KUNSTIG INTELLIGENS

Kunstig intelligens er ikke magi

Dagens teknologi trenger «naturlig» intelligens for å oppnå kunstig intelligens, skriver Alessandra Cagnazzo i denne kommentaren.

Alessandra Cagnazzo, AIMS Innovation
30. okt. 2018 - 21:42

Denne kommentaren gir uttrykk for skribentens meninger.

Alessandra Cagnazzo, PhD i teoretisk fysikk og data scientist i AIMS Innovation AS. <i>Foto:  www.gudim.no</i>
Alessandra Cagnazzo, PhD i teoretisk fysikk og data scientist i AIMS Innovation AS. Foto:  www.gudim.no

Menneskets og teknologiens historie er tett sammenvevd. Fremveksten av kunstig intelligens har løftet dette samspillet til et nytt nivå som de færreste ennå har oversikt over. Det skaper usikkerhet, også for oss som jobber tett på denne teknologien.

Når vi i dag snakker om teknologi, snakker vi ofte om kunstig intelligens – AI. Holdninger spenner fra stor begeistring til dyp bekymring.

Det er naturlig at det oppstår forvirring når en majoritet kun har overfladisk innsikt i et konsept som en minoritet av eksperter behersker. 

Selv tilhører jeg ekspertminoriteten. Jeg jobber med denne teknologien i det daglige, men jeg liker ikke å bruke uttrykket «kunstig intelligens». Det skaper et bilde av et orakel som vil lære alt det er mulig å lære og løse problemer vi ikke engang visste at vi hadde. 

Jeg liker ikke å bruke uttrykket «kunstig intelligens». Det skaper et bilde av et orakel som vil lære alt det er mulig å lære og løse problemer vi ikke engang visste at vi hadde

Men ingen maskinell intelligens kan fungere uten i samspill med «naturlig», menneskelig intelligens. Et bedre ord for AI, som vi som jobber med det foretrekker, er maskinlæring.

AI og maskinlæring er kraftige verktøy. Men det er ikke magi.

Maskinlæring har vært her i flere tiår. De siste årene har teknologien blitt raskere og kapasiteten i nettene høyere. Det har gitt stor interesse fra investorer og stimulert til at flere involverer seg.

Teknologien lar maskiner se detaljer og strukturer med en hastighet som er umulig for mennesker. Det gjør det mulig å finne mening i store datamengder. Det er ikke et ufeilbarlig verktøy, men kan gi verdifull innsikt som kan hjelpe oss å finne løsninger. Der det finnes mønstre og strukturer, er algoritmene langt overlegne oss mennesker i å finne dem raskt. De kan hjelpe oss å adressere noen av våre problemer, men kan ikke på magisk vis løse dem.

Der det finnes mønstre og strukturer, er algoritmene langt overlegne oss mennesker i å finne dem raskt

I dag er integrerte systemer som består av maskiner og programmer som jobber sammen og kommuniserer, overalt rundt oss. I noen virksomheter er integreringen ekstrem med tusenvis av noder. Et eksempel er energiverk som har tusenvis av strømmålere som rapporterer inn til sentrale regnskaps- og logistikksystemer. Disse systemene har enorme mengder datapunkter som skal analyseres samtidig. Avvik skal rapporteres. For brukeren innebærer det at de må avgjøre en grunnlinje for tusenvis av datapunkter, slik at systemet kan varsle dersom denne grensen passeres. 

Dette er et område som egner seg utmerket for maskinlæring. Vellykkede installasjoner av ML-algoritmer har vist at teknologien kan avdekke mønstre som viser forskjellen på normal og unormal drift, og selv sette triggerpunktene for grunnlinja. 

I dag gjøres disse jobbene likevel for det meste manuelt, og det går ikke alltid godt. Mennesker er dårlige på å håndtere store datamengder og vi ser at det gir dårligere kvalitet og reliabilitet i systemene. 

Men igjen ser vi at teknologien ikke erstatter menneskene. Den kunstige intelligensen står ikke på egne ben, men trenger naturlig intelligens å samspille med. Når mønstrene og strukturene er avdekket av algoritmene trengs det et menneske som kan si om avvik virkelig er avvik eller om det er en konsekvens av andre, gjerne menneskeskapte, handlinger. Maskinene jobber sammen med mennesker, de erstatter dem ikke. 

Men likevel: kommer maskinene til å ta over? 

Slik maskinlæring fungerer i dag er det en forsterkning av den menneskelige intelligens, ikke en erstatning. Derfor vil den ikke ta over. Dagens teknologi trenger «naturlig» intelligens for å oppnå kunstig intelligens.

Slik maskinlæring fungerer i dag er det en forsterkning av den menneskelige intelligens, ikke en erstatning. Derfor vil den ikke ta over

Det er likevel en trussel her, og det er at vi som mennesker underleverer, at vi slutter å være kritiske, overbevist om at maskinene tenker for oss. 

Og et av mest kritiske og uløste spørsmålene er: hvordan vil konseptet «arbeid» utvikle seg som følge av den omfattende automatiseringen?

Ingen har ennå noe godt svar på dette, og det er viktig at vi diskuterer det i en atmosfære fri for fobier om «ond teknologi». Det vil bare utsette debatten.

Teknologien utvikler seg hele tiden, men trenger fremdeles mennesker for å nå sitt fulle potensial. Vi må forstå den, ikke frykte den. Først da kan vi omforme våre samfunn og våre jobber på en måte som er til beste for oss alle.

Del
Kommentarer:
Du kan kommentere under fullt navn eller med kallenavn. Bruk BankID for automatisk oppretting av brukerkonto.