Hva er kunstig intelligens?

Tilbake til kompetanseguidens hovedside

Kunstig intelligens (AI) handler om en datamaskins eller et programs evne til å tolke data, lære av den, og tilpasse seg etter det den har lært. Maskinlæring, nevrale nettverk og naturlig språkprosessering er blant undergruppene til kunstig intelligens.

Vi har bedt Elin Hauge, selverklært AI-evangelist og tidligere AI-ekspert i Evry, om å fortelle litt om kunstig intelligens.

Kort oppsummert; hva er kunstig intelligens?Kunstig intelligens handler om hvordan vi kan lære datamaskiner å observere, prosessere, resonnere og lære på samme måte som den menneskelige hjerne.

Kunstig intelligens slik vi kjenner det i dag er egentlig matematikk; det handler om å bruke matematiske algoritmer til å beskrive mønster i dataene våre, for på den måten å kunne automatisere en framtidig respons.

Det er langt fram til generell kunstig intelligens, slik som Stephen Hawking advarte mot. Vi må tenke de lange takene, og forberede oss på hvilken rolle vi ønsker å la teknologien få, men samtidig er det viktig å være pragmatisk på konkrete anvendelsesområder her og nå.

Hva brukes kunstig intelligens til i 2020? Når er det viktig å kunne dette?

For 15 år siden snakket vi om at «big data» var løsningen på «alt». Utfordringen ble at mange virksomheter samlet store mengder data, men ikke egentlig benyttet dem til noe. Digitaliseringsbølgen de siste årene har dessuten medført at det genereres enorme mengder data hver dag.

De siste 3–4 årene har vi sett en dramatisk utvikling innenfor både prosesseringskraft og lagringskapasitet, noe som gjør det mulig for hvem som helst å kjøre tunge algoritmer til en lav kost på kort tid. Dermed blir maskinlæring «allemannseie», og ikke lenger en disiplin for spesielt interesserte i akademia. Et eksempel er at det i disse dager benyttes maskinlæring for å identifisere mulige vaksiner mot covid-19; det handler om å forstå viruset i detalj, for på den måten å identifisere hvilken vaksine som kan fungere.

Det er viktig å kunne kunstig intelligens i enhver situasjon som innebærer prosessering av store mengder data – med andre ord, det aller meste i dagens digitale samfunn.

Har du noen eksempler på typiske situasjoner eller utfordringer som kunstig intelligens blir brukt til å løse?

Covid-19, som nevnt over. Selvkjørende biler er litt for åpenbart. Avdekking av svindel med kredittkort (her har maskinlæring blitt benyttet i mange år).

Innenfor helse kommer det stadig nye eksempler på bruk av maskinlæring for å finne mønstre i datamengder som er så store at vi mennesker kommer veldig til kort. Maskiner er rett og slett kjappere enn selv de beste legene til å se sammenhenger.

Cyberangrep på servere og datamaskiner avdekkes med kunstig intelligens. Bildetolkning og -manipulasjon, f.eks. på din mobil og i overvåkningskameraer. Musikkforslag på Spotify. Filmforslag på Netflix.

Er det noen vanlige språk, rammeverk eller verktøy som er særlig knyttet til kunstig intelligens?

Python er sentralt, for øvrig er det greit å kunne noe programmering. Det finnes en rekke rammeverk, verktøy, plattformer og API-er, og mye er open source (altså gratis og åpent tilgjengelig). Det er viktig å forstå den grunnleggende matematikken, og å ha et visst grunnlag innenfor programmering. Med det utgangspunktet kan du lære deg det som trengs i en gitt jobb eller oppgave.

Hvordan er vanskelighetsgraden og læringskurven? Hvilke forkunnskaper er det eventuelt en fordel å ha hvis man ønsker å sette seg inn i det?

