- Det finns gott om jobb inom bland annat finans, försäkring men också i många andra branscher, säger Taariq. Han har jobbat på Handelsbanken, Swedbank och Lynx innan han började forska inom maskininlärning vid Matematiska institutionen.

Så varför måste man kunna matte för att utveckla AI?

– Först måste man fråga sig vad man menar med AI. Det är ett brett begrepp. Redan på 1950-talet började dataloger beskriva system som lär sig själva och som kan uppvisa något vi tolkar som intelligens. Den intelligensen formuleras ofta matematiskt, eftersom system som lär sig i grunden bygger på matematik.

– Det vi menar med AI idag är egentligen det som kallas maskininlärning. Då använder vi data – till exempel aktiedata eller försäkringsdata – för att skapa system som kan fatta bättre beslut än vi själva. Allt det görs med matematik. Kan man inte matte, kan man inte utveckla AI, säger Taariq. Han ger ett förenklat exempel:

Tänk att vi har två bilder: en på en katt och en på en hund, men vi får inte se dem. Vi matar in dem i en maskin som ska avgöra vilken som är vilken. En väldigt enkel maskin kan bara gissa. En mer avancerad maskin har “spakar” – inställningar – som går attvrida på för att resultatet ska bli så bra som möjligt. Antingen gör vi det själva, eller så låter vi matematiken göra det åt oss.

– I verkligheten finns det inte två spakar, utan miljontals. Då blir det omöjligt att justera för hand, det krävs ett matematisk definierat sätt att justera spakarna på. Därför är matematiken kärnan. Vi kan inte prata om AI utan att kunna matematik, sägerTaariq.

– Det man lär sig i matematisk statistik och maskininlärning är hur man använder matematik för att bygga system och modeller: att analysera data, hitta mönster och kunna förutse sådant som sedan blir en del av beslutsunderlag.

– Vi rör oss mot en allt mer datadriven värld, där data används för att göra saker bättre. Den kompetens vi bygger här är den vi kommer att behöva i framtiden, säger Taariq.

Läser mer om Matematik och maskininlärning!