Profilområde Visuella digitala framtider

Visuella digitala framtider är en världsledande forskning och infrastruktur i framkant. Nya perspektiv inom såväl visualisering som AI bidrar till att området utvecklas i nya spännande riktningar.

En översikt av profilområdet

Tekniken har förändrat våra liv i grunden. Den har förändrat hur vi gör vetenskapliga upptäckter, hur vi utför vårt arbete, hur vi tar hand om oss själva och hur vi umgås och knyter kontakter.

Det är ett spännande akademiskt studieområde med stor potential att göra verklig skillnad. Men sättet modern teknik har designats på – byggt på principen att röra sig snabbt och bryta saker – har lett till en myriad av oförutsedda och oönskade resultat.

I Visuella digitala framtider-profilen strävar vi efter att utveckla nästa generation av världsförändrande teknologier från ett annat perspektiv, ett som ställer frågan: hur designar vi teknologier utan att äventyra vår miljö, våra demokratier, våra värderingar och vår framtid?

För att besvara denna fråga samlar vi forskare och akademiker från hela LiU som studerar, designar och bygger digitala teknologier. Denna samling av olika expertkunskaper gör det möjligt för oss att inte bara föreställa oss nya, kraftfulla verktyg och algoritmer, utan att också genomtänkt och medvetet designa dem inom de pressande begränsningarna av vårt samhälle och vår värld . Vi strävar efter att föreställa oss nya och olika framtider vi kanske vill ha, och att arbeta för att översätta dessa framtider till konkreta, ingenjörsmässiga insatser. Vi betonar vikten av mänskligt beslutsfattande genom att sätta människan i centrum med hjälp av visuella och interaktiva verktyg.

Vårt mål

Att designa teknologier som ger människor förmågor, möjligheter och ansvar för att hantera akuta samhällsbehov för att forma de framtider vi vill ha.

A1: Beslutsstöd för en hållbar framtid

De oöverträffade effekterna av klimatförändringar och förlust av biologisk mångfald kräver radikalt nya tillvägagångssätt och verktyg för att fatta beslut och genomföra nödvändiga förändringar. Vi hävdar att effektiva strategier för att mildra och anpassa sig till klimatförändringar kan genomföras endast med hjälp av nästa generations beslutsstödsramverk för komplexa, dataintensiva scenarier som gör orsakerna och effekterna av klimatförändringar begripliga, utforskbara, användbara och transparenta för forskare och beslutsfattare. Framtagningen av dessa ramverk samlar kompetenser från klimatvetenskap och policyforskning, biologisk mångfald och ekologi, miljöförändringar, visualisering, datorseende och AI. I skärningspunkten mellan dessa kompetenser finns grundläggande forskningsfrågor: Hur kan maskininlärning och AI integreras transparent inom interaktiva visualiseringssystem? Vilka typer av visualisering kan stödja välgrundat beslutsfattande? I vilken utsträckning kan visuella analysverktyg stödja dataanalys och beslutsfattande relaterat till både lokala och globala utmaningar?

A2: Visualisering för STEM-utbildning

Att tolka och interagera med visuell information för att bygga vetenskaplig, teknologisk, ingenjörsmässig och matematisk (STEM) kunskap ligger till grund för vår förståelse av världen. STEM:s betydelse i Sverige är därmed avgörande för att forma den framtida utbildningsinfrastrukturen, utveckla arbetskraften och för att skapa informerade medborgare. Visualisering är grundläggande för att engagera sig i STEM, och som ett medel för att väcka nyfikenhet, erbjuda lärandemöjligheter, lösa problem och fatta välgrundade beslut i en digital värld. Till exempel, att förstå klimatkrisen, interagera med AI för att stödja kunskapsbyggande, och designa terapeutiska medicinska behandlingar involverar alla att koppla samman visualisering och STEM för engagemang, utbildning och handling. Vi har dock bara börjat anta utmaningen att lösa hur nya visuella digitala miljöer kan nyttjas för meningsfullt och varaktigt STEM-engagemang och utbildning. Denna utmaning kräver unika tillvägagångssätt som fokuserar på hur visualiseringens kraft kan nyttjas för att människor ska förstå hur de berörs, väcka nyfikenhet, integrera generationsöverskridande lärande, samt införliva utvecklande visuella läskunnighetsfärdigheter för att stärka STEM-engagemang och utbildning.