Det finnes en rekke API-er fra f.eks. alle de store plattformleverandørene som lar deg dytte data inn, justere noen parametere, og ut får du et resultat. Men hvis du ikke forstår den grunnleggende matematikken, og hvilke muligheter og begrensninger de ulike algoritmene innebærer, så er det stor sjanse for at du dytter søppel inn og får en søppelfabrikk ut.

Det kan ha dramatiske konsekvenser når modellene skal benyttes på forretningskritiske problemstillinger, eller menneskers helse. Derfor mener jeg at det er viktig at du kan grunnleggende matematikk på universitetsnivå.

Hvor bratt læringskurven er, avhenger av hva du skal benytte kunstig intelligens til; dataenes kompleksitet, problemstillingens kompleksitet, og den forretningsmessige konteksten.

Hvilke ulemper eller utfordringer ser du med kunstig intelligens?

En av de store utfordringene er at kunstig intelligens forsterker våre menneskelige svakheter; hver gang media har omtalt en sak om «bias» (fordommer, journ.anm.) i algoritmer, som f.eks. Googles ansettelsesalgoritme, Microsofts rasistiske bot, og amerikanske myndigheters bruk av algoritmer for å predikere sannsynlig tilbakefall for fanger, så har algoritmene for så vidt gjort det de skal, nemlig å identifisere mønstre i historiske data, og applisere disse mønstrene for å forutsi «beste» resultat i framtiden.

Utfordringen er at datasettene algoritmene har jobbet på, gjenspeiler menneskelige fordommer, subjektive prioriteringer, og irrasjonell adferd. Kunstig intelligens har i seg selv ingen forståelse av godt og ondt, riktig og galt, rettferdig og urettferdig. Derfor er det så ekstremt viktig at de som jobber med disse teknologiene forstår rekkevidden av implikasjonene, og evner å bruke menneskelig og sosial intelligens i tolkning, anvendelse og evaluering.

Hva er forhistorien til kunstig intelligens, og hvordan har utviklingen vært?

Under 2. verdenskrig jobbet Alan Turing og hans kolleger med å knekke krypteringen til den tyske kodemaskinen Enigma. Dette arbeidet omtales ofte som starten på arbeidet med maskinlæring.

Begrepet kunstig intelligens ble definert i 1956, av John McCarthy på Dartmouth-konferansen. Fra da og fram til midten av 1990-tallet var kunstig intelligens først og fremst en akademisk disiplin for spesielt interesserte.

I 1997 slo IBMs maskin Deep Blue den verdenskjente Garry Kasparov i sjakk. De neste 20 årene skjedde det mye på området, og i 2015 slo maskinen AlphaGo (nå eid av Google) verdens beste Go-spiller, Lee Sedol. I dag er kunstig intelligens «overalt», uten at vi egentlig tenker over det.

Hvordan ser du for deg at kunstig intelligens kan videreutvikles?

Jeg mener at vi må tenke i to utviklingsretninger samtidig:

For det første er det svært mye mer som kan oppnås i samfunnet med pragmatisk anvendelse av eksisterende metoder og teknologier.

For det andre er det et sterkt behov for å utvikle rammebetingelser, lovverk, retningslinjer etc. for hvilken rolle vi ønsker og tillater at teknologi skal spille i samfunnet i framtiden.

Teknologi er bare teknologi, og er i seg selv verken godt eller dårlig. Det er den menneskelige forståelsen og bruken av den som avgjør om kunstig intelligens blir en styrke eller en fare for samfunnet. Den grunnleggende utfordringen er at de fleste mennesker ikke evner å forstå implikasjonene eller mulighetene, fordi vi genetisk sett ikke henger med på utviklingshastigheten. Dermed står vi i fare for å gjøre en del ukloke valg på veien.

Hvilke råd kan du gi til en som ønsker å lære seg dette?

Lær deg matematikk og programmering, og engasjer deg i samfunnet. Da har du mest mulig realistisk utgangspunkt for å forstå teknologiens muligheter og utfordringer, samtidig som du evner å se det store bildet hvor mennesker og teknologi skal fungere side om side.