Smartest i klassen

I tydelighetens navn, kan vi glemme AI for godt og konsentrere oss om ML, data og smartness? Som finnes, virker, leverer og skaper levedyktige virksomheter ...

Vi har ingen ting imot AI - teknologien. Tvert imot – vi har levert et tosifret antall nøkterne og ofte optimistiske AI-relaterte artikler de siste årene. Men - som flere av nevnte artikler også poengterer - navnet skjemmer. AI som begrep forvirrer. Feil forventninger, inflaterte regnestykker, påfølgende nedturer og skuffelser. Investeringer og utviklingshastighet fluktuerer tilsvarende. Og mens eksperter og (i alle fall devis) investorer boltrer seg i dype faguttrykk og teknologisk potensiale, sitter markedet forvirret igjen. 

Dette er verken nyttig eller nødvendig. Realiteten er at markedet - verden - trenger mange av produktene og teknologiene som kalles AI, men sliter med å plassere dem i egen virkelighet og behovsbilde på grunn av forvirringen. 

Forvirringen starter og slutter med ordet 'intelligens'. Med mindre vi lager en 'oppgavetilpasset' og snever definisjon av intelligens, er 'kunstig intelligens' ikke-eksisterende. Ikke nødvendigvis permanent, men i lang tid fremover. Vi har studert GANs, jakten på reell intelligens (Genuine Human Intelligence - GHI, Artificial General Intelligence - AGI) og en rekke andre varianter, og finner i beste fall svake spor som kan minne om menneskelig intelligens. Selv menneskelig intelligens har uklare og sprikende definisjoner, der noen forskere finner 7 distinkte varianter, andre finner 12.

Vi har forståelse for opprinnelsen til AI - for mange tiår siden. Forskning koster, ideer skal selges og ord er ofte 'make it or break it'. Poenget er at dette er over 50 år siden. I 2021 vet vi bedre. Å fortsette å late som mer eller mindre smarte produkter er intelligente, ødelegger både markedet (forventningene) og energien i utviklingen. Hvorfor ikke kalle det 'smartness' i stedet for intelligens? For smarte er de, mange av løsningene og teknologiene. Veldig smarte, ofte mye smartere enn mennesker - på sine smale områder og gitt riktige data. Det er ikke bare bra, det er topp - viktig, nødvendig, i noen sammenhenger livsnødvendig. Som i utviklingen av Covid-vaksiner på rekordfart.

Britiske Pavan Vadapalli, som forsker på og underviser i AI/ML via nettlæringstjenesten UpGrad, oppsummerer forskjellen mellom kunstig og virkelig intelligens slik:

En kort, målrettet artikkel som effektivt plasserer begrepene slik verden ser ut i dag.

Med en annen innfallsvinkel – og fra den andre siden av Atlanteren – gjør økonomiprofessor Gary Smith følgende observasjon:

Referansen til Microsoft gjelder historien om chat-bot'en som gikk amok i en kundesamtale, og gikk til verbalt angrep på kunden på det aller groveste. Ingen god referanse, men heller ingen målestokk. Snarere en påminnelse om vårt poeng: Smartness og intelligens er ikke det samme, og dessuten: Dataene styrer resultatet, men det er mennesker som avgjør hvilke data som skal brukes og hvordan. Hvilket er professor Smith's fokus. Med tankevekkende eksempler gjennomgår han ni 'klassiske' fallgruver på veien fra data og data science til maskinlæring og smartness, og starter med å formulere utfordringen:

Smith's inspirerende gjennomgang er morsom, tankevekkende og fri for faglig sjargong. Vi er fristet til å kalle den 'pensum' for enhver leder og fagperson med 'kobling' til videreutvikling av virksomheten. For ingen virksomhet – forvaltning, helse, industri, finans, utdanning, hva-som-helst – vil overleve de neste årene uten raskt voksende bruk av ML og smart bruk av data. Smith (re-)introduserer sunn fornuft i ligningen med befriende realisme.

Å forstå rollene, sammenhengen og de grunnleggende utfordringene er en forutsetning for at bruken skal bli vellykket, som vi også var inne på Du kan bli den nye ML-sjefen nylig. Data er ‘den nye oljen’. Brukt optimalt skaper de overlevelse, noen ganger revolusjoner. Anvendt smartness.