Henrik är född och uppvuxen i Tvååker, som ligger en bit söder om Varberg. Han tog sin kandidatexamen 1998 inom ämnet datavetenskap och året efter magisterexamen inom samma ämne. Henrik började doktorera vid Department of Computer Science, University of Sheffield, 2001 och sedan dess har han jobbat som doktorand vid Högskolan i Skövde och institutionen för kommunikation och information.
Neurala nätverk
Avhandlingen tar upp artificiella neurala nätverk. Artificiella neurala nätverk är abstrakta förenklade modeller av verkliga neurala nätverk man finner i naturen (till exempel den mänskliga hjärnan). Nätverken har fördelen att man kan träna dem att lösa olika slags problem vilket passar särskilt bra när man inte känner till problemet väl nog för att själv designa en lösning. Bristen på mänsklig hantering under träningsfasen leder dock ofta till att nätverket i sig kan vara svårt att förstå. Nätverket blir en ”svart låda”, ogenomträngligt för mänskligt intellekt och analysförmåga.
Behov
Därför finns det ofta ett behov att skapa förenklade beskrivningar av tränade nätverk. Avhandlingen handlar om metoder för att skapa logiska beskrivningar av återkopplade neurala nätverk. Dessa nätverk är speciellt lämpade för problem av sekventiell typ, där ordningen på informationen till nätverk spelar roll, exempelvis för analys av grammatik i naturliga eller artificiella språk.
Regelextrahering
Den analys som Henrik ägnat sig åt består av regelextrahering. Detta innebär att man från, det holistiska, komplexa och dynamiska system som ett tränat nätverk utgör, försöker skapa ett ekvivalent system som dock utgörs av en enklare logisk beskrivning. De extraherade reglerna skall alltså kunna ersätta nätverket funktionsmässigt, samtidigt som de skall lättare kunna förstås.
CrySSMEx
I avhandlingen har Henrik beskrivit tidigare tillvägagångssätt samt tagit fram en egen metod. Metoden kom till slut att få namnet CrySSMEx (the Crystallizing Substochastic Sequential Machine Extractor) och går i stort sett ut på att se nätverket som ett observerbart system utifrån vilket man kan träna upp modeller att efterhärma det, ungefär som nätverket i sig tränats på ett visst problem som också det lämpade sig för en tränad modell.
Flytt till Tyskland
Henrik har nu flyttat till Saarbrücken i Tyskland där har för närvarande har en post-doc-tjänst vid Dfki (Deutsche forschungszentrum für künstliche Intelligenz, alltså tyska centret för artificiell intelligens). Här jobbar han med robotik och språk, tanken är att hans metod ska användas för att analysera nätverk och för att analysera autonoma robotars lokala omvärld, allt för att på liknande sätt som för nätverken ta fram kommunicerbara regler. En betydligt mer utmanande uppgift än att analysera simulerade nätverk, men samtidigt mer intressant.
Mer information: http://www.dfki.de/cosy/
, http://cryssmex.sourceforge.net
Avhandlingens titel: Rule Extraction from Recurrent Neural Networks.
Kontaktuppgifter: Henrik Jakobsson, henrik.jacobsson@his,se, eller klicka här för att läsa mer på hans hemsida.