Titta

UR Samtiden - Material och teknik i en digital framtid

UR Samtiden - Material och teknik i en digital framtid

Om UR Samtiden - Material och teknik i en digital framtid

Föreläsningar om de senaste rönen och forskningsresultaten inom teknik- och materialutveckling för en digital framtid. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Till första programmet

UR Samtiden - Material och teknik i en digital framtid : Ljus, materia och volymDela
  1. Sen börjar ungdomarna
    interagera med våra enheter.

  2. De säger: "Det laggar.
    Det är dålig grafik."

  3. Jag vill bara ge dem en örfil.
    "Hörru, det är 20 GB data!"

  4. Jonas Unger och jag
    ska dela på 20 minuter-

  5. -så här mot slutet av dagen
    och försöka ge er lite energi.

  6. Vi har delat upp presentationen.

  7. Jonas deltar i väldigt spännande arbete
    som är kopplat till Wasp-

  8. -så han pratar om det först.

  9. Sen ska jag försöka få ihop delarna
    och se hur det passar in i anslaget-

  10. -som vi fick från Wallenberg
    för vetenskapskommunikation.

  11. -Jonas, kör i gång.
    -Tack.

  12. Jag ska prata om ett projekt-

  13. -som är ett av de första
    inom Wasp-programmet:

  14. Syntetiska data för maskininlärning.

  15. Det är ett samarbete mellan oss,
    alltså jag-

  16. -Apostolia Tsirikoglou, som är
    doktorand vid Wasps forskarskola-

  17. -och ett företag som heter 7D Labs.

  18. För att ge en bakgrund ska jag säga-

  19. -att jag jobbar på institutionen
    för teknik och naturvetenskap-

  20. -där jag leder gruppen
    i datorgrafik och bildbehandling.

  21. Under de senaste tio,
    nästan femton, åren-

  22. -har vi utvecklat
    nya bildbehandlingssystem-

  23. -och teknik för bildbehandling.

  24. Av särskilt intresse här är
    att vi utvecklat modeller-

  25. -som låter oss kalibrera och simulera-

  26. -vilka egenskaper
    bildsensorer och optik har-

  27. -och hur de påverkar bildkvaliteten.

  28. Med hjälp av
    olika bildbaserade mätsystem-

  29. -har vi utvecklat metoder
    för fotorealistisk bildsyntes.

  30. I det här projektet-

  31. -använder vi
    de här verktygen och metoderna-

  32. -för att se hur vi kan generera data
    för maskininlärningsalgoritmer.

  33. Vi tittar särskilt på uppgifter
    för datorseende-

  34. -där man vill använda maskininlärning,
    som semantisk segmentering.

  35. Man vill mata in en bild som fångats
    genom datorseende-

  36. -och att maskininlärningsalgoritmen,
    i det här fallet ett neuronnätverk-

  37. -ska analysera bilden och utläsa-

  38. -i det här fallet,
    vad som är fotgängare, väg, fordon-

  39. -och andra typer av föremål
    i våra omgivningar.

  40. En utmaning finns i när man tränar-

  41. -sitt neuronnätverk.
    Man behöver mycket träningsdata.

  42. Träningsdata betyder här par av bilder-

  43. -och referenssegmenteringar.

  44. Ett sätt att skapa träningsdata-

  45. -är att köra runt
    och ta bilder eller filma-

  46. -och sen låta nån göra annoteringar
    för dem.

  47. Ett välkänt dataset heter Cityscapes.
    Det är...

  48. ...cirka 3 000 bilder
    som är manuellt segmenterade.

  49. Det är förstås ett tidsödande arbete.

  50. En annan ansats är
    att använda bildsyntes och datorgrafik-

  51. -för att generera
    den bild som kameran skulle se-

  52. -och samtidigt den typ av annoteringar
    som man vill träna systemet på.

  53. Här är en ganska aktuell ansats.

  54. En annan ansats-

  55. -som har synts mycket i pressen
    under det senaste året-

  56. -handlar om att
    träna maskininlärningsalgoritmerna-

  57. -genom att "spela datorspel".

  58. Tanken är att generera bilder
    med en datorspelsmotor.

  59. Samtidigt med RGB-bilden genererar vi
    segmenteringsinformation.

  60. Det finns problem man ser om
    man har en bakgrund inom bildsyntes.

  61. De är flera och det första är att-

  62. -även om bildvärlden är väldigt stor,
    så är den inte oändlig.

