Du hører på Teknisk Sett, en podcast fra TU. Mitt navn er Jan Moberg, og jeg sitter i Halden med Odd Rikardt. Hei, Jan. Odd Rikardt, vi er i Halden, og vi kan jo ikke reise herfra uten å snakke med noen som jobber på IFE.
Det hadde vært ille. Det hadde vært ille, og hva dette miljøet har betydd selvfølgelig for halden og samfunnet her, men også for forskning i verden faktisk, og områder. Det er ikke mange klarer vi. Nei, og da er det jo sånn at denne reaktoren er under dekommisjonering, men det betyr jo ikke at miljøet rundt den pulveriseres. Nei.
Og det var egentlig godt å høre. Ja. Og faktisk et område som fortsatt kommer til å få en videre oppblomstring her, det dreier seg jo om AI, altså kunstig intelligens.
Der har IF-miljøet en egen divisjonsdirektør med ansvar for all forskning, men som også har god greie på dette området. Han har vi med oss her i dag, Thomas Norlander. Velkommen. Takk, takk. Nå er vi litt fremme på her og påstår at her er det mye som skal skje, til tross for at reaktoren er under dekommissionering. Jeg tenker jeg kan justere noen saker der.
Når vi hadde reaktoren så anvendte vi den for forskning på brensle og material. Men samtidig som vi gjorde det så forsket vi på mennesketeknologi og organisasjon og digitalisering rundt det. Den delen på forskningen behøvde aldri reaktoren på.
Det gjør at vi er rundt 100 forskere som ikke behøver reaktor, men en del av det de gjør handler om forskning for dekommissionering. Og når vi hadde reaktoren oppe så anvendte vi for eksperiment for materialer og brensler. Når reaktoren skal dekommissioneres så blir det en stor laboratorium for dekommissionering. Der vi kan anvende digitale verktyg for dekommissionering for å gjøre saker snabbere, billigere, sikrere med mindre effort. Ja.
Det handler jo mye mer om gravende høyradioaktive avfall. Ja. Det er et stort område. Et område, even om folk ikke skulle være interessert av nukleært, så har vi oljeplattformer som skal dekommisjoneres. Og det handler om at reverse bygger saker og ting. Så reaktoren i Halen tok ungefær tre år å sette opp, men tar 25 år å
og ta seg ifrån. Så det er veldig komplekst hvordan du tar ifrån saker. Det er egentlig en skjema- og planleggningsoppgave. Hva kan du gjøre parallelt? I hvilken ordning skal du gjøre det? Og du har begrensede utrymmen i berget i reaktoren her. Du har et likadant på en oljeplattform. I hvilken ordning skal du ta det? Du kan ikke ta pontonene først, uten du må gjøre i en viss ordning, og så videre.
Og her kommer faktisk AI, vi anvender AI gjennom dekommissionering ganske mye. Men først bare en kjapp kommentar på at det du tok tre år å bygge den reaktoren, det var jo i ettertid, det høres jo fantastisk ut. Ja,
Ta det med en nypa salt, men det er det jeg har fått med meg. Det kan hende om det er tre eller fire år eller noe. Men det er interessant å se at det tar et ensiffrigt tal å bygge en reaktor på den tiden med den kunnskapen. Men det er et tvåsiffrigt tal i året, og det er kommisjonerende for folk tror, ja, men
At bygge noe er vel kompliseret, men å rive ned noe går vel snabbt. Det er ikke bare en wrecking ball og så er jeg ferdig med det. Nei. Slett ikke. Men Thomas, vi vil snakke med deg om AI, og vi vet at du kan fortelle oss og lytterne litt om hvordan dette begrepet oppstod.
For det har jo også en ganske spennende historie. Ja, så det går egentlig veldig mye lenger bak i tiden enn hva folk tror. De fleste kanskje tror at dette er noe som skjedde for 15 år siden, da man fikk høre og se med mobiltelefonen og så videre. Sjelva ordet «artificial intelligence» koinades 1956 på Dortmund-konferansen i USA.
