AI-trender for 2020 peker på at etikk og tillit til hvordan AI-systemer fungerer vil være ett av de største temaene i tiden fremover. Vi vil se enklere bruk av AI-systemer, AI som en tjeneste og flere automatiserte prosesser. En god nyhet for mindre virksomheter er også at du vil kunne trene AI-systemer med langt mindre datasett enn tidligere.
Kunstig intelligens berører alle bransjer hvor innsikt i data er en del av verdiskapningen. Nye teknologier som 5G-nettet, tingenes internett og små sensorer på nær sagt “alt” vil skape en eksplosjon av nye data i årene som kommer. Etterhvert som mer og mer av våre liv digitaliseres, er utfordringen å samle inn, strukturere og nyttiggjøre seg av våre data.
LES OGSÅ: Hva skjer med kunstig intelligens? Hvor blir det av AI?
Særlig spennende er dette innen helseomsorgen
I dag behandler vi gjerne sykdommer i etterkant. Vi oppsøker legen først etter at vi har blitt syke. Med kunstig intelligens kan vi snu fokus fra å behandle sykdommer etter at de har oppstått til å forutsi og unngå at de inntreffer. AI har et stort potensiale til å effektivisere helseomsorgen. Forestill deg bare hvor mye data som produseres på et sykehus? Ikke bare om deg som pasient, men all administrasjon av mottak, senger tilgjengelige, rom, utstyr som brukes og all kunnskap om nye teknologier, diagnoser og resultat av ulike behandlinger som kontinuerlig skal oppdateres.
I helsesektoren, som for så mange andre områder i vårt samfunn, handler det om å frigjøre tid, automatisere det som kan automatiseres og forutsi de riktige tiltakene. Her kommer kunstig intelligens som vår tids viktige teknologi. En teknologi som vil skape nye tjenester og snu opp / ned på måten vi i dag løser oppgaver. En teknologi med et enormt potensiale, men også store utfordringer.
LES OGSÅ: Hva er AI? Definisjonen på kunstig intelligens.
Tillit og innsikt i AI-systemer
Regjeringen la nylig frem sin strategi for kunstig intelligens hvor også temaet etikk og behovet for innsikt i AI-systemer var sentralt. Den skandinaviske modellen er anerkjent og respektert internasjonalt. Er det på plass å trekke inn vår tenkning rundt trepartssamarbeidet, fokus på inntektsutjevning, likestilling og menneskerettigheter inn i diskusjoner rundt utvikling av AI-systemer?
Dette er noe vi kunne bragt til bordet i et europeisk samarbeide, men fraværende i regjeringens AI-strategi og en aldri så liten skuffelse.
Tidlig på året publiserte EU-kommisjonen et sett med syv retningslinjer for utvikling av etisk AI. Store selskaper som Microsoft og Google har også tatt skritt for å sikre at AI-systemer utvikles i samsvar med etiske normer.
I 2020 er en viktig AI-trend at etikk være et viktig spørsmål for alle virksomheter som er opptatt av bærekraftige AI-systemer. Godt hjulpet av startups som har dette som verdiforslag.
En startup som er opptatt av dette i Norge er selskapet Ethical Advantage, ledet av briten Dominic Robinson. Han er for tiden bosatt i Oslo og har et stort engasjement for hvordan AI og etiske regler både er nødvendig, men også kan gi viktige konkurransefortrinn.
Etiske regler og AI har ingen verdi hvis de ikke blir operasjonalisert i praksis
Digitale løsninger som tar med etiske problemstillinger fra starten kan gi selskaper et konkurransefortrinn i å tiltrekke og beholde talenter i sin virksomhet. En viktig AI-trend og fremtiden for ansvarlig kunstig intelligens er at den vil skapes av fremoverlente organisasjoner som er forberedt på å ta en posisjon og operasjonalisere etikk.
AI-systemer må ta hensyn til etikk i praksis og holdes ansvarlig mot de prinsippene. De som evner å gjøre det vil ikke bare høste fordeler, men se fordeler langt utover innsatsen.
Les Dominic Robinson Whitepapers om AI og etikk her
Deling av data på tvers av bransjer og i det offentlige
Det ligger store muligheter i de enorme datasettene norske myndigheter forvalter. Norge har mye data og god kvalitet på data. Kunsten er å finne forsvarlige måter å dele disse dataene på tvers av etatene og med næringslivet. Det er selvsagte utfordringer som personvernhensyn og samtykker, men potensialet er så stort at myndighetene bør ha fokus på å finne måter samfunnet kan nyttiggjøre seg disse.
Under lanseringen av regjeringens AI-strategi ble det reist spørsmål om man skulle tvinge næringslivet til å dele data seg i mellom. Nå har regjeringen utnevnt SINTEF-sjef Alexandra Bech Gjørv som leder av en hurtigarbeidende ekspertgruppe som skal se på utfordringer og muligheter for deling av data i og fra næringslivet.
