Tag: Kunstig intelligens

Posted on

Bør vi frykte Kinas massive investeringer i kunstig intelligens?

Bildet viser en robot som styres av kunstig intelligens
Bilde:Alex Knight

Spørsmålet dukket opp etter å ha lest Amy Webbs The Big Nine: How the Tech Titans & Their Thinking Machines Could Warp Humanity (takk for boklånet Jone Løvvik).

Amy Webb er en av USAs ledende fremtidstenkere og er gründer av The Future Today Institute. «The Big Nine» er Google, Microsoft, Amazon, Facebook, IBM, og Apple i USA og Baidu, Alibaba, og Tencent i Kina.

Webb beskriver AIs utvikling og hvor vi står nå.  Hun hevder utviklingen innen AI er definert av relativt få, likesinnede mennesker i Nord-Amerika og Kina.  De tilhører de samme universitetene, de er velstående og de er høyt utdannet.  De er hovedsakelig menn. De har et felles motto: «Fail fast and fail often».  Suksess med AI krever at du kjører en rekke eksperimenter for å optimalisere algoritmene.  Mange vil kanskje også hevde at de lever etter annet motto (spesielt med referanse til Facebook): «Build it first, and ask for forgiveness later».

Baidu, Alibaba and Tencent kalles ofte BAT.  Disse tre selskapene utgjør Kinas del av de ni store. De opererer under et helt annet regime enn sine amerikanske motparter. Mens de amerikanske gigantene finansierer all sin utvikling selv, mottar BAT betydelig offentlig støtte. Kina har på myndighetsnivå utarbeidet tydelige AI-mål og strategier støttes finansielt for å sikre at BAT lykkes. USA, under det nåværende regimet, har i motsetning til Kina kuttet offentlig tilskudd til teknologiutvikling med 15%.  Det er en massiv investering i å utdanne lærere i AI.  BAT er sterkt integrert i all undervisning og forskning på høyskoler og universitet.  BATs produkter og tjenester benyttes i undervisningen.  La oss se litt nærmere på BAT,.

Baidu

Baidu ble faktisk startet på amerikansk jord, i Silicon Valley i 1998. John Wu, Robert Lee og Eric Xu var tre gründere med interesse for søkemotorer. Wu var leder for Yahoos søkemotorteam. De var fascinert av Google og tenkte at et tilsvarende selskap kunne etableres for Kina.  Dermed etablerte de Baidu. Selskapet rekrutterte toppkandidater innen maskinlæring og dyp læring fra de ledende universitetene i Nord-Amerika og Kina.  I 2012 ansatte de Andrew Ng, en fremstående forsker fra Google. Ngs bakgrunn var fra Carnegie Mellon, MIT, UC Berkeley og Stanford.  Med denne ansettelsen fikk Baidu med seg «AI-DNAet» fra de ledende amerikanske institusjonene. 

I dag er Baidu den verdens nest mest brukte søkemotor etter Google.  En prestasjon i og med at den ikke brukes utenfor Kina. Baidu har i dag programmer og løsningskonsepter for digitale assistenter, selvkjørende biler, roboter, smarte hus, med mere. Baidu har AI-forskningssentra i samarbeid med myndighetene.  Disse ledes av fremstående medlemmer av det kinesiske kommunistpartier, som tidligere ledet militære forskningsprogrammer.  Baidu har i dag (sep 2019) en markedsverdi på omlag USD 35 mrd.

Alibaba

Alibaba er en omfattende digital plattform som opererer som en megler mellom kjøpere og selgere på en rekke forskjellige websiter.  Jack Ma etablerte selskapet i 1999. Mas mål var å lage en hybridversjon av Amazon og eBay, beregnet på Kina. Alibaba Group har i dag (sep 2019) en markedsverdi på omlag USD 455 mrd.  Et av nettstedene er Taobao som ikke tar betalt for transaksjoner på plattformen, men i likhet med Google tar vederlag for å rangere selgere høyere på søkemotoren. Selskapet har også en egen betalingsløsning (Alipay) som kan trygt sies å være en kinesisk kopi av PayPal.  Alibaba har også laget en AI-betalingsløsning som kan kalles «smil og betal». Løsningen benytter seg av ansiktsgjenkjenning.   Genie X1 er Alibabas svar på Alexa.  Mer enn 100 000 smarthøyttalere er installerte på Marriotts hoteller i Kina.  Gjennom disse enhetene kan man enkelt gjennomføre digitale transaksjoner.   Alibaba har investert massivt i datasentre, skytjenester og andre selskaper for å bygge et komplett digitalt økonettverk.  Alibaba var tidligere ute enn Amazon Go med en automatisk, kasseløs retailkjede som benytter sensorer og avanserte kameraer for å skape friksjonsfrie kjøpsopplevelser i daglighandelen.

