12.oktober holdt NTVA og Vitenskapsakademiet i Agder er felles møte på Gimle gård i Kristiansand. Hovedforedrag var Harald Martens, professor emeritus, men fremdeles en meget aktiv forsker ved NTNU. Hans innledende spørsmål var; for mye data, for lite informasjon? I industrien, så vel som i medisin og i samfunnet for øvrig, genereres
det enorme mengder fantastiske tekniske data («Quantitative Big Data») som ikke utnyttes skikkelig. Det er synd.
Allerede dagens mer eller mindre kontinuerlige strømmer av tradisjonelle måledata inneholder verdifull informasjon om variasjoner i industriprosessens råvarer, driftsbetingelser og produktkvalitet. Og morgendagen vil bringe radikalt forbedrede måleteknikker – raske, presise, høydimensjonale, men ikke-selektive. Eksempler: aksellerometere, spektrofotometere, termiske videokameraer, hyperspektrale kameraer osv.
På den ene siden er slike tekniske måledata for kompliserte for klassisk mekanistisk eller statistisk modellering. På den annen side er de langt mer strukturerte enn mange andre typer Big Data. Det å håpe at kunstig intelligens i form av «black box» kunstig nevralnett skal håndtere slike data kan være både fremmedgjørende og risikofylt.
Interpretable Deep Learning, with an eye for physics: Foredraget diskuterte møtet mellom fagfeltene kjemometri og kybernetikk i Trondheimsmiljøet. Dette har resultert i nye metoder og programpakker som gjør det enklere for bedrifter innen metallurgi, kjemi, elektronikk, shipping osv. å håndtere enorme strømmer av verdifulle tekniske måledata på en effektiv og forståelig måte.
Harald Martens understreket at for å komme videre i den praktiske bruken av Big Data er det meget viktig at vi i samfunnet overvinner Matte-angsten. Det vil imidlertid kreve radikale endringer i matematikk-undervisningen.
Det var en interessert tilhørerskare på nærmere 30 personer som fulgte Harald Martens foredrag og som stilte interesserte spørsmål etterpå.