Leder

I høst har deler av Norge opplevd uvanlige uvær . Lavtrykkene fulgte ikke vanlig bevegelsesmønster . Meteorologene evnet i stor grad å forutse hva som kom til å skje , selv om systemet ikke oppførte seg normalt . Prognosene er basert på modeller som er utviklet over lang tid , mange målepunkter og beregninger utført av kraftige datamaskiner . De som har syslet litt med matematikk vet at termodynamiske legninger er noe av det mest « grisete » man kan tilby en datamaskin å jobbe med .

Det kreves mye datakraft for å utføre beregningene . Gode prognoser er avhengig av mange gode målinger og dyktige meteorologer som kan gjøre gode vurderinger av beregningsresultatene . De største utfordringene er målingene . Selv om man i dag har mange meteorologiske målestasjoner , inklusive satellittmålinger , er tettheten av målepunkter langt tynnere enn i et industrielt kontrollsystem . Sett fra et industrielt reguleringssystem er det imponerende hva meteorologene får ut av måledataene de har tilgjengelig . De evner å transformere data til nyttig informasjon . I denne utgaven av AMNYTT er kunstig intelligens hovedtema . Uansett hvilke metoder innen kunstig intelligens som anvendes , er fundamentet data . Jo mer komplekst et system er og avansert modellen er , dess viktigere er det at dataene er av god kvalitet . Videre må resultatet vurderes kritisk . AMNYTT har snakket med en rekke ledende industrielle aktører innen kunstig intelligens og budskapet er det samme ; Kunstig intelligens setter større krav til kritisk tekning enn tradisjonell teknologi . Både når det gjelder gode værmeldinger og bruk av kunstig intelligens viser det seg at mennesket innsats er avgjørende for gode resultater . Foreløpig ser det ut til at kunstig intelligens ikke gjør menneskelig innsats overflødig . Men de som ikke tilegner seg kunnskap om teknologien vil få problemer på arbeidsmarkedet . Lykke til videre med å benytte naturlig intelligens .

Jan Eirik Schiøtz Ansvarlig redaktør