Tencent

Tencent er på mange måter den mest innflytelsesrike av BATene. Selskapet ble etablert av Ma Huateng og Zhang Zhidong i 1998.  Karene startet med OICQ som var en ren kopi av instant messaging-tjenesten ICQ.  I 2011 lanserte de WeChat, som i tillegg til instant messaging, er en Facebook-kopi. I og med at kinesiske myndigheter hadde stengt Facebook ute, fikk WeChat en hurtig vekst. I dag har plattformen over 1 milliard aktive månedlige brukere.

WeChat har mange bruksområder; betaling, innkreving og rekruttering. Over 38 tusen sykehus og legekontorer benytter løsningen til pasientadministrasjon. Teknologisk er WeChat Facebook overlegen.  

Tencent har utviklet en digital assistent (Xiaowei), et mobilt betalingssystem (Tenpay) og en skytjeneste (Weiyun). Selskapet samarbeider med det britiske selskapet Babylon Health om å benytte AI til fjernovervåking av pasienter. Tencent er i dag (sep 2019) verdt USD 390 mrd.    

Hvorfor har vi grunn til å bekymre oss over BATs fremganger?

En grunn til bekymring for oss i vest er de enorme og konsentrerte verdiene BAT representerer. Selv om Facebook har over 2 mrd aktive brukere, så er disse spredd på en rekke forskjellige land med India (270 mill brukere), USA (190 mill brukere) og Indonesia (130 mill brukere) som de tre største markedene. Tencent har sine over 1 mrd aktive brukere i ett land. Baidu har over 665 millioner brukere på mobile søk. På «de singles dag» i 2017 solgte Alibaba USD 25 mrd fordelt på 812 mill ordrer. Amazons salg fra Thanksgiving til Cyber Monday samme år var USDD 6,6 mrd og 140 mill ordrer. Kina er det største digitale markedet i verden, samme hvordan du velger å måle det.

Transaksjonene genererer enorme økonomiske muskler som brukes til å investere i teknologiselskaper og infrastruktur over hele verden. BAT har investert betydelige midler i Tesla, Uber, Lyft og Magic Leap.  Kinesiske investorer står bak 7-10% av alle investeringer i teknologiske start-ups i USA mellom 2012 og 2017.

BAT lokker med tilgang til det lukrative kinesiske markedet, men baksiden er at de krever tilgang på IP. Dette er en strategi som er ledet av de kinesiske myndighetene.  De har en klar målsetting om å bli en globalt dominerende aktør økonomisk, politisk og militært.  AI er en helt sentral komponent i denne satsingen.

BAT kan også operere helt uten hensyn til personvern. I Kina er kanskje det beste eksempelet på effektene av Big Data. I Rongcheng har byens 700 tusen voksne innbyggerne fått 1000 startpoeng i byens sosiale kredittscoringssystem. Du vinner og taper poeng avhengig av om du gjør noe positivt eller negativt sett med algoritmens øyne. Du rangeres fra A til D. A vil kunne gi deg gratis lån av bysykler, mens C kan bety at du må betale 30 Yuan.  Parkerer du ulovlig langs veiskulderen får du en bot tilsendt på WeChat. Går du på rødt lys blir bildet ditt med navn og kontaktinformasjon slått opp på store digitale tavler. Din sosiale kredittscore kan gjøre det vanskelig for deg å søke jobber eller kjøpe flybilletter. Du kan lese mer om systemet her.

