{{item.title}}
{{item.text}}
{{item.title}}
{{item.text}}
15/12/20
Playback of this video is not currently available
– Kunstig intelligens er fortsatt langt unna å løse generelle problemer. Men spesifikke problemer, også kreative, er den god på, sier Lars Erlend Leganger, AI-direktør i PwC. Men det er en detalj i julebaksten AI–en fortsatt ikke er så god på …
Leganger og teamet startet med å skrape internettsider for norske juleoppskrifter. Tusenvis av juleoppskrifter ble matet inn i algoritmer for å finne sammenhenger og mønstre på hva som kjennetegner en god oppskrift.
Se hvordan eksperimentet ble til lenger ned i saken.
– Vi har bygget kunstig intelligens som kommer opp med nye oppskrifter. Ikke alle navnene er helt heldige, som «fruens brød» eller «prestens stang». Men det forstår jo ikke AI-en vi har bygget, ler Leganger. Mennesker trengs fortsatt for å analysere resultatene.
– Det å bygge kunstig intelligens som kan ta bort plunder og heft er noe av grunnen til at jeg startet med det. Og hva kommer ut av AI om du lar den få slippe løs? Det er skikkelig spennende, forteller Leganger ivrig. For næringslivet er det verdifullt: Hvordan man kan skape verdi fra data. For noen selskap kan det bety å bygge prediksjoner inn i produktene de selger.
Kunstig intelligens kan brukes til mer enn prediksjoner og analysearbeid.
– AI kan også være et hjelpemiddel for å løse kreative utfordringer, som det åttende slaget julebakst, forteller AI-direktøren.
Ulempen og styrken med AI er at den ikke har erfaringen som vi mennesker har.
– Ofte er det en ulempe fordi den ikke klarer å se helheten og skjønne sammenhenger på tvers. På den andre siden er den fri for forutinntattheter som vi mennesker har, forteller Leganger. AI-en stoler blindt på dataene den blir trent opp med, og noen ganger kan det gi kreative resultater, legger han til.
Mat programmet med så mye data om juleoppskrifter som mulig
Hjelp AI-en til å bygge selve hjernen. Hvordan bruke dataene for å lage en modell som kan tenke seg frem til en ny oppskrift?
Hvordan gjøre resultatene om til noe verdifullt: Å gå fra innsikt (f.eks. hva er riktig pris) til verdiskapende handling (f.eks. å gi tilbud til kunden med riktig pris). Før var det statistikere som fant sammenhenger, og selgerne brukte det i arbeidet sitt videre. AI handler mye om å gå direkte fra innsikt til automatiske verdiskapende avgjørelser. Kakeoppskrift er enklere for det er menneskene som skal følge oppskriftene. Man kunne så klart ha laget en kakebakerobot.
På den ene siden får du ofte størst effekt hvis du kan ta mennesket ut av loopen og erstatte det med roboter eller dataprogrammer, men på den andre siden er det ofte veldig komplekst og høyrisiko og gjøre slike fullautomatiseringer.
– Det er mange prosesser der det er masse å hente på delautomatisering, sånn som i kakebakeeksempelet, der det var relativt raskt og enkelt å bygge en oppskrift-AI som skal støtte et menneske. Mens en komplett kakebakerobot ville krevd flere års forskning og utvikling med et digert team av ingeniører og maskinlæringseksperter, forklarer AI-direktøren.
– Den klarer å skrive norsk, men vi har ikke klart å lære den hvor mye mel det skal være i forhold til vann og så videre. Det vil kreve enda mer data, og tid. Julebakst er litt på siden av det vi hjelper bedrifter med.
Han og teamet har tatt deler av nevralnettet og kombinert med menneskeskapte ekspertregler for kakebakst.
Vi er langt unna at du kan sette AI til å løse et generelt problem, såkalt generell kunstig intelligens.
– Det er fortsatt science fiction i noen år til. Men hvis du klarer å spesifisere problemet, bruke menneskelig erfaring til å spisse utfordringen og lage noen rammer som AI kan operere innenfor, da kan du få til mye spennende, avslutter AI-direktøren.