  63. Det finns alltså en gräns för
    hur många bilder man kan skapa.

  64. Om vi tittar på bildsyntesen
    betyder det att...

  65. Vi vill jobba i realtid och vid
    bildsyntes med Monte Carlo-metoder-

  66. -blir effekterna
    som man kan simulera begränsade.

  67. I det här projektet
    tittar vi i stället på-

  68. -andra metoder för att skapa världar.
    De kallas processmetoder.

  69. Det är
    en uppsättning automatiska metoder-

  70. -som låter oss,
    utifrån ett manus eller... Ursäkta.

  71. ...utifrån vissa parametrar
    generera vilken sorts värld som helst.

  72. Det kombineras med
    fotorealistisk bildsyntes.

  73. Vi har sofistikerade sensormodeller
    och kameramodeller.

  74. De kombineras med processmetoder
    för att skapa geometrier-

  75. -och alla material och ljusmiljöer
    vi vill använda.

  76. Sen skapar vi bilderna med hjälp av-

  77. -renderingteknik som är offline,
    men mycket effektiv.

  78. Alla bilder kan ses som...

  79. I stället för att se det som en värld-

  80. -kan man se det som ett stickprov
    på alla tänkbara kombinationer-

  81. -av bilar, fotgängare
    och orientering hos bilar och hus-

  82. -alltså allt som bygger upp världen.

  83. Det görs på så sätt
    att inga bilder är identiska-

  84. -och vi bara genererar
    precis den information som behövs.

  85. Ihop med själva bildinformationen-

  86. -genererar vi
    sån här annoteringsinformation-

  87. -som kan användas för att
    träna maskininlärningsalgoritmer.

  88. Vi skapar en kameravy-

  89. -och utför segmentering av klasser
    och av instanser inom klasserna.

  90. Vi skapar djupinformation
    och 3d-lådor med riktningsinformation.

  91. Lidarsimulering ger
    en annan typ av data-

  92. -som kan användas
    för att träna algoritmerna.

  93. Det är ännu tidigt i projektet,
    men vi har gjort en del utvärderingar-

  94. -för att förstå om syntetiska bilder
    går att använda så här.

  95. Om de förbättrar möjligheten
    att träna upp algoritmer.

  96. Som referenspunkt har vi CityScapes,
    som jag nämnde tidigare.

  97. Vi jämför med två ledande metoder
    för att generera syntetiska data:

  98. Synthia och Richter.

  99. Det vi gör är att träna upp-

  100. -maskininlärningsalgoritmer,
    i det här fallet neuronnätverk.

  101. Sen ger vi dem bilder som den här,
    för att avgöra...

  102. Vi jämför...

  103. ...algoritmer som tränats
    med enbart CityScapes-data...

  104. ...och såna som också har fått
    våra syntetiska data...

  105. ...för att se om vi förbättrar dem.

  106. Svaret är att vi gör det.

  107. För att visa några exempel
    på resultaten...

  108. Här använder vi högupplösta nätverk
    för semantisk segmentering.

  109. Här består baslinjen-

  110. -till endast 1 % av de riktiga data
    tagna från CityScapes.

  111. Här ser vi jämförelsen. Våra data
    förbättrar prestanda med 60 %.

  112. Richter-data med 37 %
    och Synthia med 31,7 %.

  113. Om vi går upp till 15 %
    höjs baslinjen förstås.

  114. Med våra data förbättras prestanda-

  115. -eller precisionen med 18 %.
    De andra ger 12 och 10 %.

  116. Om vi använder alla 3 000 bilder-

  117. -förbättrar vi fortfarande resultaten.
    Det bådar gott inför framtiden.

  118. Jag tror att syntetiska data-

  119. -blir väldigt användbara
    i utvecklingen av nya algoritmer.

  120. Nu försöker vi förstå
    vilken nivå av realism som krävs.

  121. Hur jämkar vi beräkningskomplexitet
    i bild- och datasyntes-

  122. -med maskininlärningsalgoritmens
    prestanda?

  123. Vi vill också förstå hur vi ska hantera-

  124. -skillnaderna mellan att använda riktiga
    och syntetiska bilder-

  125. -och strategier för att hantera den
    när man tränar upp sitt nätverk.

