AI-kurs du bør ta, men hvor og hva? Det har vært snakket om og forsket på kunstig intelligens så lenge jeg har vært IT-interessert. De siste 50 år har optimistene kommet med fantastiske beskrivelser av alle mulighetene vi ville få bare vi knekker koden med kunstig intelligens. Og skuffelsene har vært ditto like store. Gjennombruddene har ikke kommet. Nå kommer de på løpende bånd.
Endringene sniker seg nærmest umerkelig inn i våre liv og vil endre måten vi jobber og lever med en større kraft enn vi noensinne har sett i menneskehetens historie.
Jobber forsvinner, eksisterende endres og helt nye jobber oppstår. Vil må alle ta ansvar foor å forstå de endringene som kommer. En god start er å forstå den suverent mest transformative teknologien, kunstig intelligens (AI)
Gratis AI-kurs – praktisk bruk av kunstig intelligens.
Mens vi enda venter på regjeringens strategi for kunstig intelligens, handler finnene.
Siden lanseringen i Finland i 2018 har onlinekurset “The Elements of AI” vært fenomenalt vellykket.
Det mest populære AI-kurset noensinne tilbys av Helsingfors Universitet, med mer enn 220 000 studenter fra over 110 land.
Nå skal det oversettes til 20 språk.
Som årets julegave har den Finske regjering valgt å gi bort AI-kurset til alle EU-borgere. Målet er at 1% av alle i EU, eller rundt 5 millioner mennesker, skal gjennom et grunnleggende AI-kurs innen utgangen av 2021.
AI-kurset tilbys i et samarbeid med University of Helsinki, Finlands største og eldste akademiske institusjon, og selskapet Reaktor.
I en pressemelding forteller Teemu Roos, universitetslektor i Helsingfors ved institutt for informatikk, dette som “et samfunnskurs i AI” for å hjelpe innbyggere i Europa til å takle samfunnets stadig økende digitalisering og mulighetene AI tilbyr i et arbeidsmarked i stor endring .
Første del gir deg et overblikk av hva kunstig intelligens er og hvordan det kan brukes. Du trenger absolutt ingen forhåndskunnskaper for å ta kurset.
Du kan melde deg på AI-kurset her.
Etterspørselen etter kompetanse på kunstig intelligens (AI) har eksplodert.
Nyutdannede studenter blir ansatt før de er ferdig med sin utdanning og får millionlønninger.
I USA kan du med rette kompetansen legge til et dollartegn!
Les: A.I. Researchers Are Making More Than $1 Million, Even at a Nonprofit
Takket være en eksponensiell teknologiutvikling har det de siste få årene skjedd store fremskritt. Mye tyder på at vi nå ser et gjennombrudd i kunstig intelligens som de neste få årene vil snu opp ned på hvordan vi lever og jobber.
Datamaskinenes regnekapasitet har et eksponensielt utviklingsforløp. Informasjonsmengden tilgjengelig for oss alle og ikke minst for datamaskinene har et tilsvarende eksponentielt forløp.
Med tingenes internett vil sensorer og fysiske objekter koblet til internett gjøre at Informasjonsmengden tilgjengelig vil doble seg hver 12. time!
Regnekapasiteten dobles ca hvert annet år (siden 1900) og kostnaden til dataprosessering går mot null. (Ja, det er i ferd med å bli “gratis.)
I dag kan du kjøpe nær sagt hva du vil av datakapasitet hos Amazon og bokstavelig talt sette opp en superdatamaskin med noen få tastetrykk. Ingenting tyder på at Moores lov ikke vil fortsette å gjelde i uoverskuelig nær fremtid. Det betyr at vi fordobler regnekapasiteten de neste to årene og slik fortsetter det etterhvert som mennesket (og AI) stadig utvider grensene for hva som er fysisk mulig.
Begge deler er med på å forklare de store gjennombruddene som har skjedd de to siste årene. Først og fremst innen feltet maskinlæring. Kort forklart kan datamaskinene med tilnærmet ubegrenset regnekapasitet og tilgang på data ved hjelp av maskinlæring og nevrale nettverk nærme seg måten vår menneskelige hjerne løser oppgaver.
