Digitalisering

Artificiell intelligens formar framtiden

Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren
Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren
Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren
Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren
Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren
Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren
Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren. Grafiken kan förstoras till full storlek med den gula markeringen uppe till höger. Detta fungerar för tillfället endast på desktop och läsplatta.
Så läser artificiell intelligens av verkligheten. Grafik: Jonas Askergren. Grafiken kan förstoras till full storlek med den gula markeringen uppe till höger. Detta fungerar för tillfället endast på desktop och läsplatta.

De kallar det den nya elektriciteten och nästa industriella revolution. Artificiell intelligens kommer att påverka vår framtid på så många olika sätt. Men redan de närmaste åren kan ”deep learning” förändra våra liv.

Publicerad

”Det kommer att vara svårt att säga var dess tankar börjar och var våra slutar”, skriver Kevin Kelly om artificiell intelligens i sin nya bok The Inevitable.

I boken har Kevin Kelly, som redan på 80-talet förstod vad internet skulle innebära och på 90-talet grundade tidskriften Wired, listat de ”tolv tekniska krafter som kommer att forma vår framtid”. Kevin Kelly påpekar att det som förenar dessa krafter är ai.

Det är många som delar Kevin Kellys resonemang. ”Ai är den nya elektriciteten”, har Andrew Ng sagt. Ng är docent i datavetenskap och forskare hos det kinesiska sökmotorföretaget Baidu.

Sundar Pichai, vd för Google, har påpekat att det är dags att byta ut ”mobile first” mot ”ai first”. Allt fler rubriker i samband med artiklar om artificiell intelligens utropar att en ny industriell revolution gör sig redo att marschera mot i princip varenda bransch. ”Det är inte svårt att förutse affärsplanerna för de kommande 10 000 startup-företagen: ta X och addera ai”, skriver Kevin Kelly.

– Det här är det mest dramatiska som hänt inom datavetenskap på 40 år. Jag har aldrig varit med om något liknande, säger Stefan Carlsson, professor i datavetenskap vid Kungliga Tekniska Högskolan.

Läs mer:

När sådana som Stephen Hawking, Elon Musk och Bill Gates blickat långt bort mot horisonten har de sett något lika delar hoppfullt och skrämmande: artificiella intelligenser med övermänskliga förmågor och en kognitiv kapacitet bortom vår fattningsförmåga.

Den prognosen tenderar att skymma det faktum att artificiell intelligens redan är oss överlägsen på flera specialområden. Ai finns hos effektiva robotar på verkstadsgolven, kan handplocka detaljer ur världens samlade information på ett ögonblick, och det var flera årtionden sedan en artificiell intelligens besegrade världsmästaren i schack.

Denna övermänsklighet kommer att visa sig på fler områden de närmaste åren, tack vare den gren på ai-trädet som kallas ”deep learning”, eller djupa neurala nätverk. Tidigare i år utkom Bank of America med en rapport som uppskattade att marknaden för artificiell intelligens skulle öka från omkring 80 miljarder kronor 2013 till nästan 700 miljarder kronor 2020. Det är ”deep learning” som ligger bakom den dramatiska ökningen. Det är ”deep learning” som har fått spelare som Facebook, Google, Microsoft, Intel och IBM att storsatsa på ai.

”Deep learning”-metoden har inte varit möjlig (eller åtminstone praktisk) tidigare eftersom den kräver två saker: enorma mängder information och förmågan att göra snabba och parallella beräkningar.

Läs mer:

En skillnad mellan i dag och i morgon är att ”deep learning” inte riktigt skalat upp än. I dag finns det redan exempel på hur artificiell intelligens räddat livet på cancerpatienter som tidigare inte fått rätt diagnos. I morgon kan sjukvården ha förändrats i grunden: Läkare kan med hjälp av ”deep learning” ställa fler och mer korrekta diagnoser.

Stefan Carlsson på KTH nämner tre områden där snabb utveckling kommer att ske de närmsta åren.

– Det första är självstyrande fordon. Där har man lyckats göra system som i princip är seende med hjälp av kameror.

Virtuella assistenter är också med på Carlssons lista. Det hänger samman med att ”deep learning”-algoritmer i rask takt lär sig inte bara språk, utan också förståelse för hur människor använder språk.

Och det tredje området?

– Det har att göra med beslutsstöd. Om man exempelvis talar om medicinsk diagnos så handlar det om att ”deep learning”-system kan hantera i stort sett alla mätningar man kan göra inom sjukvården. Där är IBM väldigt aktiva med Watson, säger Stefan Carlsson.

Vilka yrkesroller som kommer att påverkas är svårt att överblicka. Yrkesförare har anledning att hålla koll i backspegeln efter fordon utan chaufförer (även om lagar och regelverk lär bromsa utvecklingen på kort sikt). Den som jobbar i kunskapssektorn – advokater, bibliotekarier, analytiker, journalister, redovisningskonsulter, börsmäklare, med flera – bör definitivt hålla ett öga på utvecklingen. Detsamma gäller den som jobbar med service i en eller annan form.

– För två år sedan hade vi samtal med 100 företag som var intresserade av ”deep learning”. I år hjälper vi 3 500 företag med deep learning, sa Jen-Hsun Huang, vd för Nvidia, till tidskriften Fortune tidigare i år.

KTH-professorn Stefan Carlsson minns tillfället när han förstod vidden av förmågan hos ett djupt neuralt nätverk.

– Mina studenter lyckades visa att ”deep learning” kunde slå ut tidigare algoritmer, sådana som folk jobbat i åratal med. Jag blev förvånad. Alla inom området blev förvånade. Jag insåg att det här är något väldigt stort.

Deep learning

”Deep learning”, eller djupa neurala nätverk, tillhör familjen artificiell intelligens. De är en vidareutveckling av maskininlärning.

– Tidigare gjorde man programvara som byggde på kunskap om samband mellan indata och utdata. Människan skrev alltså programmen själva. Idag bryr man sig inte om detta med kunskap. Det man istället bryr sig om är att ha väldigt mycket indata och utdata och sedan har man en generell programstruktur, säger Stefan Carlsson, professor i datavetenskap på KTH.

Vi kan använda en bild som exempel. Med äldre maskininlärningsmetoder försökte människan redan på förhand hjälpa den artificiella intelligensen genom att mata in viss kunskap om vad bilden föreställde. Med djupa neurala nätverk får ai:n bara bildens pixelvärden. Den måste alltså "gå djupt" för att lära sig vad det är den ser.

Ett djupt neuralt nätverk får träna på stora dataset. Människan kan sedan manuellt justera algoritmerna till dess att ai:n på egen hand producerar det önskade resultatet. Man kan säga att människan inte berättar för ai:n hur den ska göra, men ger den knuffar i rätt riktning om den är på väg åt fel håll.

Ny Teknik bad även Yoshua Bengio, en av världens främsta ”deep learning”-experter, att ge sin definition på vad som kategoriserar ett djupt neuralt nätverk.

– ”Deep learning” är en variant av maskininlärning, inspirerad av vår (dessvärre svaga och ofullständiga) kunskap om hjärnan. Bakom detta ligger åratal av forskning på neuronnätverk. Dessa försöker inte imitera biologiska neuroner men låter sig inspireras av deras sätt att göra beräkningar. "Deep learning" kallas "djup" eftersom det bygger på många lager av artificiella neuroner, där de högre lagren försöker fånga mer abstrakta koncept. Det ger dem också förmågan att generalisera på ett korrekt sätt.