  126. Till sist, när vi nu har kontroll över
    hur världarna genereras-

  127. -hur ser fördelningen ut
    mellan olika slags objekt i dataseten?

  128. Hur kan den förbättra algoritmerna-

  129. -som används för såna här uppgifter?

  130. Tack för det.
    Jag lämnar över till Anders.

  131. Okej, jag ska ägna mina minuter åt-

  132. -att försöka foga ihop allt
    och lansera...

  133. Det är första gången jag gör det här.
    Jag ser att vissa i publiken redan ler.

  134. Det är en ny idé
    och jag välkomnar alla kommentarer.

  135. Jag tror att vi inte har insett
    att vi jobbat med det här förr-

  136. -men att vi börjar göra det nu.

  137. Modersmålstalare lär skälla ut mig
    för det här märkliga ordet.

  138. "Exploranation". Vi kommer till det.

  139. Startpunkten är visualiseringcentret.

  140. Många av er var där i dag
    och vet vad vi gör.

  141. Vi gör grundläggande forskning
    kring grafik och visualisering.

  142. Jonas Unger jobbar med
    grundläggande bildbehandling:

  143. Hur ljus interagerar med materia
    och hur vi kan dra nytta av det.

  144. Det är lite av en lyckträff
    att hitta ett sätt-

  145. -att förbättra maskininlärning
    med syntetiska bilder-

  146. -i stället för att ta fotografier.

  147. Jag väntar på att Jonas ska komma
    och säga att Google är intresserade.

  148. I vilket fall...
    Centret handlar om att försöka-

  149. -bygga broar mellan olika grupper.

  150. Det är som ett forskningsmuseum,
    där vi forskar på grunderna-

  151. -och har öppet för allmänheten.

  152. Vi har 150 000 besökare per år
    till visualiseringcentret.

  153. Varför gör vi det?
    Varför kan vi göra det?

  154. Jag vill ägna några minuter åt
    att reflektera över det.

  155. En underliggande trend
    som hjälper oss göra det här-

  156. -är den snabba hårdvaruutvecklingen.

  157. Vissa har sett en bild från 1990-talet
    på mig och en stor maskin:

  158. Onyx2 InfiniteReality
    Monster Machine.

  159. I dag har vi samma kapacitet
    i en iPhone.

  160. Den snabba utvecklingen möjliggör för
    att göra saker på små plattformar-

  161. -som förr krävde tillgång till
    väldigt stora maskiner.

  162. Vi har varit bra på att utveckla
    nya metoder för visualisering.

  163. Chris Johnson visade fina exempel på
    hur nya metoder skapar-

  164. -nya möjligheter att analysera data.

  165. Vi har tillgång till
    stora mängder komplexa data.

  166. Data tillgängliggörs, från forskning
    och även andra källor.

  167. Tillsammans möjliggör
    de här tre trenderna-

  168. -för exploranation.
    Jag ska förklara vad det är.

  169. I exploranation konvergerar
    två sätt att göra visualiseringar.

  170. Det ena är att skapa verktyg
    för visualiseringsexperter.

  171. Anders Persson forskar inom radiologi
    och vi ger honom forskningsverktyg.

  172. Han visualiserar organsjukdomar
    borta på CMIV i Linköping.

  173. Jag kan ta samma verktyg,
    samma data och samma metoder-

  174. -och ge allmänheten visualiseringar.
    Där har ni den nya trenden.

  175. Det vi kallar utforskande
    respektive förklarande visualisering-

  176. -börjar konvergera,
    för vi kan använda samma metoder.

  177. Det finns utmaningar, förstås.

  178. Man kan inte bara kasta verktyg
    på allmänheten.

  179. Det är nånting vi jobbar med
    på centret i dag.

  180. En sak man inser är-

  181. -vi får handskas med
    vissa aspekter av gaminggenerationen.

  182. Det är ett problem.

  183. Ibland när jag är ute på centret
    ser jag ungdomar-

  184. -som interagerar med våra enheter.

  185. De säger: "Det laggar.
    Det är dålig grafik."

  186. Jag vill bara ge dem en örfil.
    "Hörru, det är 20 GB data!"

  187. Sen måste systemet vara snabbt, tåligt
    och klara flera användare.

  188. När saker inte fungerar-

  189. -kan allmänheten ta till våld.
    Saker måste vara tåliga.

