Thomas Moeslund, professor og leder af AI for the People Center, Aalborg Universitet, og Thomas Gammeltoft-Hansen, professor og leder af Center of Excellence for Global Mobility Law, Københavns Universitet.
Mulighederne for tværfaglig forskning med brug af maskinlæring og store datasæt er vokset markant de seneste år. Indenfor en lang række fagdiscipliner giver adgang til data og nye metoder mulighed for videnskabelige nybrud med brede anvendelsesmuligheder indenfor både grundforskning og anvendelsesorienteret forskning. Men med de mange muligheder, snubler man let og farer rådvildt rundt.
Det stod også klart, at de store satsninger på tværfaglig, datadreven forskning også rejser en række problemstillinger.
Thomas Moeslund og Thomas Gammeltoft-Hansen
I praksis er tværfaglig forskning på baggrund af store datasæt og maskinlæring nemlig stadig et relativt nyt fænomen. Mange forskere, inklusiv os selv, har betalt dyre lærepenge undervejs, da der ofte er en lang række udfordringer forbundet med at iværksætte og gennemføre denne type forskning.
Af samme årsag inviterede vi tidligere i år cirka 40 forskere og repræsentanter fra fonde og industrien til at dele erfaringer omkring tværfaglige AI-samarbejder på tværs af discipliner og emneområder. Det blev til en lærerig diskussion i forhold til at dele både fejltagelser og ’best practice.’
💡 Vil du have hele historien?
Med adgang til Science Report er du opdateret på det danske forskningsmiljø.
Vi giver dig historier om forskningspolitik, debatindlæg fra forskere og nøglepersoner og artikler om de nyeste forskningstendenser.
Har du allerede abonnement? Log ind her:
