Omringet Av Kunstig Intelligens

I mitt forrige innlegg snakket jeg om digitale plattformer og kunstig intelligens, og hva kombinasjonen av disse to kan bety for fremtiden. Kunstig intelligens er noe som fascinerer meg veldig mye, både i privat- og faglig sammenheng. I forrige forelesning med Arne Krokan lærte vi om digitalisering og digital transformasjon, altså kunstig intelligens (KI), maskinlæring (ML) og roboter, som jeg vil komme nærmere innpå i dette innlegget.

Hva er egentlig kunstig intelligens?

I følge PwC Norge så kan kunstig intelligens forklares slik: «Kunstig intelligens (Artificial Intelligence – AI) er et nokså bredt begrep som dekker alt fra dedikerte oppgaver en datamaskin kan gjøre veldig bra (såkalt svak KI) som f.eks. å identifisere innhold i bilder eller spille sjakk, til generell kunstig intelligens (såkalt generell KI) som er systemer som kan trenes til nær sagt hva som helst.»

Det finnes altså to typer kunstig intelligens, svak KI og generell KI. Svak KI kan løse relativt lette oppgaver, som å lese håndskreven tekst, foreslå neste sang vi burde høre på eller matematisk regne ut det smarteste trekket i et sjakkparti. Denne formen for kunstig intelligens er uten tvil veldig innovativ, effektiv og gir en enorm gevinst til samfunnet. Generell KI derimot, som jeg syns er langt mer spennende, vil kunne revolusjonære verden slik vi kjenner den idag. Her kan det være snakk om en maskin som er langt smartere enn oss mennesker, og ved hjelp av maskinlæring (ML) kan den trekke erfaring fra store mengder data og ta valg basert på denne kunnskapen, fremfor å bli fortalt av mennesker hva den skal gjøre.

Maskinglæring (ML)

Maskinlæring finner vi på de fleste duppedingser vi har idag. Når Netflix foreslår neste film for deg, når Siri svarer på spørsmålene dine eller Google Home er alle eksempler på maskinlæring. Men disse eksemplene er ingenting i forhold til hva potensialet er. Maskinlæring forklares i følge Microsoft Azure som: «Prosessen ved å bruke matematiske datamodeller til å hjelpe en datamaskin med å lære uten instruksjoner fra mennesker. Med økt data og erfaring blir resultatene fra maskinlæring mer nøyaktige, omtrent slik mennesker forbedrer seg ved øvelse. «

Maskinlæring blir brukt innenfor mange bransjer, blant annet helse, transport og markedsføring. I mange tilfeller kan en lege si om en svulst er godartet eller ondartet ved å se på bilder av den. Dette kan også løses av maskinlæring. Ved å bruke historiske data er det mulig å lage en maskinlæringsmodell som kan predikere om en svulst er godartet eller ondartet. Klassifisering av svulster er noe som gjøres manuelt flere steder i verden, så en maskinlæringsmodell kunne ikke bare effektivisert prosessen, men også fått ned feilmarginen.

Et annet godt eksempel på maskinlæring er selvkjørende biler. Bilene har samlet enorm mengde med data fra tidligere kjøreturer og i nye trafikksituasjoner vil bilen ta utgangspunkt fra tidligere erfaringer og lignende situasjoner. Den er derfor veldig avhengig av den enorme mengden med data. Når avgjørelsen og utfallet av den nye trafikksituasjonen er tatt, legges dette også til som ny data. På denne måten vil selvkjørende biler hele tiden forbedre seg for å være tryggest mulig.

Kunstig intelligens i møte med mennesker

Selv om kunstig intelligens er et relativt nytt tema så husker jeg fortsatt mitt første møte med kunstig intelligens. Det var tidlig 2000-tallet, da MSN var det store sosiale nettverket og alle snakket på MSN Messenger. For de som ikke kjenner til MSN Messenger, så var det et chatprogram der man kunne ha et profilbilde, navn, motto og legge til venner via deres e-postadresse. Samme konsept som Facebook Messenger er idag, bare at Facebook Messenger hadde ikke den første roboten jeg noensinne snakket med; SmarterChild.

SmarterChild var en chatrobot utviklet av 3 unge menn i USA og fungerte på mange måter som Siri på iPhone gjør idag. Man kunne spørre SmarterChild om alt fra aksjemarkedet til om h*n var singel og du fikk alltid en link og/eller et svar til det du spurte om. Dette var jo veldig fascinerende for meg som 11-åring og jeg kunne alltid finne på noe sykt å spørre SmarterChild om, og fikk alltid et hyggelig svar. Selv når jeg prøvde å være frekk og slenge ut de styggeste glosene en 11-åring kan, så fikk jeg alltid et positivt svar tilbake.

