Torbjørn Bratland jobber med robotikk, autonomi og AI i industrien. Et felt som byr på både store muligheter og krevende problemstillinger. Her deler han erfaringer og innsikt om hvordan lykkes med innovasjonsprosjekter drevet av AI.
I Haugesund finner du noen av våre fremste eksperter innen robotikk, autonomi og AI i industrien. En av disse er Torbjørn Bratland, som har jobbet som utvikler i åtte år, hvorav nesten fire av dem hos oss i Haugesund. At han skulle bli utvikler, var kanskje ikke det han hadde sett for seg, han startet karrieren som befal og offiser i Forsvaret før han jobbet tre år i NAV som veileder.
Torbjørn elsker problemløsning, og jo mer komplekse oppgavene er, desto bedre trives han. Denne lidenskapen førte til at han satte ny kurs mot å bli utvikler og data scientist. Nå jobber han med AI, maskinsyn og programvareutvikling i komplekse innovasjonsprosjekter i industrien.
Høy innovasjonsgrad
Det var muligheten til å jobbe med robotikk, autonomi og AI som tiltrakk Torbjørn til Bouvet. Han har allerede fått arbeide med disse teknologiene i flere av sine prosjekter. Blant annet med Monkeyboten, den klatrende industrirobotentil KAEFER Energy. Siden har han vært med i flere Proof Of Concept-prosjekter med kunder som KAEFER, Gassco og Energy Innovation.
Felles for prosjektene har vært høy grad av innovasjon og bruk av kunstig intelligens til å løse avanserte og varierte oppgaver. Nå jobber han med et lokalt oppstartselskap som heter Roboxi, som utvikler en robot som skal inspisere rullebaner og områdene rundt flyplasser autonomt for å skremme vekk fugler og fjerne gjenstander som kan være til skade på rullebanene.
Torbjørn har vært med å utvikle en HMS-drone skal forhindre fallende gjenstander fra høyden for Gassco.
Hvordan lykkes med innovasjonsprosjekter med AI?
For å lykkes med prosjekter med så høy innovasjonsgrad, er det essensielt med tydelige forventningsavklaringer både i oppstarten og underveis, sier Torbjørn.
Han avviser samtidig myten om at det er enkelt å utvikle AI. – Min erfaring er at arbeid med maskinlæring og AI ofte er mer krevende enn tradisjonell systemutvikling, understreker han.
– Det handler ikke bare om å utvikle selve programvaren. Vi må også samle inn data, kvalitetssikre den, og gjennomføre tidkrevende prosesser som sortering og annotering. Disse stegene er avgjørende for å oppnå et godt sluttresultat, legger han til.
Mange ønsker å "legge til litt AI" i prosjektene sine, gjerne ved å plassere en boks i arkitekturskissen merket "AI", og håpe at det skal løse problemer enkelt og raskt.
sier Torbjørn om viktigheten av gode forventningsavklaringer– Dette er et felt som utvikler seg i et utrolig raskt tempo, med store forbedringer og nye modeller som kommer nesten ukentlig. Det krever at man følger godt med og holder seg oppdatert, sier Torbjørn.
Han understeker også viktigheten av realistiske forventninger. Det er avgjørende å være tydelig på hva man kan bruke AI til og hva som kreves, mener Torbjørn.
I starten av hans nåværende prosjekt tok det ganske lang tid før de løsningen de utviklet klarte noen av de mer komplekse oppgavene.
– Det var krevende utviklingsprosess, men fordi vi var åpne om hvor vanskelig dette var, og gjorde det klart at det ikke var garantert suksess, fikk vi forståelse og tid, og klarte å levere løsningen, forteller Torbjørn.
– Vi løser ikke et løst problem
Torbjørn forteller at noe av det han synes er mest spennende med å få jobbe med innovasjonsprosjekter, er å være med på å lage noe som aldri har blitt laget før.
– Vi løser ikke et løst problem, men et problem som kanskje ikke var mulig å løse i det hele tatt for bare få år siden. Teknologiutviklingen går ekstremt raskt, og personlig syns jeg at det er veldig givende å få arbeide med helt ny og eksperimentell teknologi, spesielt når det brukes for å løse ekte problemstillinger med ekte verdi.
Hva er det mest utfordrende?
Jo, det har vært å finne de gode bruksområdene for teknologien, forteller Torbjørn. Det går mye tid og energi på å utforske mulighetene, og til tider tar det lang tid før de finner de gode løsningene.
– Å teste kvalitet på kode, AI-modeller sin output og systemer som en helhet er en stor del av arbeidshverdagen. Vi har derfor brukt tid på å bygge infrastruktur og verktøy for å hjelpe oss med dette. Teamet har kontinuerlig kontakt med sluttbrukeren, dette gjør at vi raskere kan levere det de trenger, legger han til.
Han legger avslutningsvis til at å hele tiden se etter forbedringer er viktig, samtidig som man ikke bør være redd for å utforske nye teknologier, og ha følerne ute for både nyvinninger i verktøy, programmeringsspråk og metoder.
