close
Share with your friends

– Enorm effekt av kunstig intelligens

– Enorm effekt av kunstig intelligens

Forskningsdirektør Bjørn-Taale Sandberg i Telenor mener kunstig intelligens kan bety en ny hverdag for mange bedrifter. Her forteller han hvordan virksomheter kan starte arbeidet med å ta mulighetene i bruk.

1000

Kontaktperson

Tom Einar Nyberg

Partner / Head of Digital Operations

KPMG i Norge

Kontakt

Relatert innhold

For tiden er det viktigste området innen kunstig intelligens (AI) såkalt maskinlæring, et fagfelt hvor maskiner ikke programmeres eksplisitt til å utføre en oppgave, men trenes opp gjennom å fores med eksempler på input og ønsket output.

Et ikke uvanlig eksperiment – og ofte benyttet eksempel – er datamaskiner som kan se forskjell på katter og gulvmopper på bilder. Bruksområdene strekker seg imidlertid langt utenfor denne evnen til å skille kjæledyr fra husgeråd, forteller Bjørn-Taale Sandberg, forskningsdirektør i Telenor.

Bjørn-Taale Sandberg

Bjørn-Taale Sandberg, forskningsdirektør i Telenor.

Simulerer menneskelig læring

– Det er spesielt «Deep Learning» som driver utviklingen, for eksempel å kunne kjenne igjen og forstå tale, eller biler som kan kjøre av seg selv. Nevrale nettverk, som etterligner hjernens læringsprosess, kan håndtere stadig mer avanserte oppgaver, forteller han.

– Det ligger tre utviklingstrekk bak dette: For det første skaper smarttelefoner ekstreme mengder data, og for det andre gjør teoretiske gjennombrudd det mulig å trene nevrale nettverk med mange lag – langt flere enn de fire lagene som var mulig inntil nylig. Dessuten er nye, kraftige grafikkort svært godt egnet til å parallellprosessere de nødvendige beregningene og gjøre dem langt raskere enn tidligere.

Så hva betyr dette for oss andre? Sandberg viser til beregninger fra konsulentselskapet Accenture, som mener at AI alene om under 20 år kan ha doblet produktivitetsveksten. Det vil gi en enorm effekt på alt hvis det slår til. Naturligvis vil noen yrker – som for eksempel symaskinoperatør – enten helt eller delvis erstattes av maskiner, men den store produktivitetsveksten vil komme av at vi får langt bedre verktøy som gjør oss mye mer produktive som individer.

– Det er særlig to utfordringer ved denne utviklingen. På den ene siden har vi hvordan virksomheter skal kunne få sin del av AI-kaka, og på den andre siden har vi de rent etiske hensynene – hvordan teknologien kan utvikles uten uheldige bieffekter, sier Sandberg.

Etikk og skjevdeling

– Det bedriftene bør gjøre for å komme i gang, er å jobbe med de dataene de har. Det kan være egne kundedata, data fra produksjonssystemet eller data utenfra. Noen ganger innebærer sistnevnte å kjøpe data eller bygge systemer som gjør det mulig å ha slik tilgang. Data er ofte den store bøygen, sier han.

Det er nemlig vanlig at disse dataene ligger i organisasjonens ulike systemer, fordelt på ulike siloer: HR har én silo, finans- og økonomisystemer har en annen og produksjonssystemene gjerne en tredje eller fjerde – og så videre.

– Disse systemene er vanligvis laget for å rapportere vertikalt, og er sjelden forberedt på å kunne snakke med andre systemer på tvers. Vi i Telenor, og andre aktører, lager derfor «data lakes» hvor slike data kan oppbevares.

– For å få til det, er det mye som må være på plass og under kontroll: Grensesnitt mot de respektive kildesystemene, sikkerhet i kommunikasjon og datalagring, samt rutiner for etterlevelse av GDPR-regelverk – for bare å nevne noe.

Bjørn-Taale Sandberg

Sandberg på et Telenor-arrangement i 2017.

Bredt mulighetsrom

Bedriftene må altså begynne her, fordi det er en sentral utfordring å få på plass den tekniske, kompetansemessige og juridiske infrastrukturen. Når dette er i orden, blir det snakk om å kunne jobbe raskt og agilt.

