Med den mänskliga hjärnan som förebild bygger forskare vid Linköpings universitet innovativa system för datorseende och maskininlärning. En robot som i stället får lära sig hur saker ser ut och fungerar genom att själv utforska sin omgivning, blir betydligt mer anpassningsbar. - Det ligger en stor samhällsnytta i att få fram mer flexibla, adaptiva system, säger Erik Jonsson, doktorand i bildbehandling som snart lägger fram sin avhandling om kanalkodning – en metod inspirerad av hur nervcellerna i hjärnan aktiveras av synintryck. För att en dator ska förstå innehållet i en bild används ofta tydliga egenskaper som färg och riktning. I det system som utvecklats vid LiU får roboten rotera objektet, granska det ur olika vinklar och skapa en egen tolkning av ett föremål – ungefär som ett människobarn gör. Med kanalkodning beskrivs inte vissa bestämda synvinklar av ett föremål, utan den kontinuerliga övergången från en vinkel till en annan. Varje kanal mäter förekomsten av en viss färg och en viss orientering i närheten av en given position i bilden. Alla dessa mätvärden tillsammans beskriver den vy som roboten "ser" med hjälp av sin videokamera. Tanken är att datorseendeprogram av den här typen ska kunna installeras i vilken robot som helst, och då är den självständiga inlärningen en förutsättning. - Om du ska ha en robot som står hemma hos dig och diskar så kan du inte förvänta dig att den från början vet hur just dina koppar ser ut, säger Erik Jonsson.