– Jeg har aldrig set mig selv som akademiker eller forsker. Jeg har altid villet skabe min egen tech-startup, lyder det fra Phongsakon Mark Konrad, som til daglig blot bliver kaldt ”Mark”. Han kom til Sønderborg i 2022 som 25-årig med en ambition om at få sin egen virksomhed.
Han havde forladt et studie i matematik og økonomi i Tyskland for at udvikle en AI-baseret træningsapp. Da SDU åbnede en engelsksproget bacheloruddannelse i Software Engineering i Sønderborg, så han en oplagt mulighed. Her kunne han lære at bygge den software, hans virksomhed skulle leve af.
Undervejs fik han imidlertid smag for forskningen. I dag er hans ambition at blive ved med at forske og på længere sigt få sin egen forskningsgruppe. Han er især optaget af kausalitet inden for kunstig intelligens. Det handler om, hvorvidt AI kan skelne mellem ting, der blot optræder sammen, og ting, der faktisk forårsager hinanden. Moderne AI-modeller er gode til at finde mønstre i enorme mængder data, og de kan ofte svare rigtigt på spørgsmål om årsag og virkning. Men det er uklart, om de reelt forstår, hvad der forårsager hvad.
– Den måde, vi træner modellerne på i dag, er mest statistik og korrelation. Modellerne er meget dygtige, men de er også enorme og kræver mange ressourcer. Det fungerer indtil videre, men det er ikke elegant, siger han.
En mail på første semester
Mark vil gerne være med til at løse den slags grundlæggende problemer. Interessen voksede frem under uddannelsen i Sønderborg, hvor han allerede efter første studieår blev en del af forskningsmiljøet.
Allerede på første semester skrev Mark til Serkan Ayvaz, der er lektor ved SDU Center for Industriel Software på Mærsk Mc-Kinney Møller Instituttet. Han havde præsenteret sit arbejde med kunstig intelligens, og Mark var begyndt at overveje en forskerkarriere og en ph.d. Derfor bad han om en liste over bøger og kurser, han burde tage. Han fik listen og gik i gang.
– Jeg tror, han indså, at jeg virkelig mente det, siger Mark.
Ved udgangen af andet semester tilbød Serkan Ayvaz ham en stilling som forskningsassistent. Normalt går den slags stillinger til kandidatstuderende, men softwareuddannelsen i Sønderborg var ny, og Mark var en del af første årgang.
– Meget handler om held og timing. Der var ingen kandidatstuderende, så han havde mig, siger Mark.
Opgaven var at forudsige vejforhold i landbrugsområder ved hjælp af computer vision, et felt Mark aldrig havde studeret. Han måtte lære det hele fra bunden.
– Det var meget hårdt i starten. Men han forklarede problemet og foreslog, hvordan jeg kunne gribe det an. Derefter var jeg fri til at udforske. Han stolede på mig, selvom han vidste, at jeg ikke rigtig vidste noget endnu.
Når AI koder bedre end en selv
Den hurtige udvikling inden for kunstig intelligens har også fået Mark til at overveje, hvor han selv kan bidrage mest som forsker.
– Jeg elsker og hader AI på samme tid. Jeg plejede at nyde at kode, men AI er blevet så god til det, at den er bedre end mig. Min første artikel tog et år at kode fra bunden. I dag kunne det gøres på en uge, siger han.
Når AI kan hjælpe med at skrive koden og køre eksperimenterne, vil Mark bruge mere tid på teorien bag modellerne. Det kræver et stærkere matematisk fundament.
– Selv med alle AI-værktøjerne skal man kunne vurdere, om modellens output er rigtigt. Det kræver flere års træning. Og hvis jeg skulle gøre det om, havde jeg nok læst matematik eller fysik, siger han.
Han tilføjer, at han måske har læst for mange biografier om sine forbilleder som Richard Feynman, Einstein og Oppenheimer.
– De var alle teoretikere. Anvendt forskning er fedt og har betydning, men det udspringer altid fra teorien. Vil man løse grundlæggende problemer, må man derhen.
Cambridge eller Tübingen?
I sommer blev Mark optaget på MPhil in Machine Learning and Machine Intelligence ved University of Cambridge, MSc in Machine Learning ved University of Tübingen og MSc in IT and Cognition ved Københavns Universitet. Cambridge havde været drømmen, men samtaler med folk fra universitetet på en konference fik ham til at overveje, om programmets 11 måneder gav ham tid nok til at fordybe sig.
– Jeg har intet imod stress, men jeg vil gerne blive en rigtig god forsker, og det tager tid, siger han.
Valget faldt på Tübingen, et af Europas stærkeste miljøer for maskinlæring med Max Planck-institutter i byen og forskningsnetværket Cyber Valley. Kandidaten er toårig og forskningsorienteret, så Mark kan bruge halvandet år på at styrke sit matematiske fundament. Samtidig har han fået et forskningsorienteret kandidatstipendium fra Zuse School ELIZA, en tysk forskerskole inden for AI. Skolen er en del af ELLIS, European Laboratory for Learning and Intelligent Systems, et europæisk netværk af forskere i maskinlæring. Stipendiet forbereder studerende til en ph.d. i maskinlæring og giver Mark mulighed for at koncentrere sig om sine studier og sin forskning.
– Det er den bedste beslutning, jeg har truffet indtil videre. Kandidaten er kun et skridt på vejen. Jeg tænker langsigtet, siger han.
Kort afstand til professorerne
Fra Sønderborg tager Mark især erfaringen med et studiemiljø, hvor undervisere og forskere er lette at komme i kontakt med.
– Her svarer alle og tager sig tid. Det er nemt at komme i kontakt med professorerne og have en almindelig samtale med dem. Det tror jeg ikke, man får på et stort campus med 20.000 eller 40.000 studerende, siger han.
Som medlem af uddannelsens studienævn har han også oplevet, at de studerendes kritik bliver taget alvorligt.
– Hvis du begrunder din kritik, lytter de. Uddannelsen har udviklet sig meget hurtigt, og man har meget indflydelse, hvis man tager det seriøst som studerende.
Forskningsgruppen omkring Serkan Ayvaz er i dag vokset fra Mark alene til omkring ti personer, og Mark fortsætter samarbejdet fra Tübingen. Han anbefaler uddannelsen varmt til dem, der vil arbejde praktisk med software.
– Er du softwareingeniør af hjertet og kan lide det praktiske, er det en rigtig god uddannelse. Serkan har været ti år i industrien i USA og ved, hvor skoen trykker. Går man for langt ind i teorien, glemmer man nogle gange virkeligheden, siger han.