  190. Berättandet är ett kapitel för sig.

  191. Lena Tibell, som är här,
    forskar kring visuellt lärande.

  192. Hur gör man berättelser kring data?
    Hur får man folk involverade?

  193. Hur får man folk att bli forskare
    när de inte är forskare?

  194. Jag ska visa några exempel-

  195. -innan ni måste gå
    och kanske sätta er på en buss.

  196. Här är en av våra datakällor
    som är välbekant för många av er.

  197. Det är datortomografen
    på sjukhuset i Linköping.

  198. Den har enorm kapacitet.

  199. Vi genererar 20 000 snitt med bilddata
    på bara några sekunder.

  200. Det jag kan göra,
    tack vare de tre trenderna-

  201. -är att ta en grafikprocessor...

  202. Jag har en med mig,
    om nån vill titta efteråt.

  203. Tack vare ungdomarnas datorspelande
    är enheterna väldigt bra.

  204. Den här är från Alienware.
    Jag kallar den min alien.

  205. Jag kan ta rådata
    rakt från datortomografen-

  206. -stoppa in det i enheten och koda lite.
    Det ska betonas.

  207. Det är en av nycklarna här.
    Man kan säga till ungdomarna:

  208. "Ni får se en fin bild
    om ni kan förstå det här."

  209. Matte och programmering är viktiga.

  210. Det är ett av huvudbudskapen
    i det här.

  211. Om jag gör det får jag såna här bilder.
    Daniel Jönsson är här nånstans.

  212. Där! Han gjorde den här bilden
    genom toppmodern volymrendering.

  213. Det här är radiologiska data
    ur maskinen.

  214. Vi använder virtuella fotoner
    och får såna här bilder-

  215. -som är för bra för radiologerna.
    De tycker de är för fräsiga.

  216. Den visas interaktivt i 20 fps
    på den här maskinen.

  217. Jag kan ställa den i museet.

  218. Samma verktyg som jag utvecklar
    kan kommunicera saker.

  219. Många har sett
    det virtuella obduktionsbordet.

  220. Det är ett exempel på hela processen-

  221. -när man förenar
    forskning och kommunikation.

  222. Det medicinska visualiseringsbordet
    är en produkt som används.

  223. Vi har över 500 enheter i 30 länder-

  224. -tack vare företagssektorn i Linköping.

  225. Det är inte bara radiologer
    som är intresserade av det här-

  226. -och då främst för utbildning.

  227. Allmänheten är intresserad.
    Vi förvånades över-

  228. -hur barn interagerade med
    invecklade medicinska data.

  229. De blev intresserade
    av tekniken bakom-

  230. -och av själva innehållet.
    Det var ursprunget till den här idén.

  231. Vi gjorde annat. Här är några exempel.

  232. Här är en mumie
    från Medelhavsmuseet i Stockholm.

  233. Man gör samma sak som
    med en patient. Det är ju en patient.

  234. Man tar patienten
    och kör den genom maskinen.

  235. Efter några sekunder
    har man 20 000 snitt med bilddata-

  236. -som man kan visualisera interaktivt
    via våra system.

  237. Och givetvis-

  238. -när forskarna har gjort sitt,
    undersökt mumien-

  239. -och lärt sig om forntida Egypten,
    då lägger vi ut det i museet.

  240. I Medelhavsmuseet kan ni se barn
    som ägnar sig åt exploranation-

  241. -och blir intresserade.

  242. Kanske tillräckligt
    för att drömma om att bli arkeologer-

  243. -eller till och med ingenjörer.

  244. För mig som forskare
    och den som skapar verktygen-

  245. -är det mycket mer värdefullt
    än bli citerad.

  246. Att se barnen interagera
    med ens algoritmer...

  247. På British Museum kan ni också hitta
    Daniel och Patric Ljungs verk.

  248. De gjorde fotokartläggning av mumier.

  249. I rum 64 kan ni interagera med mumier
    med teknik som vi utvecklat.

  250. Det är stort, eftersom de har
    nästan åtta miljoner besökare årligen.

  251. Datavetare känner igen tidskriften.

  252. Vi var på omslaget
    med det här projektet i december.

  253. Jag kanske kan hinna med
    en sista grej.

  254. Vi jobbar inte bara
    med medicin och rymden.

  255. Här är ett nytt område för oss.

  256. Jag såg Mathieu Linares här.
    - Det är dina data.

  257. Patrick Norman är numera på KTH
    och vi jobbar med honom-

  258. -i ett väldigt spännande projekt.
    Bilden är från Robin Skånberg.