BAT er i ferd med å eksportere systemet til de land de investerer i. Både Tanzania og Vietnam er i ferd med å adoptere deler av teknologien og overvåkningen som finnes på det kinesiske fastlandet.

Myndighetene har lansert De tusen talenters plan for å hjelpe BATene til fortsatt vekst. De saumfarer amerikanske universiteter og teknologiselskaper for teknologitalenter. Talentene tilbys lukrative betingelser. Til nå er det innrullet over 7000 talenter i programmet, og det vokser.

Optimisk, pragmatisk eller pessimistisk syn på AI?

Amy Webb trekker fram tre scenarier om AI; et optimistisk, et pragmatisk og et pessimistisk scenario. I det sistnevnte scenario er vi totalt overvåket og styrt av AI fra Kina. I det optimistiske scenario er hverdagslivet vårt blitt enklere takket være AI; alle digitale data blir brukt til å forbedre våre liv. De misbrukes ikke. Vi er sunnere, lykkeligere og lever lengre takket teknologiutviklingen. Verden er et fredeligere sted å leve, fordi AI forebygger kriminalitet og terror.

Webb mener det er realistisk med noe i nærheten av det optimistiske scenario hvor både Kina og Vesten kan fremstå som AI-vinnere, men da må det tas politiske grep.    

Webb anbefaler at ledere fra verdens mest avanserte økonomier samarbeider med de seks amerikanske gigantene i å etablere Global Alliance in Intelligence Augmentation (GAIA). Organisasjonen bør bestå av AI-forskere, sosiologer, økonomer, fremtidsforskere, statsvitere og spillteoretikere.  Webb anbefaler at organisasjonen lokaliseres nært en AI-hub, og foreslår Montreal. Montreal er et senter for avansert AI og myndighetene er (i motsetning til Det Hvite Hus) positive til å investere i AI-forskning.  Canada kan også regnes som geopolitisk nøytralt, noe som vil være viktig om man skal få President Xi til å støtte planene.

Det aller viktigste for GAIA vil være å sikre basis menneskerettigheter ved bruken av AI. Våre data bør eies av oss og ikke en av de ni gigantene eller myndighetene.

GAIA bør bidra til å utarbeide en sosial kontrakt mellom de ni gigantene, deres samarbeidspartnere og innbyggerne.

Videre anbefaler Webb at AI-innsikten i de styrende organer på forsterkes.  De seks amerikanske gigantene må betraktes som strategiske samarbeidspartnere for myndighetene fremfor teknologiplattformer.  Her kan Vesten kopiere Kina.

Gigantene bør også bli mer åpne om hensikten med å tilegne seg våre data.  I stedet for å kamuflere hensikten i lange uforståelige bruksbetingelser bør de forklare hva som er motivasjonen og forventet resultat.  Sannsynligheten for at vi aksepterer bruken av persondata øker med åpenhet.

Ta gjerne kontakt med meg om du ønsker å diskutere bruk av ny teknologi i din virksomhet, eller for en faglig samtale.

Posted on

Hvordan påvirkes dagens jobber av kunstig intelligens?

action android device electronics
Photo by Matan Segev on Pexels.com

I dette innlegget skal jeg se på hvordan dagens jobber vil påvirkes av automatisering. Det er skrevet mye nyttig om automatisering og bruk av kunstig intelligens den senere tiden.  Det er en blanding av et trusselbilde og et mulighetsbilde.  En vanlig oppfatning er at lav-statusyrker vil forsvinne og høy-statusyrker som rådgiver, advokat og revisor vil overleve.  Dette kan skyldes at media og analytikere har satt fokuset på utdanningsnivå og lønn når de vurderer effekten av KI.

Automatisering er en løsning på fjerning av farlige arbeidsoppgaver, monotone arbeidsoppgaver og kostbare arbeidsoppgaver. Det bør ikke alltid kreve kunstig intelligens (KI).  Automatisering kan også skje på områder som i praksis ikke er mulig for oss mennesker å utføre.  I disse tilfellene bruker vi mer avanserte former for KI.   Er du usikker på hva KI er, vil jeg nedenfor gi deg en forklaring.