som MacArthur arrangeret for å undersøke med sine computer scientists folk hva er potensialen med de nye såkallte datamaskinene og hva skulle man kunne løse under forutsetning at man løser visse av problemene. Men
Det går egentlig tilbake, man kan gå enda langt tilbake til 1200-tallet med Raymond Lull fra Spanien som tittet og skrev artikler om maskiner kunne tenke og begynne å filosofere på det her om maskinerne kunne tenke, kunne man skape maskiner som var mennesker. Vi hadde på
1800-tallet så hadde det jo vært populært blant de veldig rike i Europa at skapa roboter av urmakere. Urmakere gjorde roboter der du kunne veve opp dem og så kunne de skrive sitt navn og så videre. Og der er de interessert i at man skaper noe som ser ut som mennesker reagerer, liknende mennesker. Men det er egentlig 1956 som det tok fart ordentlig. Men så har vi jo
Vi har jo, vi har to egentlig grunnfadrer til AI, og den ene kanskje dere kjenner til som en codebreaker under 2. verdskriget. Ja, så han er den ene, og den andre er en ungrare som var med og
som flyttet snabbt over til USA under kriget og er faden til Game Theory, Set Theory og Equilidrum for det kalle kriget.
Det er to personer som er grunnfadene på det som begynte å skrive artikler og så videre om AI innan begreppet AI kom. Men 1956 skjedde det en hel del. Så vi hadde de her eldre gentlemanen som begynte å filosofere hva AI skulle kunne gjøre under forutsetning at vi hadde det snabbere, vi hadde det mindre. De kunne gjøre saker parallelt. Og da begynte de å komme opp med
De tok i ordentlig. De ville ha selvkjørende biler. De ville ha automatisk oversettning mellom ulike språk og så videre. Og det
Siste delen trigget DARPA, amerikanske defense agencies, å begynne å åpne opp pengerne. Kallekrigen? Ja, og da har jeg tror det var 1957, så dette var 1956, 1957, om jeg ikke misminner meg, så skikkerte Sputnik opp. Og Sputnik skremde livet ur vest.
For at Vest var ikke i nærheten på å skikke opp en satellit. Men ikke noe med at Sovjet skikket opp satelliten. Denne gikk rundt jorden og skikket ut signaler som du kunne få opp på din radioapparat. Og det betyr at da Sovjet har skikket noe som kan kommunisere med det. Men hva koderne betydde, ingen visste. Men det gjorde at USA begynte å oppnå
å oppnå mye penger til NASA. Men i denne veven ville de ha reda på hva kan Sovjet? Og så hadde de brist på oversettere eller tolker for når de spionerede. Og da var de interesserede om det fanns en mulighet for at man kunne anbefale AI for å oversette fra slaviske språk til engelske språk for å få all denne informasjonen. Og det gjorde at de ga veldig mye penger.
Nackdelen var at de her forskerne var litt naive og lovde veldig mye, og det var veldig lite som holdt innom den tidsfristen. Så småningom fikk man en AI-vinter, så de som finansieret mye var ikke så interessert, for det kom ikke så mye ut.
Og så fanns det to rapporter som ødelagde og skapet den første AI-vinteren. Den første rapporten var i USA, der de tittet at det ikke behövde så mange oversettere, for de hadde en hel del slaviske folk som skulle kunne oversette, og det fungeret litt bedre da. Og det gjorde at DARPA skruvde ned pengene en hel del. Og så i Storbritannien, som egentlig var en av de sterke når det gjelder AI i starten,
Det hadde mye finansiering gått på AI. Der begynte folk å bli skeptiske på hva Edinburgh Universitet i Skottland og andre hadde gjort og lovat. Og så gavs et oppdrag til en ingeniør som skrev The Light Hill Report. Og i den rapporten, om jeg tar det veldig krasst, så skrev han at AI is only an academic toy problem. It will never scale well and would never be able to solve anything in the industry. Mm.
Og politikerne lyssnet så mye på det at de stengte av fonden for nesten alle universitet i Storbritannien. Det var noen Old Brick og Edinburgh som fikk lov å fortsette, men de andre skulle slutte med det.