– Foreløpig er det sånn at AI ligger et sted i grenselandet mellom vitenskap og kunst. Når man begynner å lage en løsning, vet man derfor ikke alltid hvilke data som behøves eller er best egnet for applikasjonsområdet. Jobben med å bygge gode modeller innebærer at man arbeider iterativt, at man går mange runder for å finne en god løsning. Uten en infrastruktur som tillater agile arbeidsmetoder, vil man derfor raskt støte på problemer.

En annen nødvendighet er å kunne sette et bredt spekter av ulike kompetanser inn i arbeidet. Man må ha teammedlemmer som forstår bedriftens utfordringer, drift og markeder, og som forstår teknologien godt nok til å skjønne hvor mulighetene ligger.

Mange iterasjoner nødvendig

Sandberg innser at mange organisasjoner kanskje ikke har ressursene som kreves for å kunne ha all denne kompetansen tilgjengelig in-house. Et alternativ er å kjøpe inn kompetanse, men da man må kunne jobbe tett på dem.

– Eksterne bidragsytere må være «koblet på». I slike prosjekter holder det ikke å kjøre én iterasjon hver tredje dag, man må minst være i stand til å gjøre tre til fem iterasjoner daglig, og eksperimentere for å finne ut hva som fungerer.

– På det stadiet av AI-teknologiens modenhet hvor vi nå befinner oss, er det fortsatt veldig vanskelig å vite hva man egentlig trenger og hvordan man kan oppnå ønsket effekt, forklarer han.

Etikk, takk!

Som vi tidligere var inne på, er jussen én ting – det kan være noe ganske annet hva etikk, moral og kutyme tilsier at bedriftene bør gjøre:

– For at en modell lovlig skal kunne jobbe med data, må man ivareta datasikkerhet og lovverk – for eksempel GDPR-reguleringene. Det innebærer at man enten må ha lovmessig rett til å benytte dataene for de bruksområdene virksomheten ønsker, eller at man innhenter brukernes tillatelse for dette. Her er det veldig mye å passe på, sier han.

– Vi vet jo at GDPR egentlig står for General Data Protection Regulation, men etter våre begreper kunne det like gjerne stått for Good Data Practice Rules. Hva regelverket tillater og hva som inngir tillit hos kundene er ikke nødvendigvis det samme. Hvis noe kan oppfattes som «creepy» av kundene, hjelper det ofte lite å ha jussen på sin side – her kan det ligge omdømmebomber som man ikke bør ta lett på, fortsetter Sandberg.

Et annet spørsmål er hvordan bedriften forholder seg til det AI-modellene leverer. Et famøst eksempel er Microsofts Tay, en AI-drevet chatbot som ifølge Wikipedia skulle etterligne språkføringen til en 19 år gammel amerikansk jente og lære gjennom Twitter-samtaler med vanlige folk. Tay ble raskt et mål for nett-troll, som bare 16 timer etter lansering hadde «snudd» chatbotten sånn at den begynte å sende ut rasistiske og slibrige meldinger.

– Man må være bevisst på mulige bias, skjevheter i dataene som brukes til å trene den kunstige intelligensen. Slike forhold vil naturligvis påvirke resultatene som modellen produserer, og det må justeres for på én eller annen måte. De er ikke enkle å plukke ut, og dersom man ikke er bevisst på dem, er de veldig vanskelig å unngå, sier han.

Den norske nisjen

Men la oss si at din virksomhet klarer å skaffe seg data, lærer å jobbe med dem på riktig måte og luker ut bias – hvor bør du da rette inn skytset? Det er ikke selvsagt for et så lite land og en så åpen økonomi som vår.

– Hver gang du klikker på en lenke etter å ha gjort et søk i Google, lærer AI’en bak Google at det her finnes en sammenheng mellom denne lenken og det spørsmålet du stilte. Da står Google bedre rustet til å besvare tilsvarende spørsmål etterpå, og det blir vanskeligere for alternative søkemotorer å vinne frem.

Dette gjelder forresten ikke bare Google. Microsoft har alene 5 000 ansatte som jobber med AI – flere enn det finnes som jobber med dette i hele Norge. Telenor mener at et av de virkelig store områdene her er neste generasjons IoT, hvor det fremdeles ligger enorme muligheter.

– Vi må utdanne og utvikle flere som behersker denne teknologien, slik at Norge kan finne nye nisjer hvor det ikke allerede eksisterer store, etablerte aktører med enorme nettverksfordeler, slår Sandberg fast.

Ta kontakt

 

Ønsker du tjenester fra KPMG?

 

loading image Be om tilbud