  259. Det handlar om att ta
    ett intressant problem-

  260. -inom cellbiologi och proteinbiologi
    och skapa verktyg för det.

  261. Här är de ansamlingar
    av beta-amyloid-

  262. -som är centrala
    i utvecklingen av Alzheimers.

  263. De bildar plack i hjärnan.

  264. Kan vi spåra det med optiska markörer
    och molekyldynamiksimuleringar?

  265. Verktygen som Robin har utvecklat
    har visat sig vara väldigt användbara.

  266. Vi ger Mathieu och hans vänner
    ett verktyg-

  267. -och använder resultaten
    för vetenskapskommunikation.

  268. För att ge ett smakprov på våra idéer...

  269. Det här blir en spännande del
    i nästa generation.

  270. När ni kommer hit nästa gång
    flyger vi inte bara ut i rymden-

  271. -utan också in i mänskliga celler.

  272. Tack vare våra partners
    vid Wiens universitet-

  273. -har vi tillgång till programvara
    som ger fina modeller.

  274. Precis som vi zoomade ut i universum-

  275. -kan vi gå in i cellen,
    ända ner till atomnivå.

  276. Vi gör det interaktivt,
    med data ur proteindatabasen.

  277. Så vi kan
    visualisera hiv och blodplasma.

  278. Vi kommer att göra i domen
    och berätta om olika processer i cellen.

  279. Till sist
    har vi ännu ett av Lenas projekt.

  280. Vi vill ju interagera.
    Det här är en inlärning-

  281. -som går bortom vanlig visualisering.

  282. Man kan använda
    flera sorters sensorisk input.

  283. Här använder vi haptik, alltså beröring.

  284. Det stärker inlärningen.
    Lena jobbar med verktyg-

  285. -där man kan titta på proteiner.
    Man plockar upp liganden-

  286. -och kan nudda proteinet
    och känna kraften i dockningen.

  287. Det är väldigt värdefullt
    för att lära sig-

  288. -om processerna
    bakom proteindockning.

  289. Mathieu och jag
    vill göra det interaktivt.

  290. Vi kopplar det till molekyldynamiken-

  291. -så man kan styra simuleringen
    och se molekyldynamiken samtidigt.

  292. Det går att göra nu,
    tack vare kraftfulla grafikprocessorer.

  293. Många har redan pratat
    om OpenSpace-projektet-

  294. -men jag har också några bilder.

  295. Jag vill visa de tre tankarna
    med exploranation i OpenSpace.

  296. Ni som inte såg min presentation under
    lunchen-

  297. -får se vad vi kan göra med Mars yta.

  298. Ni kan flyga till ytan
    med 25 centimeters upplösning.

  299. Det är en immersiv upplevelse.
    Som jag sa i domen:

  300. Om Matt Damon hade varit där
    hade vi kunnat se honom.

  301. Immersiv vetenskapskommunikation
    är revolutionerande för det vi gör.

  302. Det finns många spännande
    utmaningar och projekt.

  303. Jag vill avsluta med att säga
    att det här är grunden-

  304. -för Wisdome-projektet som
    Wallenbergstiftelserna finansierar.

  305. Det är kul. Vi får uppdatera tekniken,
    utveckla mer innehåll-

  306. -och nå fler än de 150 000 personer
    som besöker Norrköping.

  307. Vi kan nå miljoner människor i Sverige.

  308. Tack för anslaget.
    Och tack för att ni är här.

  309. Översättning: Linnéa Holmén
    www.btistudios.com

Hjälp

Stäng

Skapa klipp

Klippets starttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.

Klippets sluttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.Sluttiden behöver vara efter starttiden.

