AI är en förkortning av Artificiell Intelligens och handlar enkelt uttryckt om att få datorer att uppträda på ett sätt som vi tills nyligen trodde krävde mänsklig intelligens. Begreppet AI växte fram redan på 1950-talet då man började försöka få en maskin att efterlikna mänsklig intelligens, det vill säga med förmågan att tänka, resonera och dra slutsatser. Det visade sig vara mycket svårt och att få en maskin eller dator att hantera ett stort spektrum av problemlösning ligger fortfarande en bra bit in i framtiden.

Specifik träning

När vi idag talar om AI menar vi en betydligt smalare förmåga som handlar om att lösa specifika problem inom ett visst avgränsat område. Johan Thor, ansvarig för AI-frågor på Södra, förklarar:

– Precis som vi människor tränar oss när vi ska lära oss något säger vi att vi ”tränar” en datormodell för att uppnå ett visst ändamål. Ett exempel kan vara att i en bild eller video identifiera vilka besökare på ett sågverk som har reflexväst på sig eller inte. Vi kan sedan ge modellen feedback på hur den presterar i detta försök och på så sätt påverka dess kunnande och öka dess prestation. Vi kan göra detta genom att på ett strikt matematiskt sätt uttrycka det fel som görs och tala om hur modellen ska ändra sitt beteende för att bli bättre på det den ska göra, till exempel att identifiera besökare utan reflexväst. Människor lär sig av erfarenheter, medan modeller lär sig av den data som vi skickar till dem. Och generellt gäller att ju mer data vi har tillgång till desto bättre kan vi träna modellen, säger Johan Thor.

Nyttan med AI

Men vad har vi då för nytta av AI-tekniken?

Först och främst kan vi med hjälp av AI få bättre insikter om en viss process, menar Johan Thor.

– Genom att påvisa orsaker till ett visst skeende kan AI ge oss råd om hur en viss styrning bör ske, eller svara på frågor om varför vi fick ett visst utfall av en åtgärd. Vi kan även få svar på hur AI:n skulle agera i en viss situation och på så sätt faktiskt kunna förbättra de beslut vi människor fattar, opåverkade av värderingar eller synsätt som vi har.

– AI kan tala om hur något kan utveckla sig framåt baserat på historiska data som vi tränar upp AI:n på. Med hjälp av AI kan vi också få reda på samband i data som tidigare var okända för oss, och vi kan ta hjälp av AI för att verifiera någon form av hypotes där vi misstänker att vissa saker orsakar andra, säger han.

Olika typer av problem

Inom AI finns två områden, eller ”verktygslådor” som Johan Thor gärna liknar dem vid, och de kan användas för att lösa problem på lite olika sätt. Det ena området är machine learning (ML), eller maskininlärning, som handlar om att genom träning få modeller att automatiskt lära sig av erfarenhet. Med hjälp av maskininlärning kan man tala om hur något är, exempelvis ”är den här pappersmassan inom toleransnivån för våra ljushetskrav eller inte?” eller hur något kommer att se ut i framtiden, till exempel ”hur lång tid dröjer det innan vi måste göra ett underhåll på pumpen?”

Ett område inom maskininlärning kallas Deep Learning (DL), eller djupinlärning. Det är mer komplicerat än maskininlärning och användas bland annat för att analysera bilder eller känna igen mänskligt tal.

– Bildanalys med djupinlärning är något av en paradgren inom AI och används idag för att exempelvis utföra hudcancerdiagnostik. Självkörande bilar är ett annat exempel på användning av avancerad AI-teknik som man jobbat länge med, men som visat sig vara en svår nöt att knäcka, berättar Johan Thor.

Viktig framgångsfaktor

Under senare år har AI-tekniken utvecklats allt mer och förutspås av många förändra såväl samhället i stort som företags sätt att arbeta. Användning av AI för att lösa problem och ta fram bra beslutsunderlag för kommande investeringar och effektiviseringar kommer med stor sannolikhet att bli en allt mer avgörande faktor för företags utveckling och konkurrensförmåga. Satsningen på AI kan komma att bli en viktig framgångsfaktor. I sitt inspel till regeringens forskningsproposition hösten 2019 lyfte Skogsindustrierna vikten av skogsnäringens deltagande i kommande satsningar på AI och digitalisering för att öka konkurrenskraften hos produkter och material från skogen.

Skogliga AI-projekt

Att AI kan appliceras på många områden inom Södra märks inte minst i att allt fler AI-projekt nu genomförs i koncernen. Södras första AI-projektet genomfördes 2017 vid sodapannan på massabruket i Mönsterås och sedan dess har en handfull olika AI-projekt startats. På det skogliga området tittar man bland annat på hur man med hjälp av AI och analys av satellitbilder kan hitta granbarkborreskadade träd. Sedan 2019 pågår ett projekt där man undersöker möjligheten att med hjälp av AI-teknik och satellitbilder ta fram bättre underlag för röjningsplanering.

Gemensam plattform för data

För att kunna träna upp modeller att lösa identifierade problem krävs, som tidigare nämnts, en stor mängd data. För att datan ska kunna analyseras måste den vara både tillgänglig och kvalitetssäkrad. Under hösten 2020 har Södra infört en koncerngemensam plattform där data kan sparas ner i olika former för att sedan spridas för vidare analys och bearbetning. Därmed har ett viktigt steg i Södras fortsatta utveckling inom AI-området tagits.

Inom det projektet görs nu tre delprojekt som handlar om att samla in data från verksamheten och skapa nytta och värde från den i form av bättre insikter och beslutsunderlag.

– Ett av projekten handlar om att ta in väderdata från SMHI för att kunna ge bättre besked till entreprenörerna om när det är dags att börja respektive sluta med rotrötebekämpning i avverkningarna. Vi ser flera områden där väderdata skulle kunna användas tillsammans med Södras egna data för att öka förståelsen för vad som har hänt, men även för att göra prognoser framåt, exempelvis vad det gäller brandrisk eller risk för granbarkborreangrepp, säger Patrik Anderchen, skogsteknik- och entreprenörsutvecklare på Södra.