Fremtidens intelligens er kunstig

Fremtidens intelligens er kunstig

 

Inden for de seneste år er interessen for AI og machine learning eksploderet, teknologien vokser eksponentielt og man taler nu om den fjerde industrielle revolution med kunstig intelligens, big data og robotter som de største forandringsdrivere.

 

Faktisk er AI-baseret teknologi allerede meget udbredt og vi oplever det alle sammen hver dag, når vi bruger søgemaskiner, sociale medier, streaming-tjenester og e-shops. Virksomheder som Google, Amazon, Facebook, Netflix og Spotify analyserer brugernes interesser og adfærd for at optimere produkter, services og marketing. AI påvirker os alle hver dag.

 

Teknologierne kan virke uoverskuelige og de bevæger sig hastigt. Det er svært for erhvervslivet og organisationer at prioritere og følge med – og hvad er det egentligt man jagter?

 

Vi har spurgt Delegates nye Head of AI, Alvin Kaule, hvad der er op og ned i kunstig intelligens og hvordan fremtiden ser ud for AI.

 

1. Hvad er kunstig intelligens i virkeligheden?

 

AI er efterhånden alle steder, og det er derfor noget man som virksomhed, offentlig myndighed eller organisation må og skal forholde sig til. På samme måde bør vi som privatpersoner forholde os til IoT og kunstig intelligens i vores egne hjem, devices og i kommunikationen med andre. Det er nu de store skridt tages. Enten er du med, eller også falder du bagud.

 

Ifølge John McCarthy’s definition af kunstig intelligens dækker begrebet over “machines that can perform tasks that are characteristic of human intelligence”. Dvs. evnen til at ræsonnere, planlægge, løse problemer, tænke abstrakt, forstå komplekse ideer mv. Ingen AI-baseret løsning har dog alle disse egenskaber på én gang, og det vil nok være tvivlsom, om teknologien er moden til det inden for den nærmere tidshorisont.

 

Machine learning kan betragtes som en metode til at opnå AI, hvor idéen er at give maskiner adgang til data, så de selv kan lære. Netop kombinationen af deep learning og reinforcement learning er de teknologier, der i dag kommer tættest på AI.

 

2. Hvilke teknologier er i front?

 

Der sker rigtig meget inden for AI-teknologier lige nu. Blandt andet inden for teknologierne bag førerløse biler – ledet af Uber, Alphabet, Waymo og Tesla, som de fleste allerede kender som store spillere på markedet. Derudover sker der en del på sundhedsområdet, hvor f.eks. forskere fra Stanford har vist gode resultater af detektering af hudkræft. Andre eksempler er talegenkendelse i smartphones og virtuelle assistenter som Siri og Alexa, hvor brugen af deep learning er baseret på neurale netværk med mange skjulte lag.

 

Et andet fremskridt er sket inden for AI-teknologi kombineret med deep learning, hvor reinforcement learning har vist stort potentiale. Her lykkedes det DeepMind med AlphaGo at slå verdens bedste Go-spillere og senere udvikledes AlphaZero, som uden træningsdata selv lærte at spille skak og på under fire timer kunne slå den hidtil bedste skakmotor Stockfish.

 

En anden vigtig udvikling inden for AI er udviklingen af værktøjer og services, som gør det lettere for virksomheder at indbygge elementer af AI i egne løsninger. Fx adgang til services såsom Cognitive Service fra Microsoft og tilsvarende services fra bl.a. Google og Amazon. Tendensen er en demokratisering af adgangen til Machine Learning med AutoML Vision, som gør det muligt for virksomheder at danne egne modeller til billedgenkendelse med minimum viden omkring machine learning. Denne tendens mener jeg vil forsætte, især inden for de mere gængse anvendelsesområder af Machine Learning.

 

Alle machine learning-algoritmer bygger på data og metoder, fx deep learning, som kræver store mængder af data. Derfor vil adgangen til data være utroligt vigtig for de virksomheder, som vil have succes med AI. Især adgangen til data af god kvalitet vil være kritisk for at anvendelsen af AI bliver en succes. Størstedelen af de AI-projekter som fejler skyldes dårlig datakvalitet. Princippet omkring ”garbage in, garbage out” dækker også machine learning.

 

3. Hvilke virksomheder kan få gavn af AI?

 

Virksomheder kan allerede i dag få stor gavn af at bruge AI og machine learning til at løse mange udfordringer på basis af tilgængelig data. Eksempler på brug af machine learning inden for fx salg og marketing er churn prediction, segmentering af kundegrupper og anbefalinger af produkter. Inden for finans er fraud detection og trading andre udbredte anvendelsesområder af machine learning.

  

McKinsey Global Institute har lavet en undersøgelse, hvor de kigger på, hvilke sektorer der er længst fremme i feltet i brugen af AI, og hvilke der halter bagud. Her ses det tydeligt, at finansielle services og tech-virksomheder er førende, og at en sektor som byggeri og anlæg er langt bagude, når det kommer til investering i AI. Især når det kommer til fremtidige investeringer i teknologierne.

 

Beslutningstagere i det felt, der sakker bagud, bliver nødt til at træffe oplyste beslutninger og forstå præcis hvor AI kan accelerere indsigt, innovation og forretningsudvikling. Kort sagt; hvor kan kunstig intelligens løfte indtjening, skabe effektive processer og – mindst lige så vigtigt – hvor har det ikke værdi!

 

Derudover er det også vigtigt at forstå forskellen og forholdet mellem tekniske forhindringer og organisatoriske barrierer såsom kultur og modenhed. Hvis man vil være i førerfeltet, må man forstå nogle af de kritiske teknologiske udfordringer, der er med til at sænke udviklingen af kunstig intelligens og udnytte potentialet i AI, lige præcis der hvor det giver mest værdi for ens forretning. 

 

4. Hvordan ser fremtiden ud?

 

Jeg har stor tiltro til, at AI vil ændre den måde, vi i dag lever på. I en ikke så fjern fremtid vil vi fx opleve selvkørende transportmidler baseret på teknologien. Systemer vil blive mere intelligente og kunstig intelligens vil være med til at automatisere de fleste trivielle opgaver og yde beslutningsstøtte til mere komplekse problemstillinger, fx afgørelse af arbejdsskadesager, som i dag er baseret på menneskelig skøn. Med den voksende datamængde og udbredelse af sensordata vil endnu flere anvendelser af machine learning udbredes. Datakilder krydses på tværs og vi må sikre, at man kan forklare, hvorfor algoritmer kommer frem til et resultat. Dermed er man nødsaget til at løse ”blackbox-problematikken”.

 

Endvidere er datasikkerhed også et emne, som i stadig højere grad er aktuelt og vi bør også forholde os til det etiske spørgsmål omkring, hvad vi ønsker at opnå med brugen af machine learning. Fx det spørgsmål mange stiller sig selv i dag; skal alle medarbejdere i en virksomhed erstattes af selvlærende robotter?

 

skal vi tage en snak om jeres muligheder?

 

 

Hos Delegate hjælper vi vores kunder med at komme i gang med fremtidens teknologier. Vi kan også hjælpe jer med at vurdere, hvor kunstig intelligens kan være med til at optimere jeres forretning og sørge for, at I kommer godt fra start, med projekter der virkelig gør en forskel.

 

Kontakt Alvin Kaule, Head of AI, herunder hvis du vil høre mere om jeres muligheder.