Informator och Milan har ett mångårigt samarbete kring arkitektur, modularitet, modeller, och under de senaste tio åren också AI – först Configure-to-order för modulära produkter, förkortat C2O, och några år senare AI och ML ur arkitektperspektiv. Vi ställde ett par frågor till Milan om vad som händer och trendar inom hans område.
Vad ser du för trender på området?
Många! I Europa dels Londons fortsatt starka ställning i framkanten, dels Nordens sena men supersnabba utveckling efter sin extrema AI-vinter. För tre år sedan skrev Göran Lindsjö om “Sverige – en medelmåtta i AI:ns gärdsgårdsserie” på SvD Debatt. Det var snällt sagt – då. Men mycket har hänt här på bara tre år.
Två globala trender som gynnat Norden under de tre åren, är dels medicin och läkemedel som draglok inom ny AI, dels robotik och automatisering som fått tillverkande industri att vända hemåt, från offshoring till “on-shoring”. För Sveriges del kom nollpunkten kring 2018, då antal utflyttade och återflyttade industrijobb blev ungefär lika.
En tekniktrend som gäller allt från vård och life sciences till transport, logistik, och Industri 4.0, är att Edge (device) computing, där en del av Machine Learning från molnet flyttar till Edge, minskar svarstider, energinotan, nätverkstrafik och lasten i molnet. Nästan allt som har sensorer – från deltagarna i en medicinsk studie, till tåglok och industrirobotar – har även datorkraft som kan plocka de lågt hängande frukterna – lokalt, snabbt, och billigt. Framöver blir det mer beräkningskapacitet i Edge, så att ML kan ske lokalt och bara relevant aggregerad statistisk data sänds till molnet för lagring.
Arkitekturmönstret Federated Learning lägger ut merparten av ML på Edge-noder med lokal data, och jämkar ihop deras inlärda aggregerade värden (vikter på deras neuroner och synapser) centralt i en gemensam modell i molnet eller servern.
Vad tycker du själv är mest spännande på området just nu?
– Min yrkesbana har handlat om att åskådliggöra struktur och beteende, med andra ord både vad system handlar om eller består av, och hur de gör. Har bland annat varit med i utvecklingen av det första synkrona animeringsverktyget för både modeller och programkod som genererats ur dem. Det var en svensk-brittisk produkt, knappt tio år innan UML-standarden satte igång en våg av liknande funktionalitet i ett antal modelleringspaket. Med en lindrig överdrift: “mitt” område blev som Volvo Trucks’ virala video The Epic Split, den där med stuntmannen van Damme. Visualiseringsbenet gled iväg åt sitt håll med UML, och AI benet åt sitt håll där man tänkt sig lära VD:ar Lisp och Smalltalk80 – som i o f s var en västanfläkt jämfört med Deep Learming…
Mot den bakrunden är eXplainable AI en viktig trend, och det gläder mig att tunga aktörer som Nasa, Darpa, eller svenska Wallenbergstiftelsen insåg behovet i tid. Darpa’s XAI-projekt startade redan 2018. Flera tekniska lösningar ser lovande ut, bl a generella Transformers som utvidgas från naturligt språk till att även tolka mycket annat, Generative Adversarial Networks, Neural Decision Forests, mm. Lika glädjande var att Object Management Group, som förvaltar bland annat modelleringsstandarderna UML och SysML, lanserade sin AI-Platform Task Force AIPTF, för ett halvår sedan. Så, stunt-benen sakta ihop igen, precis som i slutet av Volvos video 🙂
Related courses:
AI, Architecture, and Machine Learning