Bærekraftsmålene, logo

Data, beregninger og bærekraft

Alle må bidra til en bærekraftig samfunnsutvikling, og de med de største ressursene må bidra mest. dScience, som en del av sterke UiO, har ressurser og må derfor bidra sterkt.

Av Morten Dæhlen
Publisert 20. jan. 2021

Jordas overforbruksdag

Den 22. august 2020 hadde vi mennesker brukt opp jordas økologiske ressurser for 2020. Denne datoen hvert år kalles jordas overforbruksdag («earth overshoot day»).  Dette betyr at vi produserer og bruker mer varer og tjenester og påvirker miljøet, for eksempel gjennom utslipp av karbondioksyd, mer enn hva planeten evner å håndtere. Alle, i det minste nesten alle, forstår at dette er alvorlig. Målet må derfor være å flytte jordas overforbruksdag utover høsten og så raskt som mulig til over nyttår!

Bærekraft – et gjennomgående perspektiv

Frem til lansering i januar 2019 arbeidet Det matematisk-naturvitenskapelige fakultet (MN) ved Universitetet i Oslo nesten to år med strategien «Kunnskapsutvikling for en verden i endring – realfag og teknologi mot 2030». I denne strategien er bærekraft et gjennomgående perspektiv. I strategien kan vi lese følgende: «Verden står overfor store utfordringer. Disse utfordringene er godt formulert i FNs bærekraftsmål. Bærekraftsmålene uttrykker et endringsbehov som krever betydelig innsats fra en hel verden. Som en stor og viktig bidragsyter på viktige fagområder, har fakultetet et betydelig ansvar for at grunnleggende langsiktig forskning og høyere utdanning knyttes til disse globale utfordringene.»

Etableringen av dScience – senter for data- og beregningsvitenskap er en konkret oppfølging av strategien til MN, og på lik linje med resten av fakultetet skal dScience ha bærekraft som et gjennomgående perspektiv for virksomheten. Men først litt om hva dScience skal drive med, nemlig datavitenskap («data science») og beregningsvitenskap («computational science»).

Datavitenskap («data science») 

Datavitenskap handler om å organisere og analysere data, herunder forstå sammenhenger mellom ulike data. Data kan forekomme i store volum, data må i noen sammenhenger analyseres i sanntid, og data som skal analyseres kan være svært sammensatte og komplekse. Datavitenskap omfatter også innsats for å vaske, integrere og forberede data for analyse, samt teknikker for presentasjon av resultatene av de analysene som gjøres. Maskinlæring/dyplæring, sammen med digital representasjon av kunnskap, står sentralt i datavitenskap. (Maskinlæring/dyplæring handler om design og utvikling av algoritmer som gjør datamaskiner i stand til å lære fra og utvikle eller foreslå atferd basert på data.)

Beregningsvitenskap («computational science»)

Beregningsvitenskap handler å utvikle metoder og algoritmer for å utføre beregninger, ofte ved hjelp av særlig kraftige datamaskiner. Beregningene som utføres, bidrar til vår forståelse av komplekse fenomener og problemstillinger, enten de finnes i naturen eller er skapt av oss mennesker. Simuleringer, i stadig større grad kombinert med avansert analyse av data, blir stadig viktigere innen beregningsvitenskap. Det utvikles også metoder som har som formål å analysere data og nye teknikker for maskinlæring/dyplæring.

Innsats for bærekraft

Forskning innrettet mot bærekraftsmålene handler både om å øke problemforståelsen knyttet til disse målene og å finne nye bærekraftige løsninger for store og små utfordringer som finnes i verden. dScience vil, i tråd med gjeldende strategier, prioritere innsats innrettet mot konkrete utfordringer formulert i bærekraftsmålene. Følgende er noen eksempler.

Energi, miljø og klima

Betydningen av data og beregninger i arbeidet for å oppnå en bærekraftig samfunnsutvikling er stor, for eksempel vet vi at data og beregninger har vært og er helt avgjørende for vår samlede forståelse av klimautviklingen generelt og hva som er hovedårsaken til de kraftige klimaendringene de siste 40-50 årene spesielt.  Denne kunnskapen gjør at verden (bortsett fra et synkende mindretall) har erkjent at forbruket av fossil energi må reduseres kraftig. Samtidig må verden raskt produsere nok fornybar energi til alle.