Bädda in ditt klipp:

Bädda in programmet

Du som arbetar som lärare får bädda in program från UR om programmet ska användas för utbildning. Godkänn användarvillkoren för att fortsätta din inbäddning.

tillbaka

Bädda in programmet

tillbaka

Ljus, materia och volym

Produktionsår:
Längd:
Tillgängligt till:

Hur skapar man fotorealistiska bilder av syntetiska miljöer? Jonas Unger, forskare i datorgrafik och bildbehandling, och Anders Ynnerman, professor i vetenskaplig visualisering, båda vid Linköpings universitet, berättar om sina arbeten med ljus, materia och volymer. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Ämnen:
Teknik
Ämnesord:
Bildbehandling, Databehandling, Datavisualisering, Datorer, Teknik
Utbildningsnivå:
Högskola

Alla program i UR Samtiden - Material och teknik i en digital framtid

Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

KWA-Stipendiater på Linköpings universitet

Mille Millnert, före detta vice rektor vid Linköpings universitet, berättar om tidigare forskningsprojekt som fått stöd av Knut och Alice Wallenbergs stiftelse. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Organisk elektronik inspirerad av hud

Elektronisk hud som berättar för dig hur du mår? Enligt Zhenan Bao, professor i kemiteknik vid Stanford University, är detta snart verklighet. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Organisk elektrooptik

Hur lågt kan man pressa vikten i ett fotovoltaiskt material, det vill säga material som omvandlar ljusenergi från solen till elektrisk energi? Feng Gao och Olle Inganäs, båda forskare i biomolekylär och organisk elektronik vid Linköpings universitet, arbetar bland annat med perovskit som är ett mineral. De berättar att man snart har ett material där en kvadratkilometer väger lika mycket som två vuxna män. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Bioelektronik och elektroniska växter

Kan bioelektronik förlänga livet? Magnus Berggren, professor i fysik och elektroteknik, och Eleni Stavrinidou, forskare i fysik och elektroteknik, båda vid Linköpings universitet, berättar om hur de arbetar med att få elektronik att kunna kommunicera med nervsystemet. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Sociala robotar

Kan robotar bli mänsklighetens nya bästa vänner? Nadia Magnenat Thalmann, NTU i Singapore samt Miralab, är en av världens ledande forskare inom utvecklingen av sociala, interagerande robotar. Hon menar att den bild av robotar som förmedlas i underhållningsindustrin är felaktig. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Robotar som samarbetar

Kan robotar bli lika bra som människor på att arbeta i team? För detta arbetar Patrick Doherty, professor i datavetenskap vid Linköpings universitet, som berättar att han redan har kommit en bra bit på vägen. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Att visualisera framtiden

Hur kan vi ta oss an mer komplexa data? Chris R Johnson, forskare i datavetenskap och visualisering vid Universitetet i Utah, USA, menar att visualisering kommer att vara ett av våra viktigaste verktyg för detta. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Biomolekylär programmering med dna

Vilka trender råder inom biotekniken? Professor Richard M Murray från Caltech redogör för vad som är hett just nu. Murray hoppas att man inom tio-femton år kommer att ha framställt genetiskt programmerade celler och maskiner som kan utföra meningsfulla sysslor. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Ljus, materia och volym

Hur skapar man fotorealistiska bilder av syntetiska miljöer? Jonas Unger, forskare i datorgrafik och bildbehandling, och Anders Ynnerman, professor i vetenskaplig visualisering, båda vid Linköpings universitet, berättar om sina arbeten med ljus, materia och volymer. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Visa fler

Mer högskola & teknik

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Nobel Week Dialogue 2015

Hur förändras världen av artificiell intelligens?

När artificiell intelligens diskuteras handlar det nästan alltid om innovationer och tekniska framsteg. I detta panelsamtal ligger fokus istället på hur människor som lever i botten av pyramiden påverkas. Medverkande: Joel Mokyr, professor i ekonomisk historia, Cynthia Breazeal, professor i datavetenskap, Michael Levitt, professor i strukturell biologi, och Dzulkifli Abdul Razak, International Association of Universities. Moderator: Leila Janah. Inspelat på Svenska mässan, Göteborg, den 9 december 2015. Arrangör: Nobel Media.

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Framsteg inom forskning 2015

Under Kungliga Ingenjörsvetenskapsakademiens årliga högtidssammankomst 2015 presenteras en rad intressanta och aktuella framsteg inom forskningen. Björn O Nilsson, vd IVA, berättar och samtalar med Johan Rockström, professor i miljövetenskap. Inspelat den 23 oktober 2015 på Konserthuset i Stockholm. Arrangör: Kungliga Ingenjörsvetenskapsakademien.