Og så tenker ni at kanskje det her er ikke så farlig for pengene å komme tilbake. Men hver gang det blir AI-vinter, så lemner briljante forskere som du har trenet under år, som har masse gode løsninger, men de har ikke penger å fortsette, de har ikke penger å få doktorander, ikke penger å gjøre det. Så hopper de over til statistikk, eller til matematikk, eller til andre emnen. Og når pengene kommer tilbake 10-15 år senere,
så går de ikke tilbake. Nei, de må ha nytt talent. Ja, så forskning må ikke bra av store variasjoner i finansiering. Vil du minske ned forskningsområdet, fair enough, men da gjør du det langsomt over tiden. Ikke noen snabbe hugg, for rett som det, behøver du igjen. Og vi ser det innom nukleært her i Norge. Nå når Norge i slutet på 70-tallet bestemte seg at vi ikke skulle ha nukleært for energiproduksjon,
Da fikk IFE endre seg litt og titte på energi og ikke bare et nukleært. Men så har vi sett de siste 10-15 årene at universitetet som UiO og andre har fått mindre og mindre finansiering i kjernfysikk og kjernkemi.
Så det har begynt å gå ned og ned. Problemet er at om de skulle forsvinne, så kostet det veldig mye å sette opp. Men nå har forskningsrådet gjort en utlysning innom et nukleært senter for kjernkemi og kjernfysikk. Og i budgeten har de også lagt inn studieplasser på det. Så alldeles innen det var på vei, i alle fall kjernkemi, å forsvinne, så etter mye trykk
fra mange av de ulike organisasjonene at det her må Norge ha, så har vi lykkes å endre det her innen det klipptes av. Veldig bra. Vi håper at det er noen politikere som lytter på her, for nå har de fått en veldig god page. Men Thomas, vi må jo spørre, det er jo ikke en AI-vinter nå lenger. Hvor står vi på AI i dag? Ja, det er ingen AI-vinter enn så lenge, men det blåser litt kaldt.
Og det har å gjøre med at folk lover mer enn hva de kan holde. Det er fortsatt. Ja, og når det finnes mye penger på et område så drar det til seg en hel del charlatans som kommer inn. Så at når du støter på AI-eksperter, så om du samler opp 10 AI-eksperter i Norge og så begynner å titte på dem, så er det så at det er veldig få som egentlig er AI-eksperter.
Og visse av dem har ingen AI-bakgrunn overhuvudtaget, men de er gode selgere. Noen av dem kan en hel del av AI, men når du ser på mjukvara de har, så er det ikke AI, det er matematisk optimering eller statistikk, men de vil gjerne kalle det AI for at det er enklere å få finansiering. Og så finnes det noen guldkorn. Jeg vil jo tro at Tesla sine stadige løfter om at nå har vi løst det med selvkjøring,
Kanskje AI er et sånt eksempel. Det er Tesla anvender AI, så det er ikke snakk om saken, men de er gode på å selge inn saker og ting, og det her med at keep human in the loop, det finnes når du titter på selv autonomi uten mennesker, så
om du vil komme med selvkjørende helt uten mennesker, da betyr det at når det er en olykke, så skal ikke mennesker være med og analysere heller, du skal ha det her. Så det tar litt lengre tid enn hva man tror. Men det sagt, så har DARPA en stor grand challenge der de titter på selvkjørende biler. Og det begynte før jeg var i
2005. Og da var det x antall organisasjoner som stelde opp, og de skulle kjøre om det var 40 kilometer i øknen på en bana, og ingen kom i mål, og noen kom ikke ens til startlinjen. Og folk skrattet heidløst. Og så neste år så kjørte de denne her igjen. Og så viser det seg at et par kom i mål.
Men da sa folk at dette er ute i øknen. Hva med inne i en stad? To år senere kjødde de i en stad, og noen biler kom i mål. Så selv om det er mye som hender som ikke er ved AI, så finnes det en del av AI der det har skjedd veldig mye det siste. Men det er den delen på AI som har med nevrale nettverk å gjøre. Men det er bare en gren.
Hvis noe er rundt og det er grønt,
It's an apple. Og så kan du se, something is around, det kanskje er en kategorisering om noe er et epple, og så stenger du ned. Men du kan se hvor fakta er representeret, du kan se hvor resonemangen går. Men går du over på en likadan identifiator på
et eple som anvender en neural nätverk og lyfter på huven der, så ser du 100 ulike variabler med 200 000 ulike føringer med ulike vikter. Du har ingen aning om, tar det hensyn til at det er rundt? Tar det hensyn til? Ingen aning. Og det gjør at denne symboliske og subsymboliske, den ene delen kan du forklare, og meningen er at du kan forklare alt, og den andre er det veldig vanskelig å forklare.