I en pressemelding forteller distrikts- og digitaliseringsminister at det er viktig hvordan og i hvilken grad næringslivet deler data for å skape gode tjenester og arbeidsplasser i hele landet. Ekspertgruppen skal gi innspill til arbeidet med stortingsmeldingen om datadrevet økonomi og innovasjon som nylig har startet opp. Gruppen skal blant annet se på deling av data innen viktige, norske bransjer og mellom verdikjeder.
Mange i offentlig sektor er godt i gang med å dele og tilgjengeliggjøre data. Fremover blir det viktig med samarbeid i og med næringslivet om denne jobben. Vi tror at jo mer data som deles, jo større blir nytten for samfunnet. Og vi tror også at den enkelte virksomhet kan tjene på å dele sine data
Linda Hofstad Helleland, distrikts- og digitaliseringsminister
Ekspertgruppen skal levere sin rapport 3. april.
Mindre datasett og mer effektive algoritmer for bedre AI-systemer
Dagens AI-systemer er mest effektive med treffsikre resultater om de er trent og validert på enorme datamengder. Men selskaper som utvikler AI-systemer synes det ofte er vanskelig å få tilgang til riktige data, og tilstrekkelige store datasett.
Takket være fremskritt innen generative adversarial nettverk (GAN), er en viktig AI-trend for 2020 at utviklere kan simulere egne treningsdata. Dette gjør ikke behovet for å samle inn data fra den virkelige verden mindre, men simulering kan effektivt utvide disse datasettene.
Deepfakes byr på utfordringer, men også muligheter
I 2020 vil vi se en AI-trend med stadig mer realistiske manipulasjoner av tekst, bilder, videoer, lyd og annen multimedia. Kvaliteten på disse vil være så gode at det blir nært umulig å se at de er skapt av AI.
Kildekritikk blir viktigere enn noen sinne. Som mottiltak til ondsinnet bruk av AI-systemer lages det verktøy som avslører falske nyheter og manipulerte bilder.
Teknologien byr også på mange nye muligheter, som personalisering i detaljhandelen hvor du kan erstatte modeller med ditt ansikt og få et mer realistisk inntrykk av hvordan f.eks klær ville passe akkurat deg.
Billedmanipulering kan for eksempel brukes i virtuelle online tester. Ikke overraskende eksperimenteres det med enda mer målrettede annonser og lokalisert markedsføring, f.eks med simultanoversetting til forskjellige språk,
Mulighetene er også store for TV- og filmbransjen. Vi ser allerede konserter som arrangeres med avdøde artister. Ikke overraskende er modeller og skuespiller på listen over profesjoner som utfordres av AI-systemer.
AI-drevne hackerangrep og AI i forsvar
Den nye generasjonen hackere og datakriminelle tar i bruk AI-systemer for å lansere enda mer avanserte angrep. Nye metoder, som å infisere datasett brukt av AI-systemer forventes. Verktøyene er enkle å ta i bruk og åpent tilgjengelig for mennesker og organisasjoner med ondsinnede hensikter.
Du har kanskje lagt merke til at pishingangrep i form av tidligere ubehjelpelig dårlig oversatte meldinger på norsk stadig blir bedre skrevet?
Vi er ikke langt unna at engelsk blir oversatt til feilfritt norsk. E-postene som tilsynelatende kom fra din bank, men som var lett å forstå på grunn av dårlig norsk, blir vanskeligere å oppdage.
Samtidig øker antall prosjekter igangsatt av de store plattformselskapene og et hundretalls startups som jobber for å bruke AI-systemer til forsvar.
Viktige AI-trender er at angrepene blir mer avanserte og tallmessige.
Sikkerhet er noe alle virksomheter, uansett størrelse og hver og en av oss privat, bør ha kontinuerlig oppmerksomhet for, også i 2020.
Googles AutoML – morgendagens automatiserte AI-design
Googles AutoML lager bedre maskinlæringskode enn utviklerne som har laget den. En viktig AI-trend er at morgendagens AI-systemer ikke bare vil lære, de vil selv oppdateres og være i stand til å lage tilpassede programmer for å løse uforutsette problemer.
Å designe eller finne riktig nevrale nettverksarkitektur for en spesifikk oppgave er en tidkrevende prosess. Neural architecture search (NAS) er et sett med AI-tilnærminger for å automatisere prosessen med å finne det beste AI-designet.
Tidligere i år lanserte også IBM AutoAI, en plattform for automatisering som strukturerer og gjør datsett mer anvendelig.
Ser du etter en foredragsholder som kan snakke om hvordan nye teknologier og kunstig intelligens påvirker våre barn og våre liv, privat og på jobb? Les mer om Jan Sollid Storehaug og foredrag jeg holder her
Et annet eksempel er Neurosymbolic Concept Learner, (NSCL) en hybrid AI-modell utviklet av forskere ved IBM og MIT. NSCL kombinerer klassiske regelbasert AI og nevrale nettverk og kan løse noen av problemene til nåværende AI-modeller. Dette inkludert problemer med for små datasett og store datakrav og mangel på forklarbarhet.