Utvikling av fornybare energikilder og effektiv introduksjon av fornybar energi i verdens samlede energimiks baseres på at vi samler inn mye data, som i sin tur anvendes i beregninger for å finne optimale løsninger. Dette kommer til å bli særlig viktig for å oppnå rettferdig fordeling av fornybare energiressurser og at verden er i stand til å produsere energi som alle har råd til. Både hver for seg og sammen er arbeidet med målene 7 (Ren energi for alle) og 13 (Stopp klimaendringene) viktige for dScience, da disse er sterkt avhengig av hvordan vi håndterer data med tilhørende beregninger.  Dette gjelder både for å forstå utfordringene og for å finne de beste løsningene. dScience vil, blant annet sammen med UiO:Energi, arbeide med utviklingen av fremtidens fornybare energisystemer.

Global helse

Knyttet til mål 3 (God helse) gir data og beregninger innsikt som brukes i medisinsk behandling og for å forstå og løse globale helseutfordringer. Et godt eksempel akkurat nå er alle data som nå samles inn knyttet til den pågående pandemien. Et annet eksempel er den ferske nyheten om dyplæringsprogrammet Alphafold, som predikerer avanserte tredimensjonale proteinstrukturer. Det er mange grunner til at dette er viktig, for eksempel vil Alphafold og lignende teknologier kunne revolusjonere utvikling og produksjon av legemidler. Helse-bærekraftsmålet kobles igjen til flere av de andre målene, for eksempel mål 2 (Utrydde sult), da tilgang til sunn mat er viktig for god helse, og mål 10 (Mindre ulikhet), da en gjennomgående bedre helse også bidrar til mindre ulikhet i befolkningen. UiO har betydelige aktiviteter på dette området, og det er naturlig for dScience å samarbeide med UiO:Livsvitenskap for å utvikle dette området.

Smarte omgivelser

Et tilbakevendende eksempel der data og beregninger står sentralt, er ved utvikling av smarte omgivelser. Disse omgivelsene kan være alt fra hva som skjer på en operasjonsstue på et sykehus til hele byer og regioner på tvers av landegrenser. Smarte byer er kanskje det som er mest kjent og kobler direkte til mål 11 (Bærekraftige byer og samfunn). Utviklingen av smarte omgivelser vil alltid kreve håndtering av data og behov for å utføre beregninger, for eksempel for optimal styring av transport.

Hav og land

FNs havtiår har akkurat startet, og Norge er en stor havnasjon. Havet og særlig kystsonen er svært avhengig av hva som skjer på land, for eksempel avrenning fra menneskeskapte aktiviteter. Det samles store datamengder om tilstanden i havet og langs kysten. Klimautviklingen bidrar også til at havet endrer seg, for eksempel at vanntemperaturen øker, som igjen medfører at arter dør ut eller flytter seg. Dette kan igjen medføre at store havområder endrer karakter. For å sette inn de rette tiltakene, må vi forstå dette bedre, blant annet fordi havene er og blir viktige for verdens samlede produksjon av mat. I dette bildet blir data og beregninger særlig viktig, noe som er godt beskrevet i Forskningsrådets rapport om havtiåret. dScience satser på dette området, og kombinasjonen av mål 14 (Liv under vann) og mål 15 (Liv på land) er særlig interessant.

Hele den vitenskapelige bredde

Bærekraftsmålene uttrykker et endringsbehov som krever betydelig innsats i hele den vitenskapelige bredde. Her har jeg stort sett koblet data og beregninger til naturvitenskap, medisin og teknologi, men vi vet også at data og beregninger får en stadig større plass innen humanistiske og samfunnsvitenskapelige fag. Dette er interessant, ikke bare for dScience og disse fagene, men også for det endringsbehovet bærekraftsmålene er et uttrykk for.

Alt henger sammen med alt

Alle bærekraftsmålene henger sammen, godt representert ved innholdet i mål 17 (Samarbeid for å nå målene) og mål 9 (Innovasjon og infrastruktur). En viktig del av all moderne infrastruktur er data, og ulike former for beregninger må anvendes for at disse dataene skal komme til nytte. Dette er mye av essensen i det dScience skal gjøre, nemlig øke vår evne til å ta kloke valg – valg for en bærekraftig fremtid!