Nyt AI-center på KU med Nvidia-indmad skal analysere universet

De senere år har teleskoper og satellitter med kraftige fotolinser opsamlet enorme mængder billeddata om universet. Billeder, som rummer vigtig viden i forståelsen af universets udvikling, men som nemt kan bestå af mere end en milliard objekter og derfor gør analyse med menneskeøjne umulig.

»Der er problemer og samfundsmæssige udfordringer, der er så store, at vi simpelthen aldrig vil kunne overskue dem ved hjælp af menneskelig intelligens,« siger Mads Nielsen, institutleder på Datalogisk Institut ved Københavns Universitet og initiativtager til det nye center.

Med 100 forskere fordelt på syv institutter på tværs af Det Natur- og Biovidenskabelige Fakultet skal det nye SCIENCE AI Centre på Københavns Universitet styrke dataanalysen og ikke mindst forståelsen af data på tværs af videnskabsområder ved hjælp af den nyeste forskning inden for kunstig intelligens.

»Vi kommer til at lave løsninger, hvor kunstig intelligens forbedrer andre videnskaber i samfundet. Fx er der mange forskningsområder, hvor dataanalysen bliver flaskehalsen, fordi der er så meget udstyr, der massivt kan opsamle data, men knap så meget, der kan fortolke og lære af det, « siger Mads Nielsen.

SCIENCE AI Centre

Det nye SCIENCE AI Centre åbnede officielt den 1. februar 2018.

Centret omfatter på nuværende tidspunkt 14 enheder på tværs af syv institutter på SCIENCE, som alle arbejder med forskellige afskygninger af kunstig intelligens.

Centret har ca. 100 forskere tilknyttet.

Institutterne er: Datalogisk Institut, Institut for Matematiske Fag, Niels Bohr Institutet, Biologisk Institut, Institut for Fødevarevidenskab, Institut for Fødevarer- og Ressourceøkonomi og Institut for Plante- og Miljøvidenskab.

En hjørnesten i det nye center for kunstig intelligens er den GPU-tunge server-løsning fra Nvidia kaldet DGX1, som et et integreret system til deep learning.

100 gange hurtigere

Systemet har både en stor beregningskraft, men kan især løfte de store opgaver, som i dag bliver brudt ned i mindre portioner.

»Det særlige er, at den kan træne de meget store dybe neurale netværk uden at bryde opgaven ned i bidder. Vi får ikke bare en beregningskapacit, der er 100 gange hurtigere, ingeniørtiden er også 100 gange hurtigere end standardudstyr. Vi forventer at have udstyret klar om en måneds tid. Rent fysisk bliver den placeret hos Niels Bohr Institutet, hvor vi i forvejen har High Performance Computer-anlæg, der håndterer sundhedsdata og Cern-data. Ved spidsbelastninger kan vi supplere med lagerkapacitet i skyen,« siger Mads Nielsen.

Fremover skal forskere løse opgaver på tværs af Københavns Universitet for de videnskabsområder, som står med opgaver, hvor omfattende og effektiv analysekraft er en nødvendighed.

»Tidligere har vi delt et datasæt op i mange små bidder for så at sætte det hele sammen igen som et puslespil. Men med denne maskine kan vi meget hurtigere løse problemer, der er væsentligt større, end vi kunne før,« siger Mads Nielsen.

Computeren og dens kunstige intelligens kan f.eks. bruges til at gennemgå og se sammenhænge i data fra sundhedsområdet.

I forhold til f.eks. Alzheimers kan computeren analysere store mængder MR-skanninger af hjerner med Alzheimers i forskellige stadier og derefter tillære sig, hvilke mønstre der går igen.

»Computeren identificerer, om en hjerne viser tegn på sygdommen, og hjælper lægerne med at stille en tidlig diagnose,« forklarer Mads Nielsen, som sammen med forskere fra Datalogisk Institut vandt en international konkurrence på det prestigefyldte amerikanske universitet MIT ved netop at diagnosticere Alzheimers med denne metode tilbage i 2014.