A3: Kritisk visualisering

Under många år har det visuella använts som en ersättning för Sanning , vilket har gett moderna datavisualiseringar och digitala bilder auktoritet och aktning. Men i takt med att samhället alltmer använder data, algoritmer och visualiseringar för att stödja beslutsfattande blir vi också medvetna om hur dessa är partiella och ofullkomliga, vilket förstärker befintliga fördomar, hegemoniska synsätt och blinda fläckar. Nya perspektiv på hur vi kommer att känna till och registrera saker om världen ger dock möjligheter för olika människor, samhällen och överväganden att forma framtida teknologier. Vad som behövs är en kritisk dialog kring de etiska och samhälleliga konsekvenserna av vårt beroende av visuella teknologier. Denna dialog – mellan humanister, teknologer och forskare – kan ställa frågor som: Hur kan vi utveckla en visuell läskunnighet som stödjer allmänheten i att kritiskt läsa de visuella framställningarna av världen som de möter, från valresultat till klimatförändringar, till medicinsk information och mer? Hur utvecklar vi verktyg som tydliggör att visualiseringar är ofullständiga och situationsbundna, och avslöjar vilka perspektiv som kan saknas? Hur kan vi ompröva sättet som visuella system är designade på för att säkerställa att framtida teknologier är inkluderande, ansvarsfulla och rättvisa?

A4: Bygga förtroende för AI-driven precisionshälsa

AI har förändrat hälso- och sjukvården till ett mer personligt och precist område genom att tillhandahålla kapacitet för att sålla igenom stora och komplexa datamängder. Nu är generativ AI redo att revolutionera området genom att skapa syntetiska medicinska data för forskning, hjälpa till med läkemedelsupptäckt genom simulering av molekylstrukturer och förbättra precisionen i hälso- och sjukvården genom att använda nästa generations medicinsk avbildning och multi-omikdata. Medan målet med denna revolution är att ge vårdpersonal möjligheter, gör den överväldigande mängden data och algoritmernas inneboende opacitet det svårt att förstå och lita på AI-verktyg i kliniska miljöer, vilket utgör en betydande utmaning för att införa dessa. Att lösa detta kräver forskning inte bara om hur vi designar mer intuitiva gränssnitt och transparenta AI-algoritmer, utan också om att förstå och vara medvetna om socio-tekniska frågor som att data och algoritmer har begränsningar i kliniska miljöer. Samarbeten mellan teknologer, medicinska forskare och sociologer är nödvändiga för att säkerställa att nästa generations AI-verktyg kommer att förbättra hälsoresultat, optimera resursfördelning och minska kostnader för alla på säkra, effektiva och pålitliga sätt.

A5: Intelligent och ansvarsfull materialupptäckt

Upptäckten av nya material som möjliggör snabbare, mindre och mer energieffektiva enheter är avgörande för att möta behoven hos ett brett spektrum av kritiska industrier, från hållbar databehandling och energilagring till miljöövervakning och övervakning av växthusgaser. Traditionella metoder för att upptäcka nya material genom totalsökning och trial-and-error -experiment är dock för långsamma, medan direkta metoder baserade på simuleringar är beräkningsmässigt oöverkomliga med för många kandidater att sålla igenom med hjälp av heuristik. Vad som behövs är inget mindre än en AI-revolution: att kombinera den prediktiva kraften hos datadrivna ML-modeller med modelleringskunskap från teoretisk fysik och materialvetenskap, integrerat i visuella analysverktyg som kan hjälpa forskare att identifiera nyckelmönster, strukturer och relationer inom materialdata. AI-drivna upptäcktsverktyg har potentialen att underlätta mer välgrundat beslutsfattande om bra kandidatmaterial , att påskynda utvecklingen av banbrytande halvledare och katalysatorer, och att i slutändan möjliggöra accelererad kunskapsbaserad design av nya material som minskar resursanvändningen, både vad beträffar energi och kritiska råmaterial. Hur vi designar och bygger dessa verktyg, och gör det på sätt som ansvarsfullt beaktar de samhälleliga avvägningarna av den enorma energiförbrukning som AI-algoritmer kräver, är en öppen fråga.