Elektroniske sensorer af enhver type skal lære at tænke selv, så de ikke fortsætter som nu med at rapportere en uendelig strøm af bevidstløse informationer til deres menneskelige eller digitale arbejdsgivere.

De skal lære at fortolke rådata, de skal lære at reagere på noget, der er interessant, og de skal lære at frasortere data, som ikke har nogen interesse.

To lektorer i staten Vermont i USA har nu påtaget sig at løse det moderne menneskes mest påtrængende problem: data-overload. Vi er alle sammen ved at drukne i informationer, og i stort omfang er det ligegyldige informationer – se bare på internettet og dagens tv-programmer.

De gyldne klumper af nyttig viden, der gemmer sig midt i data-vrimlen, har vi svært ved at opdage. Det kræver en dedikeret indsats at finde dem, og det bliver kun værre dag for dag, fordi den tilgængelige datamængde i verden udvider sig med eksplosiv hast.

For eksempel er der fem-seks elektroniske sensorer indbygget i alle moderne smartphones. Accelerometer, mikrofon, kamera, GPS, gyroskop, lysmåler og flere andre. Og i de kommende udgaver af mobiltelefonerne kan der komme flere, for eksempel termometer, højdemåler eller gas-detektorer. Det er kun de mere eller mindre tilfældigt installerede applikationer, der begrænser strømmen af data fra dem.

Data-overbelastningsproblemet, som findes på mange tekniske niveauer, har længe været erkendt, og derfor har den amerikanske eliteforskningsorganisation Darpa (Defense Advanced Research Project Agency) bevilget en halv million dollars (2,8 millioner kroner) til forskning, der tager grundlæggende fat i problemet.

Først udvikles et matematisk sprog
Bevillingen er nu gået til dr. Joshua Bongard og dr. Christopher M. Danforth ved University of Vermont, College of Engineering and Mathematical Sciences. Christopher M. Danforth er matematiker og arbejder især med problemer, der vedrører store datasæt.

Joshua Bongard er kendt for sin forskning i robot-evolution. Han er tidligere blevet sponsoreret af Microsoft Research og er i MIT's magasin, Technology Review, nævnt som en af de 35 mest innovative forskere i verden.

De to forskere vil udvikle et samlet matematisk sprog, som gør det muligt at identificere og beskrive data og datakarakteristika på en måde, der kan bruges til at instruere maskiner i at fortolke og reagere fornuftigt.

»Vores mål er at udvikle en ny metode til at bekæmpe den udfordring, som data-overflod udgør. Moderne teknologi skaber langt flere data, end noget menneske kan håndtere. Mere specifikt vil vi opbygge modeller, som forklarer strømmen af data, der kommer fra billedstudier af det mest hierarkiske, komplekse system, vi kender til – den menneskelige hjerne,« siger Joshua Bongard i en pressemeddelelse.

Det skal ske i praksis ved at samarbejde med neurologerne fra University of Vermonts College of Medicine, som råder over omfattende datasæt fra MRI-skannere (Magnetic Resonance Imaging).

Behov for en snedig algoritme
Bevillingsgiveren Darpa er på sin side specielt interesseret i at lette arbejdsbyrden for soldater, der dagligt overvåger datastrømmen fra tusindvis af sensorer, skriver magasinet Engadget i en tidligere artikel. Med en matematisk beskrivelse og en god algoritme bør det være muligt at have intelligente sensorer, der ikke spilder folks tid, i løbet af 2014, mener Darpa.

»Problemet er, at når man kigger på et tilstrækkeligt stort sæt af data, så er der et uendeligt antal interessante mønstre, som opstår tilfældigt. Så det handler ikke så meget om at genkende interessante mønstre, som det handler om at ignorere alle de irrelevante mønstre. Det vil være den største udfordring,« siger Joshua Bongard til magasinet Vermontcynic.