Kunstig Intelligens – Hva skjer AI?

Av Stig Løvstad og Bjørn Høydahl, Tellmann Executive Advisors

Kunstig intelligens (KI) og bruken av KI preger nyhetsbildet. Bare i uken som har gått har vi kunnet lese om Mercedes som har fått tillatelse av tyske myndigheter til å kategorisere sin selvkjøringsalgoritme på nivå 3. (Conditional automation; bilen under gitte snevre betingelser får lov til å kjøre seg selv). Samt om flygende autonome drapsdroner som visstnok allerede har tatt liv. Det går heller ikke en måned uten at mediene fremhever et nytt selskap som har utviklet en revolusjonerende ny løsning basert på kunstig intelligens. Enten det gjelder automasjon av regnskapstjenester, språktolkning, eller en av de mange ulike former for billedtolkning til bruk innen helse, justis, forsvar, m.m.

Betyr det at du ligger bakpå om du ikke har tatt i bruk KI (Kunstig Intelligens)? I den nylig publiserte The Nordic State of AI – The 2021 Report hevdes det at 4500 nordiske selskaper har inkorporert KI-teknologien i sin virksomhet. Herunder ca. 700 i Norge. Gjennom en serie med blogger i 2022 vil vi i Tellmann se på kunstig intelligens fra et forretningsperspektiv. Her vil vi gi våre kunder råd og vink om hvor dere kan oppnå raske gevinster – eller bør styre unna.

Fix the basics

Først og fremst handler det om å forstå og optimalisere eksisterende prosesser, datastrukturer, datagrunnlag og datastyring. Det er lite hensiktsmessig å innføre RPA (robot process automation) eller nevrale nett som skal «lære» av et kaotisk datagrunnlag og ulogiske prosessbeskrivelser. Garbage in – garbage out. Dette har vært mantraet innen IT i all tid og gjelder fortsatt i en verden med kunstig intelligens.

Forstå rammebetingelsene

Det teoretiske fundamentet for kunstig intelligens ble lagt på 1950- og 1960-tallet. Ny teori på feltet har kommet på helt spesifikke områder. Som «Ekspert Systemer» på 80-tallet og «Nevrale Nett» i det nye millenniet. I 2012 fikk verden demonstrert hvordan et nevralt nett kunne håndtere sorteringen av 1 million bilder inn i 1000 klassifikasjoner. Dog med vesentlig feilmargin. Fem år senere var feilraten sunket til 5%. Godt nok for deg og din forretningsprosess?

Dessverre er det langt mellom den menneskelige hjernens læringsevne og den til et kunstig nevralt nett. Kompleksiteten i det menneskelige nevronet er vesentlig høyere enn et kunstig nevron. Biologiske nettverk har i tillegg en annen måte å lære på enn kunstige nevrale nett. Dette gir vår hjerne en helt overlegen evne til å generalisere, dvs. skape ny forståelse og se nye sammenheng fra det den tidligere har lært. Har man lært å kjøre en bil kan de fleste kjøre en annen bil. En Tesla AI kan ikke uten videre puttes i en Nissan Leaf og gi en selvkjørende bil.

På den andre siden har biologiske nett (mennesker) en høyere feilrate enn kunstige nevrale nett. Et kunstig nett gir det samme resultatet gitt de samme input parameterne. Et menneske gjøre rett og slett feil. Mens vi forstår hvordan prosessering skjer i begge nettverk, så forstår vi ikke hva som leder til konklusjonene. Dette må nettverket selv evne å forklare. Et menneske evner stort sett å forklare sitt resonnement; et kunstig nevralt nett er, i de fleste tilfeller, et sort hull. Det suger til seg data og sier at svaret er 42. Hva var spørsmålet?

Forstå stammespråket

De fleste svevende omtaler av kunstig intelligens sin fremtid snakker om Artificial General Intelligence. Også kalt strong AI som er en form for kunstig intelligens som kan gjøre alt som et menneske kan, bare mye raskere og mer feilfritt. Fra et forretningsperspektiv er dette generasjoner unna. Snittet på nevroner i et KI-nevralt nett er ca. 1000, der en nevron = en prosesseringsenhet/node. Såkalte dypt lærende nett kombinerer flere lag med nevrale nett. En menneskelig hjerne har ca. 86 Milliarder nevroner. Hvor mange datamaskiner (og strømmen til å drive dem) har du råd til?

Dersom vi konsentrer oss om Artificial Narrow Intelligence (også kalt weak AI) som kun har som mål å å adressere en spesifikk og veldefinert utfordring, så finnes det mange muligheter å vurdere. Teknologier som RPA, NLP, Ekspert systemer, Fuzzy Logic, Robotics, nevrale nettverk og deep learning er alle i vinden og bidrar alle på sitt vis å løse et eller flere problemer som industrien eller det offentlige står ovenfor.

Se for deg at en kunde kommer inn i butikken, blir identifisert av en KI, som så sender kundens ID til en RPA-prosess. Denne slår opp i kundedatabasen og utfører en forhåndsbestemt aksjon basert på kundens kjøpspreferanser (ved eksempelvis å sende en velkommen-SMS med dagens tilbud kun for deg), samtidig som det går et varsel til en butikkselger om at her kommer en VIP-kunde. God KI-assistert kundebehandling skaper mer lojale kunder! En åpenbar forretningsmulighet.

Forstå begrensningene

Vi nevnte ovenfor at man innenfor bildebehandling hadde fått feilraten i kunstige nevrale nett ned i 5% (gjennom dyp læring). Er det godt nok for deg? Uten andre tiltak (f.eks. geolokalisering) vil 5% av kundene som går inn i butikken blir feilidentifisert. Matematikken er nådeløs. Enhver statistisk modell som skal øke ytelsen med en faktor k må ha k x k flere datapunkt tilgjengelig for å trene modellen. Men når vi snakker om dyp læring så må vi, av ulike årsaker, også ha flere parametere enn datapunkt. Dermed ender vi opp med å trenge k^4 datapunkter. Hvor dyrt blir så dette? Å skape en 10x ytelsesforbedring krever som et minimum en 10000x økning i beregningene.

Men 95% nøyaktighet kan være godt nok. Etter at selskapet Grammarly innlemmet kunstig intelligens i sine tjenester og gikk fra kun å sjekke grammatiske feil til også å foreslå bedre tekster har børskursen steget til over 100Mrd NOK.  Som en kuriositet – matte må du uansett beherske selv, da matte er et område man så langt har mislykkes helt å lære bort til en kunstig intelligens.

Grip mulighetene

Nå som du forstår rammebetingelsene, stammespråket, begrensningene og behovet for å rydde i egne prosesser og datagrunnlag, er du klar for å gå videre og oppdage de mange små og mindre små mulighetene som teknologiene rundt kunstig intelligens faktisk gir deg for å oppnå relativt store forretningsgevinster.

Følg med på vår blogg-serie i 2022 der vi vil analysere forretningsmulighetene du bør vurdere.

Godt Nytt År!