvordan rammeverket kan brukes spesifikt innen maskinlæring. 

- Dette var en fin anledning til å få erfaring med fasilitering av slike workshoper,  forteller gruppemedlem Jon Christian Halvorsen fra Avento. - Det er en nøkkelaktivitet i et prosjekt, og er samtidig tidsavgrenset slik at det ikke sluker mer kapasitet enn vi har til rådighet i gruppene. Vi får et dypdykk inn i kontekst og problemstillinger, og kan samtidig bidra med vår kompetanse og et objektivt blikk. Noe av det viktigste er å sette klare suksesskriterier - hva er viktig, og hva er målbart? Hvilke avgrensninger er nødvendige, og hva skal være utbyttet? Det var også nyttig å erfare hvilke steg i metodikken det er gunstig å ta i plenum, og hva som bør være klart i forkant. 

Videre planer

Det er et eksternt konsulentselskap samt NTNU-studenter som har ansvaret for gjennomføringen av prosjektet, og arbeidsgruppa forteller at de trolig ikke vil ha noen aktiv rolle i den videre prosessen. Men det å holde en slik workshop ga mersmak, og de sier de har snakket om at dette er noe de kan tenke seg å gjøre igjen for andre. I neste møte vil de diskutere hva som skal være den videre planen fremover, og vi ser frem til å følge med på hva som skjer. Vi anbefaler dessuten alle medlemsbedrifter å tenke gjennom om dere har problemstillinger dere ønsker å invitere denne, eller en av de andre arbeidsgruppene, til å se nærmere på!