Tilbage

Kunstig intelligens er nutiden og fremtiden

I den tredje og sidste artikel i serien om kunstig intelligens skelner vi mellem to former for AI og mellem Machine learning og Deep Learning – det man kunne kalde for kunstig bevidsthed.

Denne artikel er den sidste af tre artikler, som indkapsler nødvendigheden af ny intelligent teknologi, som kan processere den overflod af information vi oplever i hverdagen. Artiklerne har indtil nu også forsøgt at give inspiration til, hvordan man kan tænke teknologien ind i sin forretning. Denne artikel har til formål at forklare kunstig intelligens og machine learning på et lidt mere teknisk plan, samt give indsigt i hvordan det anvendes i praksis.

Kunstig intelligens eller artificial intelligence (AI) er et af tidens største buzzwords. Og på samme måde som kært barn har mange navne, har kært buzzword mange definitioner. Googler man kunstig intelligens, kan man finde modstridende definitioner på begrebet. Én ting er dog lige så sikkert som Amen i kirken, og det er, at kunstig intelligens er menneskeskabt og på ingen måde naturlig, som den menneskelige intelligens er det.

Den snævre og den generelle AI

Når vi taler om AI, så sondres der mellem to former for kunstig intelligens: den snævre AI og den generelle AI. Den snævre AI er den kunstige intelligens, som vi næsten allerede har vænnet os til i dag; det er alt lige fra billedgenkendelse, forudsigelser, Siri (fra iPhonen) til selvkørende biler etc. Den generelle AI er den form for kunstig intelligens som stadig forekommer at være utopiske sci-fi scenarier, og som vi kender fra de populære sci-fi film og serier; fx replikanterne fra Ridley Scotts sci-fi klassiker Blade Runner eller den tæt på menneskelignende intelligente robot HAL 9000 fra Stanley Kubricks Rumrejsen år 2001, som modsætter sig astronauternes ordrer, fordi robotten selv udvikler en menneskelignende bevidsthed. Det samme ser vi hos Dolores fra den populære HBO TV-serie Westworld, som begynder at agere uhensigtsmæssigt (fra skabernes perspektiv), fordi hun finder ud af, at den verden hun lever i, er kunstig.

HAL 9000

HAL 9000 Brain Room

Hvor kommer machine learning så ind i billedet? Machine learning er en del af den kunstige intelligens. Det er en effektiv måde at opnå kunstig intelligens på, da maskinen træner sig selv baseret på det data, man føder den med. Kunstig intelligens kunne godt eksistere uden machine learning, men så ville det kræve komplekse koder, mange regler og beslutningstræer. Med machine learning kommer man udenom kompleksiteten og den eksplicitte programmering af AI.

Articial Intelligence, Machine Learning, Deep Learning

Deep Learning er en del af machine learning, som benytter kunstige neurale netværk til at processere informationen. Konceptet minder om den menneskelige hjerne, hvor neurone noder er forbundet til hinanden. Her kan informationen processeres ikke-lineært, i modsætning til i klassisk machine learning. Tanken er, at i første lag processeres rå data for én variabel, som sendes videre til andet lag. I andet lag vil yderligere rå data fra en ekstra variabel blive processeret sammen med informationen fra første lag, og sådan vil det fortsætte igennem alle lagene.

Machine Learning i praksis

Maskinen ikke er en ”magisk boks”. I det helt optimale scenarie hælder man ukritisk en masse data ind i en maskine, som så udpeger problematikker og baseret på data fortæller os, hvordan problematikkerne løses.

Når vi taler om den magiske boks, bevæger vi os over mod den generelle AI, som har en kognitiv forståelse på samme måde som den menneskelige hjerne har, og som kan processere enorme mængder af data og tænke og forstå selv. Machine learning er i dag langt fra dette niveau. I dag kræver det en dyb forståelse for den specifikke kontekst og den opgave man ønsker at løse med machine learning. Bag denne forståelse har man en række mennesker, som kender konteksten ud og ind, og som har føling med, hvad der rører på sig. Hvis man ukritisk smider en masse data ind, så vil maskinen i værste tilfælde finde nogle irrationelle sammenhænge.

Machine learning vs. statistik

Der kan til tider være tvivl om, hvordan machine learning adskiller sig fra statistik. For mange statistiske modeller såsom lineær regression bruges både i machine learning og statistik, så hvordan adskiller de to sig fra hinanden?

Machine Learning

Der kan skrives sider op og ned om forskellen mellem machine learning og statistik, og også på dette område hersker der en del uoverensstemmelser. Men helt kort fortalt er statistik et værktøj, der benyttes i ”maskinen”, og maskinen har hestekræfterne til at processere informationen. Som vist på tegningen benytter maskinen sig af en iterativ proces, hvor der kontinuerligt smides nyt data i, indtil man er tilfreds med scoringsresultaterne.

Garbage in, garbage out

Når man vil i gang med at anvende kunstig intelligens i sin forretning, behøver man ikke at starte helt fra bunden. Mange AI produkter kan kobles på ting (data), man allerede har i forvejen. Det kunne være at koble en chatbot til at svare på spørgsmål på forretningens website eller bruge digitale assistenter til at udføre forskellige opgaver (PMOtto). Kunstig intelligens kan håndtere langt større mængder data og dybere data, end mennesket er i stand til at overskue.

Kunstig intelligens er smart og effektivt, men har en naturlig begrænsning: data. Den data vi smider ind i maskinen, er oftest transformeret og behandlet for at ensrette data. Alle antagelser der gøres i denne proces, VIL påvirke udfaldet. Så husk udtrykket: ”Garbage in, garbage out”, når du udvælger data til maskinen. Det er en begrænsning, man skal huske at være opmærksom på, når der tolkes på de resultater, maskinen giver.

Den kunstige intelligens er kommet for at blive

Kunstig intelligens er i dag stadig meget begrænset. Det betyder, at en AI der er trænet til at forudsige forventet produktion, ikke kan forudsige vejret i morgen, og at en AI der er trænet til at køre bil, ikke kan bestille mælk så snart køleskabet er tomt. Ikke desto mindre er anvendelsesmulighederne for AI og machine learning kæmpe store og i en voldsom udvikling.

Det var slutningen på denne artikelserie, men læs med næste gang, hvor der diskuteres hvilken effekt disruption har på virksomheder og de etiske spørgsmål, der er i forbindelse med kunstig intelligens.