SOMMERSERIE: Hvad er det vigtigste at finde svar på, når det fx gælder stamceller, robotter og computerskabt virkelighed?
DR Viden har spurgt fem danske eksperter om fascination og fremtid indenfor deres forskningsfelt.
Her fortæller ekspert i komplekse it-systemer Kim Guldstrand Larsen, Aalborg Universitet, hvorfor det er vigtigt at udvikle computerværktøjer, der kan bevise, at automatiserede processer sker i den rigtige rækkefølge.
Vi får stadig flere computerstyrede systemer, fordi computerne er i stand til at overskue meget mere, end vi mennesker kan. Derfor skal vi også kunne stole på systemerne.
Hvorfor blev du fascineret af dit forskningsfelt?
Jeg har læst matematik som hovedfag og fysik som bifag, og for mig var det en aha-oplevelse, da jeg fandt ud af, at når man sad og skrev i Pascal, der var forløberen for programmeringssproget Java, så var det ikke bare en meningsløs kode. Der var en dyb, matematisk logik bag det hele.
Det er fascinerende indenfor datalogi, at der er et matematisk fundament bag såvel computere som programmer, der blandt andet kan bruges til at bevise, at programmer eller program-systemer opfører sig som ønsket.
Hvad er din største aha-oplevelse i dit eget forskningsarbejde?
Meget software bruges i dag til at styre særdeles sikkerhedskritiske systemer, lige fra pace-makere til alskens funktioner i en bil og intelligent elnet.
Min forskning består i at udvikle computer-værktøjer, der kan bruges til automatisk at ”bevise”, at ting sker i den rigtige rækkefølge og på de rigtige tidspunkter. Specielt må der aldrig være situationer, hvor komponenter kan komme i indbyrdes deadlock-situationer.
Givet de mange komponenter og det resulterende kæmpestore antal tilstandskombinationer er det særdeles vanskeligt at lave sådanne automatiske beviser.
Hvis en bil eksempelvis kører ind i et træ, så skal softwaren indenfor en garanteret tid sikre, at det udløser en airbag. Den funktion ligger der mange beregninger og afhængigheder bag.
Men mit fag har også en eksperimentel side, hvor man lige pludselig kan se, at der er smartere måder at lave analyser på. Og det giver aha-oplevelser.
Fx fandt vi i slutningen af 90’erne en ny datastruktur og smartere måde at kode på til et modelleringssystem for audio- og videokomponenter ved B&O. Det betød, at analyser, der før havde taget to uger, nu kunne laves i løbet af seks sekunder. Det vidste vi ikke på forhånd.
Hvad er den hidtil vigtigste opfindelse indenfor dit forskningsfelt?
Der er ingen tvivl om, at det er computeren. Englænderen Alan Turing var foregangsmanden for det hele. Som matematiker og logiker byggede han ikke blot en computer og var med til at bryde tyskernes kode under anden verdenskrig, han lavede også en matematisk model af, hvad en computer kan, den såkaldte Turing-maskine.
Uanset om du taler om en kæmpecomputer eller en lille computer i en smartphone eller en vaskemaskine, så er det dækket ind af begrebet Turing-maskinen.
Hvad er det afgørende at finde svar på i fremtiden?
Mange fremtidige programfunktioner kommer til at styre processer og systemer, der er sikkerhedskritiske. Derfor er det afgørende, at programmerne kan lave analyser, der giver garantier for, at ting ikke går galt, og at systemerne ikke bliver hacket.
I dag har vi allerede automatiske systemer, der tager over i kritiske situationer, fx hvis to fly er ved at kollidere, fordi systemerne kan overskue mere end vi mennesker.
Hvis vi ser på selvkørende biler, så vil vi gerne være sikre på, at når vi kommer til et rødt lys ved en overskæring, så kører den ikke bare over. Men sidste år så vi, at en Tesla på autopilot kørte ind i en lastbil, fordi den kom i en situation, computeren ikke havde taget højde for.
Programmerne kan selvfølgelig ikke forudse alt og levere absolutte garantier, for der vil altid være grænsetilfælde, hvor noget kan gå galt. Men de kunstige neurale netværk skal kunne levere garantier for, at under en række antagelser, så vil systemet altid fungere korrekt.
Vi får flere og flere ting, der er er koblet op på internettet, hvor systemerne har mulighed for at lære af hinanden. Skal det fx også være sådan med selvkørende biler, at de kan lære af hinanden og ikke kun af sig selv? Her er udfordringen, at vi skal finde ud af, hvordan vi sikrer os mod upålidelige komponenter og hacking i de forbundne systemer.
Vil du vide mere om it i alting?
It styrer efterhånden alt fra mindre ting som vores vaskemaskiner til store infrastrukturer som vand- og energisystemer. Hør professor Kim Guldstrand Larsen tale med psykologiprofessor Svend Brinkmann om konsekvenserne i radioprogrammet "Brinkmann på P1".