En forenklet fremstilling av kunstig intelligens er når en maskin kan løse en oppgave like godt eller bedre enn et menneske. Eksempler på oppgaver datamaskiner lenge har gjort bedre enn oss er rå regnekraft. Datamaskinen kan lagre, bearbeide store datamengder og utføre kalkulasjoner langt raskere enn den menneskelige hjerne.
Jeg hadde min første erkjennelse av datamaskinens overlegenhet i møte med min første lommekalkulator. Jeg innså straks at den lille dingsen alltid ville være meg overlegen i å regne ut kvadratroten!
Det som faller lett for de fleste mennesker, som å kjenner igjen andre mennesker, snakke, forstå andre språk og bevege seg har til nå vært umulig for en datamaskin.
Ser du etter en inspirerende foredragsholder som med med humor kan gi deg innsikt i vanskelige emner på en enkel måte? Se eksempler på foredrag Jan Sollid Storehaug holder her
Årsaken til dette er vår overlegne hjerne, verdens fremste superdatamaskin. Gjennom alle våre sanser har vi de mest avanserte input-sensorer og vår hjerne har enestående evner til å bearbeide alle inntrykkene og løse oppgaver på en måte som til nå ikke har vært mulig å gjenskape i en datamaskin.
Mennesker er kreative, vi har fantasi og lar oss inspirere. Vi skriver dikt, komponerer og spiller musikk, synger, lager kunst og skaper nye oppfinnelser.
Selv om datamaskiner kan programmeres til å kopiere forbausende mye av dette, har de ikke den medfødte evne til å skape nytt på den måten vi mennesker kan.
Maskinene overgår oss på stadig flere områder
Med nevrale nettverk løser maskinene stadig flere oppgaver og tildels overgår menneskets evner. Da IBM Watson slo verdensmesteren i sjakk, var det smart programmering og rå regnekraft. Da Google Alpha GO slo verdensmesteren i det kinesiske spillet “Go” var det ved hjelp av nevrale nettverk. Den kunstige intelligensen demonstrerte “kreative evner” som langt overgår mennesket,
Det fascinerende er at den i senere versjoner bare ved å bli presentert reglene for sjakk og tilgang til tidligere spilte sjakkspill, på under 4 timer slår verdens beste datamaskiner (og mennesker) i sjakk. Den lærte dette på egenhånd og utviklet egne strategier.
LES: DeepMind’s Go-playing AI doesn’t need human help to beat us anymore
Ja, den kan lære å spille hva som helst og vi har ingen sjanse. Men den kan fortsatt ikke gjøre alt annet som mennesket gjør med den største selvfølge. Den samme analogien kan vi gjøre med en selvkjørende bil. Den er forbasket god til å kjøre fra A til Å, men å lære å kjøre bil gjør en 16-åring på noen dager. Og bilen kan fortsatt ikke stort annet enn å kjøre.
Kunstig generell intelligens
På område etter område blir AI forbedret og overgår mennesket. Noe som faller oss lett, å kjenne igjen ansikter, har vært en umulig oppgave for datamaskiner. Google Photos kjenner nå forbausende godt igjen ansikter og gjenstander og deres AI blir stadig bedre.
Google Photo kjenner for eksempel igjen alle mine 3 rottweilere blant mine titusener av bilder jeg har samlet gjennom et langt liv. For moro skyld testet jeg den ganske ukjente rasen “Bolonka” som nylig ble siste tilskudd blant familiens mange dyr. Google fant alle bildene på noen sekunder.
Med Google Lens kan du identifisere deler i et bilde og assosiere objekter og informasjon fra hele Googles univers.
Vi står foran gjennombrudd på en rekke områder som tidligere var umulig for en datamaskin rett og slett fordi datamengden og regnekapasiteten ikke har vært stor nok. I løpet av kort tid vil datamaskinene overgå mennesket i billed-, tekst-, tale og språkgjenkjenning.
LES OGSÅ: Savner du øyekontakt med Siri?
Foreløpig er vi der at AI på stadig nye områder overgår mennesket, men det er innenfor smale siloer og spesialiserte funksjoner.
Googles Alpha GO er fortsatt “bare” god til å lære spill og vinne de. Det er først når den kunstige intelligensen kan ta med seg læring fra et felt til et helt annet, det virkelig begynner å bli spennende. Da snakker vi om generell kunstig intelligens.
Spørsmålet er om vi noen gang kommer dit hvor AI overgår alle våre menneskelige ferdigheter?
Ai i roboter mestrer nå ferdigheter som bare for to år siden var umulig for en maskin. Siste versjon av Boston Dynamics Atlas viser hvor langt en robot har kommet og på mange måter allerede overgår oss:
Til dette følger en rekke andre spørsmål om etikk og moral. Styring og kontroll. Det klassiske spørsmålet er hvem som skal programmere bilen til å velge om den uansett hvordan den kjører ender opp med å drepe enten sjåføren som kjører bilen, bilen den møter eller personer langs veien?
Uansett hvor “god” en kunstig intelligens vil være, starter alt med en kode – foreløpig skrevet av et menneske.
Stort behov for AI-kurs og generell kompetanse innen kunstig intelligens
Verden skriker etter kompetanse. Det er anslått at det finnes så få som 22.000 AI-forskere i verden og kanskje så få som 200.000 mennesker som aktivt jobber med kunstig intelligens.
LES: The Global AI Talent Pool Going into 2018
Det er enorm etterspørsel etter forskere, prosjektledere og programvareutviklere til de tusenvis av problemstillingene som må løses. I dag mangler det ikke på ideer til hva AI kan løse, eller teknologi til å løse utfordringene – men mennesker med riktig kompetanse.
Enten du står foran et studievalg, studerer eller lurer på hva du bør oppgradere av eksisterende kompetanse så kan du trygt investere tid i å lære deg mer om kunstig intelligens.
Ferdigheter du må beherske for å bli god på kunstig intelligens
For oss godt voksne er det lurt å starte med et overblikk. Finn ut hva som skjer innen ditt felt. Hva er det andre i din sektor jobber med?
Les og følg med er den enkle, men akk så krevende oppgaven. Selv har jeg funnet stor glede i å la algoritmene i den utmerkede tjenesten Flipboard samle godt innhold om temaer jeg er interessert i. Jeg “flipper” artikler over i mine egne “tavler” og finner de frem til senere lesing.
Desto mer Flipboard kjenner meg og mine lesevaner, desto mer relevant innhold lages som mine forsider.
Ikke overraskende er det så mye innhold at jeg ikke rekker å lese alt, så mye går til det store arkivet som heter “Les senere”. Jeg samler alle interessante artikler jeg har lest og legger de på mine tavler for hvert enkelt interesseområde. For eksempel “AI”, “Roboter”, “Sikkerhet”, “Nanoteknologi” osv. Noen er offentlige, mens andre holder jeg for meg selv. Til sammen 27 tavler har det blitt, og akk så mange flere kan det bli!
Se mine tavler her: Jan Sollid Storehaugs tavler på Flipboard
Et lite tips er å bruke f.eks din Twitter-konto til å logge inn på til en konto som handler om dine profesjonelle interesser, mens du kan lage en konto for personlige interesser og f.eks bruke din Facebook-konto til å logge inn på den kontoen. Slik skiller jeg mellom underholdning og jobb.
Se mitt foredrag for Oracle og lytt til paneldebatten i etterkant: Hva slags ny kompetanse trenger vi for morgendagens arbeidsliv? Hvordan organiserer vi oss, og hvem har ansvaret?
Skaff deg overblikk – vær tilstede der det er “action”
Søk miljøer hvor det er andre likesinnende som deler dine interesser. Oppsøk og delta i forum hvor kunstig intelligens diskuteres. Meld deg på seminarer – mange er gratis for studenter og interessenter, f.eks AIM North (Connecting AI Minds + Machines). Neste samling er 3. November 2020 (hvor jeg også er keynote speaker)
LES: Meld deg på gratis AIM North (Connecting AI Minds + Machines) 3. November 2020
Les deg opp på forskning og litteratur. Prøv nye verktøy i praksis! Det er tusenvis av apper og programvare ute tilgjengelig til bruk i dag. Etterhvert som du øker dine egne ferdigheter er det store ressurser tilgjengelig og åpen kildekode for deg som vil tweake. Bruk Google – let og finn!
Les mer i artikkelen «Ny kompetanse, livslang læring: Fremtidens jobber og kompetansen du bør skaffe deg»
Les også: Top 8 open source AI technologies in machine learning
Hvilke AI-kurs skal jeg velge som student?
Var jeg ved begynnelsen på et utdanningsløp og interesserer meg for kunstig intelligens ville jeg fokusert på “harde” fag som statistikk, lineær algebra og sannsynlighetsregning.
Matematikk er grunnlaget for å kunne forstå og bygge komplekse algoritmer.
Lær programmering. Det er kanskje ikke så farlig hvilke du velger, men kunnskap om koding blir som da vi i “gamle dager” lærte latin. Det var grunnstammen i alle europeiske og vitenskapens språk. Selv lærte jeg det aller enkleste i sin tid, “Basic”, og det ga meg grunnleggende kunnskaper om hva en datamaskin kunne og ikke kunne gjøre. Gode kandidater i dag er Python, R og for den saks skyld JAVA!
Forstå datastrukturer: Hvordan designe et system for å løse problemer med data. Lær hvordan du kan gjøre dette med dine valgte programmeringsferdigheter.
Forstå grunnleggende prinsipper i maskinlæring. Maskinlæring består i hovedsak av tre kategorier, “supervised”, “unsupervised” og – på norsk – forsterket maskinlæring.
Aktuelle maskinlæringsalgoritmer er for eksempel SVM, KNN og Random Forests
Forstå nevrale nettverk
Neste steg er å lære seg hvordan nevrale nettverk fungerer. I prinsippet er det det nærmeste en datamaskin gjør som ligner hvordan den menneskelige hjerne opererer. Det er ikke mange i verden i dag som forstår hvordan nevrale nettverk faktisk virker.
Det fascinerende er at vi kan formulere en problemstilling og få en løsning i andre enden av et nevralt nettverk. Løsningen kan etterprøves og verifiseres, men vi kan ikke forklare hvordan algoritmene i det nevrale nettverket har løst oppgaven.
Det finnes ulike type nevrale nettverk som brukes til å løse ulike oppgaver. Skaff deg oversikten og forstå hvilke som brukes og hva som karakteriserer de ulike strategiene og tilnærmingen. Grunnleggende forståelse av Big Data er en forutsetning for å forstå nevrale nettverk.
Et nevralt nettverk for en selvkjørende bil er konstruert med andre strategier og teknikker enn en chatbot i finanssektor.
Det vil være uoverskuelig å bli spesialist i alle felt, så ved siden av overblikk må du nødvendigvis finne deg et felt å spesialisere deg. For tiden er ferdigheter som ansikt-, stemme – og språkgjenkjenning ganske så aktuelle!
Å bli god på kunstig intelligens er ikke noe som er gjort i en fei! Det som er fantastisk er at mulighetene ligger der – helt åpent for alle som vil!
Det er ingenting som hindrer deg fra å bli blant verdens fremste innen feltet. Med fokus og egeninnsats kan du skape en fremtid for deg selv og ikke minst, påvirke den verden vi skal leve i i årene som kommer.
Skal du fullt ut forstå potensialet i bruk av kunstig intelligens, bør du skaffe deg oversikt over de viktigste teknologiene som kommer til å endre hvordan vi jobbe og lever de neste årene. Les mer i artikkelen “De 9 viktigste teknologiene som forandrer din jobb”