EDGE-Computing: Energieffektive AI-systemer
De imponerende resultatene vi har sett fra AI-systemer bare de to-tre siste årene skyldes i hovedsak to ting: En eksplosjon i data tilgjengelig og en eksponensiell utvikling i regnekapasiteten. “Alt” kan kjøres i skyen og kostnadene til lagring og prosessering går mot null. Nesten. Desto mer avanserte AI-systemer, desto mer energikrevende er beregningene.
AI-trender for 2020 indikerer at nevrale nettverk vil fortsette å vokse i størrelse og dybde og gi enda mer nøyaktige resultater.
I alle oppgaver som involverer dataanlyse vi vil se nettverk som blir like gode eller bedre enn mennesker. Vi vil se mer sanntids- og mindre energikrevende nettverk som kan kjøre på små enheter.
Et viktig spørsmål er hvordan vi kan flytte dataprosesseringen tilbake fra skyen og til de enhetene som samler inn og behandler disse?
Med edge computing lages systemer hvor dataene samles inn og behandles lokalt. Resultatet sendes til skyen for deling og problemløsing om det ikke kan løses lokalt.
Desto mer som kan kjøres på lokale enheter, som for eksempel din smarttelefon, desto mer energieffektiv. Startups som Kneron jobber med dedikerte AI-prosessorer spesielt myntet på dette. Apple kjøpte også nylig Xnor.ai, en oppstart som lager AI-verktøy med lavt energibehov.
Kan vi lage en maskinvare og en maskinlæringsarkitektur som er i stand til å kjøre dype læringsmodeller uten strøm? Kan vi klare oss med solenergi? Kan det lages så effektive enheter at de kan klare seg med solenergi? Dette er noen av spørsmålene det jobbes med for å skape mer energieffektive AI-systemer.
Noen kilder:
CB Insight: Last ned “Artificial Intelligence Trends To Watch In 2020”
The Next Web: Biggest AI trends of 2020
Dominic Robinson Whitepapers on AI and ethics
Norges nasjonale strategi for kunstig intelligens
What happens when you combine neural networks and rule-based AI?
What is GAN, the AI technique that makes computers creative?
Kvantemaskinlæring gir tradisjonelle AI-algoritmer et løft
Kvantemaskinlæring låner fra prinsippene for tradisjonell maskinlæring, men algoritmene er designet for å kjøre på kvanteprosessorer. Dette gjør dem raskere enn dagens nevrale nett og færre maskinvarebegrensninger som er nødvendige for behandling av massive datasett.
Kvanteteknologien er i sin spede begynnelse, men viser allerede spennende resultater. Fryktelig vanskelig å forstå, og vanskelig å ta i bruk. Store selskaper som AWS, Google, IBM og Microsoft jobber nå med hybridløsninger hvor deler av oppgavene løses på nevrale nettverk og andre med kvanteteknologi.
AI-trender for 2020 er at vi allerede i år vil se de første AI-algoritmene som kjører på slike hybride maskinvareplattformer.
Vi er ikke tjent med en kunstig intelligens som ikke er kodet med etiske hensyn og med mennesker i fokus
Er kunstig intelligens «kun» et verktøy som analyserer store datasett og gir sannsynlige utfall? Vil AI forbli et verktøy hvor vi forblir i førersetet og vårt bruk av AI-systemene avgjør nytteverdien? Er vi på vei inn i en fremtid hvor kunstig intelligens vil løse alle oppgaver like godt eller bedre enn det vi mennesker klarer å gjøre?
Mange mener at det er en logisk konsekvens av utviklingen og mener spørsmålet ikke handler om om det vil vi skje, men hvor fort det vil skje.
Blir da spørsmålet om maskiner kan bli selvbevisste et tema som hører hjemme i science fiction litteraturen? Er bevissthet en naturkraft som aldri kan repliseres i en maskin? Spørsmålene er mange og mulighetene er store. Samtidig er utfordringene store, både filosofisk og praktisk.
Elon Musk advarer mot kunstig intelligens og mener at kunstig intelligens i verste fall kan bli menneskehetens undergang. Andre avfeier dette som nonsens.
Det som er sikkert, er at meningene er mange og de er delte blant de ledende forskerne i verden.
Om du vil følge diskusjonene rundt det som er vår generasjons største utfordring, kan denne oversikten med “Topp 10-listen med AI-folk du bør følge” være en god start.
Norske forskere, etablerte bedriftsledere, gründerne – og investorer leter etter de beste AI-prosjektene. Heldigvis har vi også politikere og samfunnsaktører som begynner å få opp øynene for hvordan kunstig intelligens driver frem ny teknologi som vår generasjons største kraft i samfunnsutviklingen.
Enn så lenge er det vi mennesker som styrer utviklingen. Så gjelder det å følge med i timen og sørge for at vi bruker teknologien til beste for oss alle!
