Ett 50-tal forskare, doktorander och administratörer deltog i workshopen som inleddes med en föreläsning om olika användningsområden för AI samt AI i relation till en hållbar utveckling av Sonja Aits, medlem i koordineringsgruppen för AI Lund. Därefter gav Kajsa M Paulsson, koordinator för forskningsinfrastruktur vid Medicinska fakulteten, en presentation kring befintliga samarbeten och vikten av att framåt engagera sig inom ämnet. Efter föreläsningarna delades deltagarna in i tre olika diskussionsgrupper som avhandlade: 1) främjandet av nya samarbeten, 2) nackdelar med maskininlärning och 3) implementering av samarbeten i praktiken: kommunikationskanaler, verktyg och ramar.

Diskussionerna lyfte både utmaningar och konkreta förslag på hur man kan få till meningsfulla samarbeten med hållbarhetsinriktning. Det är svårt att få en överblick över alla intressanta projekt som pågår, men en möjlighet hade varit någon typ av forum där forskare kan efterlysa eller anmäla intresse för samarbeten. Bättre utnyttjande av LUCRIS lyftes i sammanhanget. Samtliga höll med om att det är viktigt att visa att man är intresserad av samarbeten för att lättare kunna koppla ihop AI/ML expertis med mer problemfokuserad kunskap från tex experter inom hållbarhet. Existerande infrastruktur så som centrumbildningar och SFO:erna borde användas i större utsträckning för att främja tvärvetenskapliga samarbeten, till exempel genom att arrangera tematiska workshops eller interaktiva forum för att möta utlysningar.

När ett samarbete väl har inletts gäller det att båda parter levererar enligt överenskommelsen, annars uteblir finansieringen. För att våga att ta steget och för att effektivisera samarbetet är det således bäst, enligt deltagarna, om man känner varandra sedan tidigare eller åtminstone arbetar vid samma lärosäte. Fördelen med att bättre utnyttja de interna samarbetena lyftes också genom att det möjliggör att man kan upptäcka nya finansieringsmöjligheter. Projektidéerna utvecklas sedan effektivast inom en kärngrupp med samarbetspartner och projekten kompletteras sedan med externa partner för att uppnå specifika krav från finansiären.  

I diskussionen om möjliga nackdelar med maskininlärning samt hur AI, människa och miljö påverkar varandra framstod förlorad expertis och färre jobb som en uppenbar risk vid ökad maskininlärning. En annan nackdel är att man eventuellt lägger för stor tilltro till AI, vilket gör att man missar andra lösningar. Det ställdes många frågor, till exempel ”vem eller vilka är ansvariga när något går fel?” och ”vad händer om länder inte kommer överens om hur man ska mäta AI?”, men den reglering som finns idag ger inga tydliga svar. Deltagarna menade att det således finns ett behov av striktare regleringar för vad AI kan och bör användas till. Samtidigt skall reglering inte stå i vägen för de ”goda” AI-systemen som kan komma att lanseras och/eller användas. Slutligen konstaterades att felaktigt utplacerade eller använda AI-system kan få katastrofala konsekvenser för jorden och dess befolkning och att det därför är avgörande att globalt komma överens och utvärdera hur maskininlärning ska användas. En annan viktig del av utvecklingen framåt är att utveckla kvalitetssäkringssystem och standardiserad dokumentation. 

I den tredje diskussionsgruppen pratade man om hur forskningssamarbete riktat mot hållbarhetsfrågor bör se ut i praktiken. Deltagarna kom överens om att det finns flera inspirerande exempel vid universitetet redan, till exempel är Hållbarhetsforum en kanal för att nå ut till andra miljöer. På regional nivå nämndes SLU Alnarp, som LU forskare under flera år har haft många och goda tvärvetenskapliga samarbeten med. Bland de främsta utmaningarna i att mer effektivt nyttja AI ansåg workshopdeltagarna vara tillgången på material, framförallt att få tillåtelse att återanvända data och material som någon annan forskare har samlat in. Det finns opublicerade och negativa data som skulle kunna användas för andra syften och i annan forskning, där AI är ett möjligt verktyg för analys och utforskande. Forskare måste alltså bli bättre på att dela med sig av sin information, till exempel genom tvärvetenskapliga samarbeten. 

Förhoppningen är att framgångsrika lokala och nationella samarbeten ska öppna upp för internationella samarbeten. Sist, men inte minst ansåg deltagarna, precis som i de övriga grupperna, att det behövs någon typ av gemensam plattform för att dela visioner och efterlysa samarbeten. LUCRIS är bra för redan pågående projekt, men nu är det dags för nästa steg i utvecklingen.

Workshopen avslutades med sammanfattade diskussioner och en uppmaning att använda den Padlet som lagts upp för deltagarna för att annonsera färdigheter och kompetenser, projektidéer eller forskningsfrågor som behöver besvaras, tillgänglig infrastruktur, expertförfrågningar och potentiella samarbeten. 

Resurser och kontakter

AI Lund är ett öppet nätverk för forskning, utbildning och innovation inom AI vid Lunds universitet och ett utmärkt forum för att nätverka och hitta samarbetspartners inom AI.

Läs mer och hitta samarbetspartner hos AI Lund - www.ai.lu.se

Lunds universitets forskningsportal listar även viktig befintlig infrastruktur inom universitetet där man kan hitta befintliga metodologier/infrastrukturer. Olika initiativ på nationell och internationell nivå samarbetar även inom viktiga infrastruktursatsningar, exempelvis SciLife, ESS. Både på central och fakultetsnivå inom Lunds universitet finns forskningsnämnder som även har ansvar för forskningsinfrastruktur och planering för framtida satsningar inom nya framtidsorienterade metodologier.

Sök efter befintlig infrastruktur på Lunds universitets forskningsportal - portal.research.lu.se

Workshopen arrangeras av de strategiska forskningsområdena eSSENCE och LUCC i samarbete med Hållbarhetsforum. 

eSSENCE - essenceofescience.se (på engelska)
LUCC - lucc.lu.se (på engelska)