Vad och varför AI?

För flera decennier sedan programmerade jag en enkel chatbot vid namn Eliza som utgav sig för att vara en psykolog. Knappast trodde jag då att det skulle bli något som jag kom att jobba med sen. Visserligen var Eliza besvärande enkel i sitt sätt att fungera - hon identifierade nyckelord och fraser och svarade då oftast genom att vända på meningen - ungefär så här: 

Patrik: I feel sad.

Eliza: Please tell me why you are feeling sad. 

Patrik: Everyone laughs at me when I tell them that I chat with you. 

Eliza: How do you feel when everyone laughs at you when you tell them that you chat with me? 

Ja, du förstår hur det funkade. En rolig anekdot är att när chatboten var helt förvirrad och inte förstod något alls så hade den tre trumfkort att ta till – som den spelade ut genom att skriva någon av följande fraser: 

”I see” 

”Please elaborate” 

”Tell me about your father” 

Även om detta inte är något som vi tycker är speciellt imponerande idag är det ändå ett exempel på en artificiell intelligens (AI). Många av oss rynkar på pannan när vi konfronteras med att något så enkelt är en AI. Vi vill alla att det ska vara något mer avancerat och glömmer att Eliza ansågs som avancerat på den tiden.  

Vad är artificiell intelligens?  

När man försöker definiera [1*] AI blir det genast problematiskt när man försöker peka på att det ska innehålla maskininlärning (eng. ”machine learning”) och andra tekniker. Ofta försöker vi säga att det ska vara något coolt, något med ”wow”, men det ändras också med åren.  

Så här skrev John McCarthy som tidigt myntade begreppet Artificiell Intelligens: 

“… making a machine behave in ways that would be called intelligent if a human were so behaving” [2*] 

Med andra ord är det inte helt lätt att bli överens om en definition som vi faktiskt har någon nytta av. Jag har personligen mer börjat värdera vad AI:n kan göra för oss, dvs. vilken (affärs)nytta den kan skapa. Om det går att åstadkomma nyttan utan ”AI” så ser jag få problem med det. Dock finns det vissa uppgifter som löses bättre eller enbart om vi använder någon form av AI. 

Varför vill vi använda artificiell intelligens? 

Det finns vissa problem som idag bara kan lösas bra om vi använder artificiell intelligens. Ett bra exempel är bildanalys med hjälp av djupa neurala nätverk (DNN). Här använder man ofta en speciell typ av DNN:er som kallas Convolutional Neural Networks (CNN) som ursprungligen togs fram utifrån en förståelse av hur vår syn fungerar.  I figuren nedan ser vi hur ett sådant nätverk sätts samman av lager av “neuroner” som bearbetar det som vi ser och skickar vidare till nästa lager som fortsätter att bearbeta insignalerna – men nu på en mer abstrakt nivå. De första lagren till vänster i bilden kan typiskt identifiera linjer, kryss, fyllda cirklar osv. De påföljande lagren bygger successivt en mer komplex tolkning av bilden, t.ex. hjul, lyktor och vindruta – vilka sedan sätts ihop till en tolkning av att detta är just en bil. 

Figur 1. Illustration av ett CNN från A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way [3*]. 

Djupa neurala nätverk blir bra genom att man tränar dem på stora mängder exempel av indata, t.ex. bilder, så att de till slut lär sig känna igen något eller bedöma något.   

Vi kan idag inte göra bildanalys för t.ex. självkörande bilar eller ansiktsigenkänning på något annat sätt än med DNN:er. Det är med andra ord möjligt att lösa problem som vi inte kunde lösa tidigare med hjälp av AI, något som påskyndats av ett antal konvergerande faktorer: 

1. Tillgång till enorma mängder datorkraft i datacenter (t.ex. i molnet) för att träna komplexa DNN:er 

2. Tillgång till enorma mängder data (inom vissa domäner) som kan användas för att träna DNN:erna på 

3. Färdigbyggda AI-komponenter, t.ex. för bildanalys, talanalys samt analys av text 

4. Tillgång till kapital för att investera i lösningar eftersom det finns ett enormt affärsvärde eller en enorm samhällsnytta i lösningarna 

Vem som helst kan få tillgänglighet till de tre första, vilket gör att företag och organisationer snabbt kan starta upp och bygga lösningar med ett minimum av tid och investeringar – vilket i sig attraherar kapital i form av investeringar. 

Nyckeln blir då att formulera ett business case som gör det troligt att vi kan skapa den verksamhets-nytta som vi önskar samt att säkerställa den organisatoriska förmågan som behövs för att realisera den önskade effekten. Men det är något som vi återkommer till i kommande artiklar.  

Vad kan en AI inte göra? 

Om vi återknyter till inledningen och tittar lite framåt - kommer vi kunna bygga en klyftigare Eliza? Eller finns det något som vi människor kan eller gör som vi aldrig kommer att kunna ersätta med en AI? Vad tror du? Ge gärna förslag till några sådana områden genom att skriva i kommentarsfältet nedan. Jag kommer sedan sammanställa vad ni skrivit och återkomma med en möjlighet att rösta om dessa. Därefter sammanställer jag resultatet och publicerar er gemensamma klokhet – vi hörs. 

Patrik Jonsson, Novatrox

Referenser: 

1 Här kan man läsa ett antal definitioner
2 A proposal for the Darthmouth summer research project on artificial intelligence
3 A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way, Sumit Saha