Benny Avelin forskar på neurala nätverk

Benny Avelin, född 1984, disputerade 2013 med avhandlingen "Boundary behavior for p Laplace equations". I korthet handlar avhandlingen om så kallat randbeteende för den typen av ekvationer, det vill säga hur värdet på lösningar till ekvationen förändras vid en viss punkt nära randen.

Han lämnade akademin under ett år för att ägna sig åt att arbeta som data scientist på industrinätverket Combient. När han nu har återvänt ägnar han merparten av sin tid åt att forska inom data science och artificiell intelligens, AI. Tonvikten ligger på neurala nätverk och hur de lär sig det vi vill att de ska lära sig.

– Såvitt vi kan se kan stora neurala nätverk lära sig väldigt komplicerade mönster. Ett exempel är när sökmotorer lär sig känna igen bilder, eller skilja ut vissa motiv i en stor mängd bilder, säger Benny.

Forskning om maskininlärningsaspekten av AI har sin grund inom datavetenskap. Matematiker fick upp ögonen för området sedan en forskargrupp som hade skapat ett artificiellt neuralt nätverk för att klassificera bilder ställde upp i en bildigenkänningstävling år 2012 och vann med endast 15,3 procent felgissningar. Andrapristagaren hade 26,1 procent fel.

– I dag är de neurala nätverken bättre än människor på att känna igen bilder, säger Benny. Eftersom området är så nytt finns det mycket som ännu är outforskat.

– Forskning inom AI är otroligt spännande eftersom grundforskning har en direkt inverkan på tillämpningar. Rent matematiskt är det extremt intressant för det finns väldigt starka kopplingar till en stor del av den moderna matematiken.

Utöver matematik är Benny intresserad av fysik och hade kunnat välja även den banan, men han tilltalas av den större exaktheten hos matematiken.

– Inom matematik går man från enkla antaganden till ett bevis. Utan matematiska bevis kan man försöka att empiriskt bevisa något men det bästa man kan hoppas på är en rimlig teori.

Under 2019 beviljades Benny forskningsanslag från Vetenskapsrådet, som medför att han kan finansiera beräkningsresurser, doktorander och postdocs.

– Det är mycket förmånligt att få den här typen av anslag och slippa bekymra sig för finansiering under fyra år framåt.

Neurala nätverk

Nätverken är uppbyggda av neuroner, som tar emot och skickar signaler. Nätverken kan beskrivas som maskinella kopplingar som hittar mönster som åtskiljer objekt. Algoritmerna som ligger till grund för nätverken är självlärande, vilket medför att nätverken lär sig mer och mer.

Ina Bergström

2021