Det er afgørende, at beslutningstagere får de bedst mulige redskaber, til at tackle de udfordringer klimaforandringerne medfører. Professor Francisco Pereira har modtaget en bevilling fra Novo Nordisk Fonden til at udvikle APEX - et projekt, der netop har til formål at udvikle sådanne redskaber.
At optimere vores evner til at tage informerede beslutninger er dybt forankret i Fransiscos forskning. Som datalog med års erfaring inden for machine learning, simuleringer og kombineringen af de to områder er det en problemstilling, der altid har været relevant for hans arbejde.
Men, som han selv siger: "Mens eksisterende simuleringsværktøjer er gode til at give meget detaljerede resultater, er de langt fra optimale, fordi de har et snævert fokus og kræver mange ressourcer – især tid.”
Simuleringer kan være effektive, men er simpelthen for dyre, langsomme og dårligt rustede til at håndtere pludselige ændringer i variabler – og dem er der mange af, inden for transport- og miljøområdet. Målet for Franciscos APEX-projekt er at udvikle en platform, der benytter machine learning til at gøre simulationer betydeligt mere effektive.
Ved at analysere simuleringsdata med machine learning, kan platformen tilnærme sig nøgleberegninger og levere resultater, der ligger tæt op ad dem man kan opnå med dyre simulatorer, men millioner eller endda milliarder gange hurtigere. Dette vil give beslutningstagere adgang til et bredt udvalg af alternativer, der ikke var muligt før.
Platformen vil kunne anvendes inden for områder som transport-, energi- og miljøområder, hvor hensyntagen til hver ændret variabel i simuleringer ellers vil forsinke enhver beslutning uendeligt.
At udvikle teknologien er ikke let eller billig, men med bevillingen fra Novo Nordisk Fonden vil det kunne lade sig gøre. Målet er, at APEX snart vil kunne fremskynde nogle af disse processer markant – selvfølgelig samtidig med at sikre at platformens kunstige intelligens arbejder transparent, ansvarligt i forhold til menneskelige værdier, og i overensstemmelse med etiske overvejelser.