Og folk tror at AI er bare den delen, men den store delen med ekspertsystem, case-based reasoning og andre deler, det er gjort for å kunne forklare. Det er gjort for at en lækare... At du kan forstå det. Ja, så om du har...
diagnostikk på hjerteproblem til eksempel, og så her finnes det noen lækere som, låt oss si at hun er veldig duktig her i Norge, og du lykkes få inn det i ekspertsystemet, da kan du ta det systemet ned til en lækare i Kathmandu som ikke er så god på hjerteproblem. Med hjelp av det programmet så kan den lækaren hjelpe å identifere hjerteproblem
problem uten å ha samme erfaring. Så da kan du få eksperternes kunnskap flyttet over til ulike områder. Og den delen fokuseres det veldig lite nå. Men guldet er egentlig å kombinere det med nevrala nettverk. For da kan du få litt bredere AI, og det er det som folk strever etter. Men du får ikke det på nevrala nettverk. Du må ta inn et ekspertsystem i kombinasjon med nevrala nettverk. Men det er veldig få som forsker på både tilsammans.
Så det er der man skal være hvis man skal lykkes? Det er i grensesnittet? Jeg tenker det er der man skal være om du vil få AI-fremgånger som er relativt snabbt. Du har hva man kaller narrow AI nå. Det er egentlig det vi har. Det løser små problemer i et litet domenområde. Det kan du gjøre. Men drømmen er jo å ha algoritmer som kan ta deg på Google Maps
vegen hjem. Samme algoritm taler om hva det er for Netflix-film du gjør, og at det ikke er to ulike. Så du vil jo ha litt bredere da. Og innom et smalt domen så fungerer AI veldig bra. Bettere enn hva mennesker er i veldig mange fall. Men når domenet breder ut seg, så vinner menneskene.
Dette er jo kjempefasinerende, men vi må avslutningsvis tilbake til utgangspunktet, Thomas, siden du jobber der du gjør, og siden disse oppgavene er store for dekommisjonering. Hvor stor er oppgaven for bruk av AI i arbeidet til IFE videre?
Det er stort. Vi har en av våre største avdelninger, driver med AI, og begynte å drive 1984 med å implementere det i kjernkraftverk i Sverige, Finland, USA og i olje- og gasselskap. Og vi har implementert det både når det gjelder å øke effektiviteten i kjernkraftverket, men også titte på sannsynligheten av levetid for kylpumpar for kjernkraftverk.
Så den delen er stor. Når det gjelder dekommisjonering så finnes det mye AI innom dekommisjonering. Vi kjører robothunder som på ryggen bærer 3D-kameraer for å skanne opp områdene i Tjernobyl.
og der vi har satt på gamma-scanner for å få strålningen i 3D-områdene i det. Og da kan vi kjøre inn denne robothunden inn i områden der ingen har vært, inn i sakrofagen, for å få en bild av hvordan det ser ut i 3D, men også se ut hva er strålingen i 3D. Og da kan vi låte den hunden røre seg rundt i områdene på stedet, så at ikke den blir kontaminert så mye, så at den behøver dekommissioneres, men den behøver flytte seg rundt i rommet
for denne delen. Så denne delen, når det gjelder å anvende roboter for å gå inn og gjøre saker som er farlige, saker som er krevende, der det finnes skadmøyligheter og så videre, å anvende roboter. Så vi har...
Vi har mye arbeid når det gjelder roboter og AI. Hadde vi vært over hos oss, så hadde vi hatt vår robothund, og vi har robothender og armar og så videre som rør seg. Der du kan fjærstyre saker og ting. Så at du kan sitte her på kontoret,
og tar på deg en handske, og når du har på deg handsken, så kjører roboten med en robothand frem til det, og så i luften så holder du på å dra og skru på saker, medan robothanden da gjør eksakt samme saker inne på reaktoren, der du kanskje ikke vil ha mennesker i nærheten, om noe skulle skje. Riktig. Høres fascinerende ut, Rikard. Ja, det er fascinerende. Jeg bare lurer på hvor gammel jeg må bli for å få en robot å prate med.
Er ikke jeg god nok? Vel, Thomas, vi har mye annet vi kunne snakke om, men så vi får invitere oss til deg om noen måneder og få se disse robotene. De er mye velkomne. Takk, og takk til Odd-Rikard, takk til vår produsent Sebastian, og mitt navn er Jan Moberg.