Sök Stäng

Forskning gör AI kompatibel med smart teknik

Smart teknik som vi använder i vardagen blir allt smartare och kräver mer och mer från hårdvaran. Hur kan vi se till att smarta prylar är kompatibla med den artificiella intelligens som krävs för att de ska fungera, utan att behöva öka hårdvarukapaciteten? Det har Nesma Rezk, teknologie doktor i datateknik, undersökt i sin doktorsavhandling.

I förgrunden en person som håller en smart telefon i handen. I bakgrunden en illustration med många olika symboler i något som liknar en snurra. Foto/illustration

”Genom att möjliggöra användningen av djupinlärningsapplikationer på inbäddade plattformar och göra tillämpningen effektiv, snabb och robust, kan vi integrera AI överallt i vardagen.”

Nesma Rezk, teknologie doktor i datateknik

Nesma Rezks doktorsavhandling handlar om att implementera djupinlärningsapplikationer på inbyggda system, det vill säga alla slags datorsystem med en specialfunktion, såsom en smart klocka eller en självkörande bil. Djupinlärning är en typ av teknik inom artificiell intelligens (AI) som ”lär datorer att lära sig” medan de arbetar. Denna teknik gör det möjligt för exempelvis en förarlös bil att känna igen olika trafikskyltar, och tekniken hittas i allt från smart teknik för hemmet till sjukhusutrustning.

– Tekniken väcker frågan om hur man kan använda applikationerna, garantera deras effektivitet, och hantera den tekniska utvecklingen när det gäller algoritmer för djupinlärning, som hela tiden blir mer intelligenta, säger Nesma Rezk.

Om Nesma Rezk

Nesma Rezk föddes i Kairo i Egypten. Hon tog både sin kandidat- och masterexamen vid ingenjörsfakulteten vid Ain Shams universitet år 2010 respektive 2015.

År 2016 kom hon till Högskolan i Halmstad för forskarstudier. Under den första tiden samarbetade Nesma Rezk med forskare från Amritauniversitetet i Indien, och senare med en forskningsgrupp vid KTH.

Nesma Rezk är teknologie doktor i datateknik. I framtiden hoppas hon kunna fortsätta att jobba inom högre utbildning, framför allt med undervisning.

Kvinna i hijab ler och tittar in i kamernan. Foto

Nesma Rezk. Bild: Helena Bengtsson

Om disputationen

Disputationen ägde rum den 15 december 2022 vid Högskolan i Halmstad.

Avhandlingens titel: Deep Learning on the Edge: A Flexible Multi-Level Optimization Approach Länk till annan webbplats.

  • Opponent: Antonio Carlos Schneider Beck, professor, The Federal University of Rio Grande do Sul (UFRGS), Rio Grande do Sul, Brasilien
  • Handledare: Magnus Jonsson, professor, och Mahdi Fazeli, universitetslektor, båda från Högskolan i Halmstad

Publicerad

kontakt

Dela

Kontakt