
Amy Loutfi
Professor i datavetenskap
Wallenberg Scholar
Lärosäte:
Örebro universitet
Forskningsområde:
AI, robotik och människa-robot-interaktion
Wallenberg Scholar
Lärosäte:
Örebro universitet
Forskningsområde:
AI, robotik och människa-robot-interaktion
Amy Loutfis forskningsområde kallas förkroppsligad AI. Förenklat betyder det en robot som kan interagera med sin omgivning med hjälp av artificiell intelligens. Med inbyggda sensorer kan den till exempel se, höra och känna lukter. Vissa har också armar och kan plocka upp och flytta saker i rummet. Alla dessa förmågor ger AI-robotarna möjligheten att själva bygga upp en kunskap om sin miljö.
Som Wallenberg Scholar vill Amy Loutfi öka AI-robotarnas inlärningsförmåga genom att inspireras av mänskliga kognitiva egenskaper. Med hjälp av begrepp som nyfikenhet samt förmågan att leka som ett barn ska de lära sig hur de genomför sina uppgifter.
– I den utforskande leken bygger barn upp en förståelse av världen omkring dem. När de leker så har de en slags autonomi i sin inlärning. Samtidigt interagerar de med omgivningen för att utmana sig själva. Den sortens drivkrafter för inlärning tror jag att robotar kan ha stor nytta av, säger Amy Loutfi.
Men går det verkligen att översätta grundläggande mänskliga egenskaper till kod och algoritmer?
– Jag vill medvetet provocera lite genom att använda de här orden som beskriver mänskliga egenskaper. Syftet är inte att förvandla våra egenskaper till något maskinellt. Snarare att undersöka hur vi människor lär oss om världen omkring oss.
AI-utvecklingen har exploderat de senaste åren och dagligen lanseras nya lösningar skräddarsydda för att ta över arbetsuppgifter inom allt fler områden. Men i stället för att föras med av strömmen vill Amy Loutfi ta ett steg tillbaka för att fördjupa kunskapen om människans inlärning.
– Något som alltid präglat min forskning är att se och lära av hur vi människor interagerar med varandra och vår omgivning. I mitt arbete med AI och robotik inspireras jag av människors agerande, samtidigt som jag försöker förstå vilka delar som är möjliga att överföra till olika typer av intelligenta system.
Genom att ställa frågor kring hur vi människor lär oss att tolka sinnesintryck och väva samman dem med hur vi agerar, hoppas hon lägga grunden för en ny sorts självlärande maskin.
– Bland det jag intresserat mig för finns vår förmåga till abstraktion av omvärlden och hur viktigt det är för vår inlärning. Genom vårt språk kan vi även dela begrepp och företeelser som går utanför vår verklighetsuppfattning – till exempel en zebra med lila vingar. Bara genom att säga det så skapar jag en bild hos dig trots att en sådan zebra inte finns i verkligheten, säger Amy Loutfi.
På liknande sätt hoppas hon få en förkroppsligad agent som en robot att använda språk och abstrakta begrepp för att konstruera sina egna mål. Hennes forskargrupp arbetar med de senaste AI-metoderna, som maskininlärning, men även AI-system som klassisk eller symbolisk AI där fastlagda regler och logik används för att hantera data.
– När vi kombinerar symboliska AI-metoder med maskininlärning så får vi en helt ny verktygslåda. Med hjälp av dessa nya verktyg blir det möjligt att närma oss de fundamentala frågorna om intelligens och lärande.
I arbetet ingår såväl teoribildning som experiment i ett av landets största robotlabb vid Örebro universitet. Labbet liknar en ombonad industrilokal med en travers som löper högt upp i taket. Runt väggarna finns stationer med olika sorters robotar. Människolika robotar samsas med robotarmar, undervattensrobotar och en stor pallkrage för automatiserad odling där det växer jordgubbar.
Något som driver mig att utveckla nästa generations robotar är att göra tekniken tillgänglig för många fler än idag.
Vid en av stationerna tränas måluppfyllnad. Här får roboten en rad föremål, som en boll, en kopp och en tallrik, och frågan vad den vill göra med dem. På så sätt kan roboten själv bestämma sitt mål.
– Kanske vill roboten då placera bollen på tallriken. Med hjälp av AI kan vi då ge den förmågan att skapa en bild av resultatet. Då har den både satt ett mål och skapat en förväntning av resultatet.
Nästa steg är att bryta ned uppgiften i många små delmål som roboten sedan kan bekräfta stegvis. Om den missar något av målen så ska den själv kunna förändra sin planering och skapa nya egna delmål. På så sätt ges roboten förmågan att bryta ned en svår uppgift i flera lättare som den kan träna på tills dess den klarar uppgiften bättre.
– Detta går att likna vid sättet som vi människor lär oss nya saker: vi tar en sak i taget för att avancera vidare steg för steg till mer komplicerade uppgifter.
Sedan januari 2025 är Amy Loutfi programdirektör för Wallenberg AI, Autonomous Systems and Software Program, WASP. Där fokuseras hennes arbete på att driva WASP:s tillväxt med nya initiativ som ska stödja framsteg inom AI, autonoma system och mjukvara genom excellent forskning.
Hon betonar vikten av att föra samman människor som tillsammans kan arbeta för att integrera samhällets behov i forskningen.
– När vi bedriver forskning är det avgörande att vi ställer de rätta frågorna. Grundforskning och forskningsområden med en stark teoretisk bas är nödvändiga eftersom de lägger grunden för framtidens innovationer. De hjälper oss att förstå de fundamentala principerna bakom ny teknik och dess möjligheter, långt innan vi vet exakt hur den kan tillämpas, säger hon.
– Samtidigt måste vi ha ett samhällsperspektiv och reflektera över hur teknologin påverkar människor, arbetsliv och hållbar utveckling. Forskning bör inte bara drivas av vad som är tekniskt möjligt, utan också av vad som är önskvärt och nyttigt för samhället i stort.
Text Magnus Trogen Pahlén
Bild Magnus Bergström