Denne artikkelen ble brukt av Axel Tidemann under Common Norge Midt-Norges fagdag 23. april 2019. Artikkelforfatteren konkluderer slik: «for de som ser mulighetene til kunstig intelligens uten å bli blendet av hype, er det klart at mulighetene er mange for effektivisering og optimalisering av den operasjonelle driften».
Av: Axel Tidemann
Kunstig intelligens gjennomsyrer nå den teknologiske verden vi befinner oss i. Men selv om man ikke ser roboter som vasker opp, lager mat eller oppfører seg truende (som man gjerne farer med i dystopisk sci-fi fra Hollywood), er det «under panseret» at de store endringene skjer, først og fremst gjennom digitale assistenter. De blir flinkere til å forstå hva du sier, forutsi når du må dra hjemmefra for å nå en avtale, og til å gjenkjenne din brukeratferd.
Hvordan har det blitt slik? Kunstig intelligens er i seg selv et stort felt, men den typen som nå gjør seg gjeldende, er en metodologi kalt «dyp læring». Det vil si en modell som er inspirert av hjernen. Hjernen er bygd opp av mange nevroner som er koblet sammen. Hver for seg har disse nevronene ekstremt liten komputasjonell kraft, men satt sammen i enorme nettverk får man en emergent intelligens. Med utgangspunkt i denne biologiske modellen, lager man en grov forenkling som man kan implementere i en datamaskin. Dette kalles kunstige nevrale nettverk. Slike nettverk har typisk flere lag, og kalles derfor dype nettverk, som igjen gir opphav til uttrykket dyp læring.
Prinsippene bak dyp læring har vært kjent i flere tiår allerede. Men det var to faktorer til som var nødvendige for å kunne utnytte potensialet i de dype nettverkene: store datamengder og regnekraft. For å kunne trene opp komplekse modeller er man nødt til å ha store datamengder, slik at modellen kan lære ved å se mange eksempler. For å få trent den komplekse modellen med store datamengder, behøver man kraftige datamaskiner. Man skjønte ut på 2000-tallet at grafikk-kort var veldig godt egnet til dette. Det var den siste brikken som manglet. Nå gjøres så godt som all kunstig intelligens-forskning på denne måten.
Innen forretningsutvikling er potensialet stort for alle bedrifter som tar vare på digitale spor av sin daglige drift. Det kan være alt fra logistikk, kundeinteraksjoner, sensor-data fra maskiner – alt som er lagret på en strukturert måte kan potensielt sett brukes av en kunstig intelligens. Det er dog viktig å være klar over hva slik kunstig intelligens er i stand til – det vil ikke være mulig å automatisere bort mennesker i en bedrift, men mange enkle oppgaver kan gjøres av den kunstige intelligensen, slik at man kan bli enda mer effektiv. Det er også viktig å være klar over at dataene som brukes til å trene opp den kunstige intelligensen må være av god kvalitet. Prinsippet «garbage in, garbage out» er veldig viktig. Det kan sammenlignes med å ha en elendig lærer, da blir mest sannsynligvis elevene også veldig dårlige.
For de som ser mulighetene til kunstig intelligens uten å bli blendet av hype, er det klart at mulighetene er mange for effektivisering og optimalisering av den operasjonelle driften. Dette forsøker man nå å gjøre innen de fleste industrier, så en framtidsrettet bedrift vil omfavne og ikke frykte denne teknologien.