Definisjonen på kunstig intelligens

På sitt mest avanserte utfører KI operasjoner det ikke er mulig for mennesker i praksis å gjøre.  På sitt enkleste er det i realiteten ikke snakk om kunstig intelligens, men forhåndsprogrammerte automatiske arbeidsflyter.

KI kan defineres som en datamaskins evne til å utføre kognitive oppgaver som vi vanligvis assosierer med vår egen hjerne, det vil si egenskaper som tolkning, forståelse, handling og læring.  KI omfatter en rekke teknologier som roboter, selvgående biler, bildegjenkjenning og chatbots.

Vi kan dele inn KI ut fra graden av kompleksitet.

Roboter (Bots)

Den enkleste formen er å automatisere prosesser gjennom roboter (eller bots som det nå ofte kalles). Når vi her nevner «robot» er det ikke nødvendigvis en menneskelignende skapning, men kode på en server. Dette står for om lag halvparten av alle KI-anvendelser globalt. Denne KI-typen blir mer og mer avansert grunnet fremveksten av mer sofistikert kode og integrasjon/datafangst fra flere IT-systemer.  Dette resulterer i mer avanserte algoritmer – algoritmer som kan utføre mer intelligente oppgaver enn for få år siden.  Et eksempel er chatboten du møter når du logger på nettbanken din og som besvarer enkle spørsmål. Dette er også den enkleste og billigste formen for KI.  Disse applikasjonene er ikke programmert for å lære og forbedre seg.

Kognitiv innsikt

En mer avansert form for KI er maskinlæring.  Løsningene bruker algoritmer til å avdekke mønstre i store datamengder, og deretter tolke mønstrene ut fra resultatene. En typisk anvendelse kan være å predikere belastningen i et strømnett. Et annet eksempel kan være å predikere hva en bestemt kunde sannsynligvis vil kjøpe i nettbutikken.

Kognitivt engasjement

Den mest avanserte formen for KI er løsninger som skaper kognitivt engasjement hos kunder og/eller ansatte. I en studie fra MIT utgjorde denne anvendelsen ca 16% av alle KI-prosjekter.  Her brukes teknologier som avanserte chatbots, intelligente agenter og maskinlæring. Et eksempel på anvendelse kan være intelligente agenter som 24/7 besvarer potensielle kunders spørsmål om priser, funksjonalitet, leveringsalternativer og servicer på kundens eget språk.  Et annet eksempel kan være produktanbefalinger basert på dialog med potensielle kunder.  Løsninger som skaper kognitivt engasjement brukes til å besvare ansattes spørsmål om ferie, lønn, permisjon, utdanning og sykefravær.

I resten av denne artikkelen vil jeg bruke automatisering som begrep på alle tre kategorier kunstig intelligens.

Rammeverk for hvordan jobber påvirkes av automatisering

Det er begrenset litteratur om hvordan dagens jobber vil endres som følge av automatisering.  I seg selv ikke overraskende i det vi fremdeles venter på den store automatiseringsbølgen. Professor Scott Latham og assistentprofessor Beth Humberd har analysert 50 profesjoner.  Professorene har etablert et rammeverk i to dimensjoner:

  • Hvor erstattelig er kjernekompetansen din som følge av implementeringen av automatisering?
  • Hvor store endringer blir det på leveransemodellen som følge av automatisering?

Med leveransemodell menes hvordan en elektriker utfører en installasjon eller feilsøking på et elektrisk anlegg, eller hvordan en høyskolelektor gjennomfører undervisning.

Vi snakker om alle former for automatisering i denne analysen.  På kort sikt er det mest av robotisering, mens på mellom lang sikt (3-5 år) vil profesjoner som har et høyere kunnskapsinnhold påvirkes mer av automatisering gjennom prosjekter som utnytter kognitiv innsikt.  På lang sikt vil vi kunne se flere prosjekter med kognitivt engasjement.

Noen jobber har veldig tydelig kjernekompetanse, for eksempel rørlegger sertifisert til å arbeide på industrielle anlegg med høyt trykk i gassfarlig område.  Andre jobber har mer «myke» kompetanseområder rundt evner til relasjonsbygging og kommunikasjon.  Selgere kan være et eksempel på sistnevnte. Profesjoner hvis arbeidsoppgaver kan standardiseres gjentas hyppig, vil sannsynligvis kunne automatiseres.  Arbeidsoppgaver som krever hands-on problemløsning med liten grad av standardisering, vil vanskelig kunne automatiseres.

Jobber påvirkes av kunstig intelligens

Vedvarende jobber

Det finnes profesjoner hvor både kjernekompetansen og leveranseformen er for vanskelig og/eller for dyr å automatisere. Et eksempel her er rørleggeren som skal reparere en lekkasje i ditt hundre år gamle oppussingsprosjekt uten en eneste arbeidstegning. Dette er jobber som er vanskelig å standardisere. Oppgavene krever tilpasning til hver enkelt operasjon; et gammelt hus er ikke likt et annet gammelt hus – selv ikke i samme gate!  Denne kategorien kan vi kalle vedvarende jobber (Engelsk: durable jobs)

Dekonstruerte jobber

Kjernekompetansen er ikke utsatt for automatisering i seg selv, men hvordan kompetansen omsettes i tjenester, f.eks. undervisning og forskning vil endres. Fremveksten av onlineundervisning, kollektiv problemløsning, m.m. vil endre måten læreren underviser på, men kjernekompetanse innen pedagogikk og økonomi er relativt upåvirket.  Fremtidige studenter kommer til å forvente at tjenesten leveres på andre måter, gjerne kombinerer online-verktøy, automatiske tester og evalueringer med tradisjonell tavleundervisning.  Denne kategorien kan vi kalle dekonstruerte jobber (Engelsk: deconstructed jobs).

Utdøende jobber

Det finnes mange profesjoner hvor kjernekompetansen er i ferd med å miste sin verdi og måten tjenesten leveres på er endret for alltid.  Den kan ikke reverseres.   Overraskende for mange gjelder dette også profesjoner som krever høy utdanning.  Bibliotekarer er et eksempel på en døende profesjon.  Billettører er et eksempel på en profesjon uten krav til høy utdanning som er i ferd med å automatiseres bort.    Denne kategorien kan vi kalle utdøende jobber (Engelsk: displaced jobs)

Disrupsjonsutsatte jobber

Disrupsjon oppstår når en tjeneste en profesjon utfører er i høy grad standardisert, men kunden foretrekker å få levert tjenesten på samme måte.  Et eksempel kan være eiendomsmeglere.  Her har vi fått mange automatiske tjenester med roboter som søker opp attraktive eiendommer og eiendomsoppgjør som i høy grad kan automatiseres. Likevel velger en klar majoritet å benytte megler som har tradisjonelle tjenester og prisingsmodeller. Tilsvarende kan vi se på regnskapsførere. Fremveksten av blockchain-teknologien og automatisk postering av regnskapsbilag vil erstatte store deler av profesjonens kjerneoppgaver.  Tjenesten vil fortsatt etterspørres – bedriftseiere vil ha regnskap og rapporter – men kompetanseområdet til regnskapsføreren påvirkes i høy grad. Denne kategorien kan vi kalle disrupsjonsutsatte jobber (Engelsk: disrupted jobs).

Dermed har vi fått følgende fire kategorier; Durable, Deconstructed, Displaced og Disrupted.

Modellen er oversiktlig og pedagogisk, men virkeligheten er langt mer kompleks.  Arbeidslivet lar seg ikke fullt ut gjenskape i en 2×2-matrise, men det er noen viktige læringspunkter å ta med seg enten du er arbeidsgiver eller arbeidstaker:

  • Det er viktig å forstå hvilke mekanismer som påvirker automatiseringen
  • Det er viktig å forstå at automatisering skjer uavhengig av profesjonens status
  • Profesjoner kan bevege seg mellom kategoriene – bildet er langt fra statisk
  • Det er viktig å ha en positiv innstilling til endring – nye jobber vil oppstå – ikke alt vil automatiseres bort. Roboter og algoritmer må designes, trenes, optimaliseres, overvåkes og forvaltes.  Her vil det oppstå nye muligheter.