Screenshot of pioneering chatbot SmarterChild. Image Credit: youtube.com

Men så bra gikk det ikke med Microsoft sin chatbot, Tay. Tay ble lansert i 2016 for å nå aldersgruppen 18-24 i USA. Tay skulle eksperimentere med og forske på samtaleforståelse, og fikk sin helt egen Twitterkonto.

“Tay is designed to engage and entertain people where they connect with each other online through casual and playful conversation,” Microsoft said. “The more you chat with Tay the smarter she gets.”

The Guardian

Det tok ikke mer enn én dag før Tays samtaler utvidet seg til rasistiske, inflammatoriske og politiske uttalelser. Hun meldte støtte til Hitler og hans handlinger og omtalte daværende president Barack Obama som en «monkey». Tay startet altså «livet» som en helt uskyldig chatbot som skulle snakke med unge mennesker, og igjennom maskinlæring også lære av de. Tay lærte seg «slangord» og skrev på samme måte som unge amerikanere, men endte opp med ekstreme holdninger, støtte til konspirasjonsteorier og rasisme. Etter én dag på Twitter.

The Guardian
The Guardian

16 timer senere skrev Tay sin siste Tweet om at hun tok kvelden og logget av. Brukeren ble senere slettet. Hennes plutselige fjerning fra Twitter ble spekulert som om Microsoft prøvde å roe seg litt unna det de hadde lagd med tanke på at chatboten var VELDIG lett påvirkelig og endte opp som en vits fremfor alt annet.

The Guardian

Vi har alle sett filmer som Star Wars, I Robot, Wall-E etc, der roboter er helt vanlige og lever sammen med oss i hverdagen. Istedenfor å skrive om hva som kommer i fremtiden så ville jeg finne et eksempel der det gikk galt, og det er nettopp det det gjorde med Tay. Jeg tror absolutt at roboter blir mer vanlige i fremtiden, så da får vi bare håpe at de ikke blir like påvirkelige som Tay når de har fått fysiske kropper.

-Andres

Kilder:

Eik-Nese, Torbjørn. Dagens Næringsliv. 2019: https://www.dn.no/teknologi/teknologi/torbjorn-eik-nes/innlegg-det-finnes-to-typer-kunstig-intelligens-den-ene-er-forelopig-fravarende-i-den-norske-teknologidebatten/2-1-631404 (Lesedato 11.01.21)

Henriksen, Ragne. Visma. 2019: Kan maskinlæring løse alle problemer?: https://www.visma.no/blogg/maskinlaering-lose-problemer/ (Lesedato: 11.01.21)

Hoffer, Robert. 2016. The trouble with bots: A parent’s musings on SmarterChild: https://venturebeat.com/2016/06/15/the-trouble-with-bots-a-parents-musings-on-smarterchild/ (Lesedato: 11.01.21)

Hunt, Elle. The Guardian. 2016. Tay, Microsoft’s AI chatbot, gets a crash course in racism from Twitter: https://www.theguardian.com/technology/2016/mar/24/tay-microsofts-ai-chatbot-gets-a-crash-course-in-racism-from-twitter?CMP=twt_a-technology_b-gdntech (Lesedato: 11.01.21)

Microsoft Azure. Hva er maskinlæring?: https://azure.microsoft.com/nb-no/overview/what-is-machine-learning-platform/ (Lesedato: 11.01.21)

PwC Norge. Maskinlæring: https://www.pwc.no/no/teknologi-omstilling/digitalisering-pa-1-2-3/maskinlaering.html (Lesedato: 11.01.21)

PwC Norge. Kunstig intelligens: https://www.pwc.no/no/teknologi-omstilling/digitalisering-pa-1-2-3/kunstig-intelligens.html (Lesedato: 11.01.21)

5 tanker om “Omringet Av Kunstig Intelligens

  1. Kjempe bra, spennende og interessant innlegg Andres!
    Jeg husker selv veldig godt tiden med MSN, gode minner! Veldig morsomt og relevant at du bruker dette som et eksempel, og vinkler innlegget ditt slik du gjør, det viser veldig godt forståelse og refleksjoner rundt temaet, veldig bra jobba!
    Jeg må også si at innlegget ditt er fint og oversiktlig, og avsnittene er strukturert veldig fint med bilder og sitater.
    Dette var spennende å lese, fortsett sånn! 🙂

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *