I løpet av de siste årene har kunstig intelligens blitt en større og større del av hverdagen. En gang bare fôr for science fiction-bøker, brukes AI nå i bransjer som spenner fra markedsføring til helsetjenester. Innen 2025 forventes det globale markedet for AI-programvare alene å vokse til 126 milliarder dollar.

Selv om AI er ganske vanlig nå, er det fortsatt en teknologi i sin spede begynnelse. I løpet av de kommende årene og tiårene vil AI og andre teknologier revolusjonere verden, og åpne opp store muligheter for økonomisk og sosial utvikling. Her er det du trenger å vite om hvordan kunstig intelligens vil forandre verden.

Først, la oss forklare kunstig intelligens

Selv om de fleste har i det minste en generell forståelse av begrepet, er moderne kunstig intelligens et bredt og komplekst felt. Før vi går inn i hva AI kan oppnå i nær fremtid, la oss gå tilbake og ta en titt på hva kunstig intelligens egentlig er og hvordan den fungerer.

Hva skiller AI fra konvensjonell dataprogrammering?

For å starte, la oss vurdere hvordan kunstig intelligens skiller seg fra programmeringsmetodene som brukes i tradisjonelle datasystemer. I et konvensjonelt program skriver en programmerer et sett med instruksjoner som brukes av systemet for å behandle innganger. Selv om inngangene kan endres, forblir algoritmen som brukes til å behandle inngangen den samme og brukes til å produsere noe utdata.

AI, derimot, snur dette konseptet på hodet. I stedet for å gjøre en inngang til en utgang ved å bruke et sett med forhåndsbestemte instruksjoner, "lærer" et AI-program av inngangene det er gitt. Med andre ord, i stedet for en menneskelig programmerer som lager en algoritme for håndtering av input, utvikler datamaskinen og forbedrer deretter kontinuerlig sin egen algoritme. Dette gjør at programmet gradvis kan bli bedre på en gitt oppgave ettersom det trenes med store datasett og gir tilbakemelding på nøyaktigheten av resultatene. I stedet for å bruke et sett med regler for å gjøre en inngang til en utgang, trenes AI til å "lære" reglene for en gitt oppgave mens den går.

Typer AI

Grovt sett kan AI deles inn i to grunnleggende kategorier. Den første, kjent som smal kunstig intelligens, refererer til evnen til å utføre en snevert definert oppgave eller et sett med oppgaver. Et smalt AI-system kan brukes til å spille et spill, anbefale produkter basert på mønstre i kundedata eller administrere elektriske nett i henhold til strømforbruk. Det skal bemerkes at en oppgave ikke trenger å være enkel for å kunne løses av et smalt AI-system. Et kunstig intelligensprogram som brukes til å kontrollere en selvkjørende bil, for eksempel, regnes fortsatt som et eksempel på smal AI, til tross for kjøringens relativt komplekse natur.

Den andre typen AI blir referert til som generell AI. I motsetning til en smal AI, vil et generelt AI-system være i stand til å håndtere en rekke forskjellige og ikke-relaterte oppgaver ved å lære av og bruke tidligere erfaring. I denne forstand vil en generell AI være lik et menneske. Unødvendig å si er generell AI en langt mer avansert og teknologisk krevende anvendelse av kunstig intelligens enn smal AI.

En utvidelse av generell AI er begrepet kunstig superintelligens. Hypotetisk sett kunne et AI-program designet for å håndtere generelle oppgaver og gitt tilgang til tilstrekkelig stort minne og databehandlingsressurser til slutt overgå mennesker i nesten alle oppgaver. Selv om det er spennende, er kunstig superintelligens fortsatt innenfor science fiction-området.

Forstå maskinlæring og dyp læring

I tillegg til de grunnleggende typene AI diskutert ovenfor, er det flere tilnærminger til implementering av kunstig intelligens. De to viktigste AI-metodene er kjent som maskinlæring (ML) og dyp læring (DL).

Maskinlæring er en metode der datamaskiner er i stand til å "lære" av data som er gitt til dem. ML-systemer trener algoritmer for å identifisere mønstre eller andre egenskaper ved innganger på riktig måte. Etter hvert som tiden går, vil algoritmen bli stadig bedre til å utføre oppgaven den blir opplært til å utføre. ML er mye brukt i prediktiv analyse, e-postfiltrering, oppdagelse av svindel på nettet, chatbots for kundestøtte og en rekke andre nyttige oppgaver. For at treningen skal fungere, må imidlertid mennesker generelt velge egenskapene til dataene algoritmen trenes til å identifisere.

Deep learning, en mer avansert versjon av maskinlæring, tar dette konseptet til neste nivå. Dyplæringsprogrammer forsøker å etterligne hvordan den menneskelige hjernen fungerer ved automatisk å filtrere og klassifisere data. I motsetning til vanlig ML, kan en DL-algoritme oppsøke og lære av mønstre i data selv uten at et menneske forteller det hva det skal se etter. På grunn av deres evne til å finne mønstre på egen hånd, brukes DL-systemer vanligvis i mer avanserte applikasjoner, som datasyn og autonome kjøretøy. Til tross for at den er mer avansert og kraftigere, har dyp læring visse begrensninger. Som regel krever DL-algoritmer større treningsdatasett og mer prosessorkraft, noe som gjør dem mer kostbare å utvikle og trene enn vanlige ML-algoritmer.

Den nåværende tilstanden til AI-teknologi

For å forstå hvor kunstig intelligens går, er det først viktig å vite hvor den står for øyeblikket og hvordan den kom dit. For kontekst, la oss ta en titt på historien til kunstig intelligens og statusen til teknologien slik den eksisterer i dag.

En kort historie om AI

Selv om det var tidligere presedenser, ble begrepet "kunstig intelligens" brukt for første gang på en akademisk konferanse i 1956. Den konferansen og dens deltakere satte i gang en bølge av interesse for konseptet kunstig intelligens, men fremgangen på feltet viste seg å være ekstremt sakte. På midten av 1970-tallet hadde den første bølgen av entusiasme stort sett falmet, noe som resulterte i det som har blitt kjent som AI-vinteren. Denne perioden med stagnasjon skulle vare til begynnelsen av 1980-tallet.

Etter hvert som datakraften fortsatte å forbedre seg, begynte imidlertid myndigheter og bedrifter å interessere seg for AI på nytt. Denne perioden vil føre til betydelige fremskritt på feltet, inkludert utvikling av tidlig dyp læring. Dette var også epoken som så fremveksten av ekspertsystemer, dataalgoritmer designet for å etterligne menneskelig beslutningstaking ved å sjekke inndata mot en eksisterende kunnskapsmengde. Selv om de var primitive etter dagens standarder, representerte ekspertsystemer en tidlig form for AI som var nyttig i virkelige forretningsapplikasjoner.

På 1990-tallet og begynnelsen av 2000-tallet begynte AI å nærme seg sin nåværende tilstand. Tidlige AI chatbots, datasynsprogrammer og andre applikasjoner som er relativt vanlige i dag ble utviklet i denne perioden. Samtidig fortsatte datakraften å vokse, slik at AI-algoritmer ble mer nyttige og førte til økt bruk av maskinlæring.

Hvor er AI i dag?

I dag bruker banebrytende AI-programmer hovedsakelig en form for maskinlæring kjent som et kunstig nevralt nettverk (ANN). ANN-er modellerer hvordan nevroner fungerer i den menneskelige hjernen, slik at maskiner kan "tenke" mer som mennesker. ANN-er lar AI-er nærme seg mer komplekse oppgaver, noe som gjør dem egnet for raskt å trene dyplæringsalgoritmer.

Når det gjelder applikasjoner, har AI-bruken utvidet seg kraftig de siste årene. I dag finner du AI-programmer som brukes til å gjøre alt fra å kurere sosiale medier til å forbedre avlingene i landbruket. Selv om det gis mye oppmerksomhet til teknologiens bruk i selvkjørende biler og autonome droner, er realiteten at AI-systemer er praktisk talt overalt, og de fleste samhandler med dem i en viss kapasitet på daglig basis.

Til tross for spredningen og det brede spekteret av bruksområder, er kunstig intelligens fortsatt i høy grad et teknologisk felt i fremgang. Søknader som er vanlig i dag ville ha vært lite mer enn akademiske prosjekter for 10 eller 20 år siden. Det er også viktig å merke seg at all moderne kunstig intelligens er kategorisert som smal kunstig intelligens. Selv om det kan være ganske effektivt til visse oppgaver, er AI fortsatt godt bak mennesker når det gjelder generell intelligens. I gjennomsnitt tror de fleste eksperter at det vil være minst 2060 før generell kunstig intelligens er oppnådd.

Hvilke selskaper er i ledelsen på AI i dag?

Selv om det er en rekke små startups som forsøker å utnytte AI-teknologi, domineres feltet i stor grad av en håndfull store, suksessrike selskaper med ressursene og ekspertisen til å bruke teknologien til det fulle. Nedenfor finner du en oversikt over noen av de ledende selskapene innen kunstig intelligens i dag.

Google

Som vanlig i teknologiverdenen er Google i forkant av AI-bevegelsen. Google bruker ulike former for kunstig intelligens, spesielt dyp læring, for å drive mange av sine forbrukerrettede tjenester. Stemmegjenkjenning i Google Assistant, bildegjenkjenning og automatisk videoanalyse er bare noen få eksempler på hvordan selskapet har implementert teknologien på et praktisk nivå.

Selv om Google absolutt er ledende innen implementering av AI, har selskapets viktigste bidrag til feltet vært opprettelsen av et åpen kildekode maskinlæringsbibliotek kalt TensorFlow. Ved å la alle med interesse for kunstig intelligens utvikle nye verktøy ved hjelp av TensorFlow, har Google massivt demokratisert feltet. Som forfatteren av hovedverktøyet med åpen kildekode som brukes til å utvikle AI-programmer i dag, er Google uten tvil den globale lederen innen kunstig intelligens.

Amazon

Mens Google absolutt leder når det gjelder AI-utvikling, har Amazon utnyttet teknologien for å optimalisere forretningsfunksjonene sine og vist frem de pragmatiske resultatene AI kan gi. I tillegg til sin berømte AI-drevne produktanbefalingsmotor, har Amazon utviklet den personlige Alexa-assistenten på den kundevendte siden av virksomheten. Den virkelige kraften til AI hos Amazon er imidlertid bak kulissene, der maskinlæring har gjort det mulig for selskapet å forbedre lagerdriften sin massivt. Lignende systemer brukes også for å optimere selskapets leveringsprosesser, for å sikre at de utallige pakkene som håndteres av Amazon hver dag når sine destinasjoner så raskt som mulig.

Bitmain

Selv om den ikke er like høyprofilert som Google eller Amazon, har Bitcoin-gruvebrikkeprodusenten Bitmain også gitt noen viktige bidrag til AI-verdenen. I april 2020 avslørte selskapet at det hadde utviklet en programvare for AI-bildegjenkjenning ment å identifisere sjeldne, truede fugler for bevaringsformål. Bitmain bruker også sin AI-kompatible chip-maskinvare for å støtte utvikling av prosjekter som spenner fra smarte byer til forbedrede ansiktsgjenkjenningssystemer.

Tesla

Som du kanskje forventer, har den elektriske bilprodusenten Tesla lenet seg inn i AI som en nøkkelkomponent i virksomheten sin mens den presser på for å utvikle helt autonome nyttekjøretøyer. Faktisk har selskapet forberedt sitt AI-kjøresystem siden dag én ved å utstyre hvert kjøretøy det selger med maskinvaren som kreves for selvkjøring. Etter hvert som nye autonome kjørefunksjoner utvikles, kan Tesla ganske enkelt sende dem i form av en programvareoppdatering.

I 2019 gikk Tesla til og med så langt som å kjøpe AI-startup DeepScale for å støtte utviklingen av autopilotsystemet. Denne avgjørelsen demonstrerte hvor viktig selskapet mener AI-teknologi er for fremtiden, samt hvor mye verdi oppstarter med fokus på kunstig intelligens-teknologi kan ha på markedet.

Utover det selvkjørende systemet, planlegger Tesla også å distribuere kunstig intelligens som en del av sitt virtuelle kraftverkprosjekt. Dette grønne energiprosjektet, ment å supplere eller erstatte tradisjonelle kraftverk med solenergi til hjemmet, vil bruke AI-analyse for å forutsi bruk og etterspørsel, slik at VPP-nettet kan foreta justeringer etter behov i timer med høy etterspørsel.

Hvordan AI fundamentalt vil forandre verden

Kunstig intelligens er ulikt noe annet verktøy som noen gang er utviklet av menneskeheten. Ved å la datamaskiner lære og tenke på egenhånd, har AI-systemer potensialet til å hjelpe menneskelige arbeidere i selv de mest komplekse oppgavene. Ved å kombinere menneskelig intellekt med stadig kraftigere AI, er teknologien klar til å fundamentalt endre nesten alle områder av det moderne livet. Selv om det ville være umulig å utforske hver eneste bruk av AI i en enkelt artikkel, finner du noen av de viktigste områdene som kunstig intelligens er satt til å revolusjonere oppført nedenfor.

Helse og medisin

Det medisinske feltet er uten tvil et av områdene der AI kan ha størst grad av innvirkning. AIs applikasjoner i medisinske omgivelser begynner med diagnostikk. Ved å skanne medisinske data for tydelige tegn på sykdom, har diagnostiske algoritmer vist seg å nøyaktig diagnostisere tilstander tidligere enn medisinske fagfolk. Imponerende nok kan denne teknologien fungere selv uten samarbeid fra en utdannet lege. I 2018 godkjente FDA bruken av et AI-diagnoseverktøy for å oppdage diabetisk retinopati ved hjelp av skanninger av en pasients øyne. Dette systemet fungerer uavhengig av en spesialisert diagnostiker, og krever kun en lavere kvalifisert arbeider for å ta skanningene. Slike systemer kan en dag muliggjøre raskere og mer nøyaktige diagnoser i en primærhelsetjeneste.

Rollen til AI i medisin slutter imidlertid ikke med diagnostikk. Teknologien kan også brukes for å gjøre legemiddeloppdagelsesprosessen både raskere og rimeligere. Ved å bruke databaser med kliniske studier og akademiske forskningsartikler, kan AI-er raskt identifisere kandidatforbindelser som er kjent for å samhandle med patologien til en gitt sykdom. Ved å sammenligne vevsprøver fra pasienter med og uten en spesifikk sykdom, kan AI-medisinoppdagelsessystemer også avdekke ny informasjon om hvordan sykdommen utvikler seg i menneskekroppen. Denne innsikten kan da gi anbefalinger om kjemiske forbindelser som kan vise seg å være effektive, selv om de ikke tidligere har vært assosiert med den aktuelle tilstanden.

Selv i det høye innsatsområdet kirurgi, oppdager helsepersonell og forskere forbedrede roller for kunstig intelligens. Ved å lære av tidligere kirurgiske planer, kan AI-er hjelpe kirurger ved å foreslå nye kirurgiske planer for lignende tilfeller. Integrering av kunstig intelligens kan også forbedre kirurgiske roboter betraktelig, slik at de kan utføre et bredere og mer komplekst spekter av oppgaver for mer effektivt å hjelpe den overvåkende menneskelige kirurgen.

Til slutt kan AI-prediktiv analyse en dag være i stand til å identifisere potensielle epidemier og hjelpe spesialister på infeksjonssykdommer med å koordinere responser. Denne evnen ble demonstrert i begynnelsen av COVID-19-pandemien, da en håndfull AI-programmer ga tidlige advarsler om et mulig utbrudd av luftveissykdom i Wuhan, Kina, mer enn en uke før WHO offisielt anerkjente begynnelsen av utbruddet. Med fremtidige forbedringer kan slike prediktive analyseprogrammer gi tidligere og mer handlingskraftig innsikt i nye helsetrusler. Lignende systemer kan også brukes til å forberede sykehus til å håndtere et stort antall pasienter ved å optimalisere ressursbruken og la sykehuspersonalet planlegge for scenarier med høy etterspørsel på forhånd.

Sett under ett viser disse bruksområdene en rolle for AI i det medisinske feltet som strekker seg fra forskning til praktisk pasientbehandling. Enhver av disse teknologiske fremskrittene ville være ekstremt nyttige alene, men deres kollektive utvikling vil revolusjonere medisinske fagfolks evne til å forstå og håndtere menneskelige sykdommer.

Næringsliv og finans

Akkurat som i helsevesenet er AI satt til å endre og optimalisere praktisk talt alle deler av den moderne forretningsverdenen. Virkningene av kunstig intelligens i virksomheten begynner med å gi datadrevet innsikt for beslutningstaking. Fra å allokere ressurser i markedsføringskampanjer til å bestemme hvilken kandidat de skal ansette for en jobb, AI-analyse kan hjelpe bedrifter til å ta bedre og mer lønnsomme valg. Disse systemene er spesielt godt egnet for arbeidsplassens stadig mer digitale natur, ettersom moderne virksomheter genererer enorme mengder data som AI-algoritmer kan lære av for å optimalisere forretningsdriften.

Kunstig intelligenss evne til raskt å analysere hvordan komplekse systemer fungerer, gjør den også perfekt egnet for forsyningskjedestyring. De siste tiårene har globale forsyningskjeder vokst seg lengre og mer komplekse enn noen gang før. Ved å bruke kunstig intelligens kan imidlertid bedrifter proaktivt forutsi etterspørsel, gjøre varehus mer effektive og optimalisere leveringsruter for å sikre at forsyningskjeden går så jevnt og raskt som mulig. I følge en fersk undersøkelse utført av McKinsey and Company forventer 61 prosent av bedriftene å se besparelser i forsyningskjedestyring som et resultat av AI-integrasjon.

Det er imidlertid viktig å merke seg at AIs innflytelse i næringslivet ikke slutter med logistikk, planlegging og analyser. I de kommende årene vil kunstig intelligens sannsynligvis ha like stor tilstedeværelse på fabrikkgulvene som i bedriftens styrerom. Den samme McKinsey-undersøkelsen nevnt ovenfor antydet at 64 prosent av virksomhetene forventer å se besparelser i produksjonsvirksomheten som et resultat av AI. I stor grad vil disse besparelsene være et resultat av prediktive vedlikeholdssystemer som overvåker utstyrsytelsen og planlegger vedlikehold for å minimere nedetid. Generative algoritmer kan også brukes til å optimalisere digitale produktdesign, og potensielt fange opp designfeil tidlig og derved redusere lengden og kostnadene for prototypingprosessen.

AI er også klar til å ha en massiv innvirkning på den økonomiske siden av forretningsverdenen. Det mest fremtredende eksemplet på dette er Fintech-industrien, der AI allerede blir utnyttet for å tilby rimelige, tilgjengelige finansielle tjenester i stor skala. Fra investeringer til kredittbeslutninger spiller AI en stadig større rolle i finanslivet. Etter hvert som tiden går og algoritmene fortsetter å forbedres, er det sannsynlig at kunstig intelligens vil bli brukt til å optimalisere utlån, håndtere finansiell risiko og til og med analysere historiske aksjemarkedsdata for å forbedre allokeringen av ressurser i investeringsporteføljer.

Som med det medisinske feltet, ser AI ut til å ta på seg en ende-til-ende-rolle i forretningsverdenen. Fra og med produktdesign og slutter med leveringslogistikk, kan kunstig intelligens optimalisere praktisk talt hvert trinn i prosessen med å levere varer og tjenester til forbrukere. Sammen vil disse utviklingene gjøre virksomheter mer smidige, mer lydhøre overfor endrede forbrukerkrav og mer lønnsomme.

Engineering

Som vi allerede har nevnt, kan AI spille en viktig rolle i å optimalisere produktdesign. Teknologiens evner innen ingeniørfag er imidlertid mye bredere. En av de viktigste rollene for denne nye teknologien er å integrere datasett fra flere ingeniørprosjekter. Takket være sin evne til å analysere enorme mengder data, kan AI hente nyttig innsikt fra flere prosjekter i samme selskap og levere denne innsikten til ingeniører som jobber med hvert prosjekt. Dette kan igjen forbedre samarbeidet og koordineringen mellom ingeniører med ansvar for hver enkelt del av en større prosjekteringsinnsats.

AI kan også frigjøre ingeniører til å utføre arbeid med høy innflytelse ved å automatisere tidkrevende oppgaver som normalt bremser designprosessen. I denne forstand vil avanserte AI-systemer integrere seg i den tekniske arbeidsflyten på omtrent samme måte som tradisjonelle datastøttet design (CAD)-programmer gjorde for tiår siden.

Den virkelige kraften til AI fra et ingeniørperspektiv kommer imidlertid fra teknologiens evne til å hjelpe ingeniører og forskere med å utvikle nye materialer for spesialisert bruk. AI kan støtte avansert materialvitenskap ved å modellere nye materialer og forutsi egenskapene deres. Denne evnen til nøyaktig å forutsi egenskapene til et nytt materiale vil gjøre det mulig for materialforskere å produsere nye materialer raskere enn konvensjonelle forskningsmetoder tillater i dag. Dette vil igjen utvide utvalget av materialer tilgjengelig for ingeniører for deres prosjekter.

Løse samfunnsproblemer

I tillegg til det enorme potensialet i privat sektor, har AI også en stor rolle å spille for å løse presserende problemer som det moderne samfunnet står overfor. Selv om løsninger på disse problemene har unngått regjeringen og akademiske eksperter i flere tiår, kan AI være et kritisk verktøy for å hjelpe menneskeheten med å takle noen av sine største utfordringer.

Først og fremst blant disse er selvfølgelig klimaendringene. AI-teknologi er unikt posisjonert for å hjelpe forskere og offentlige beslutningstakere til å forstå klimaendringer ved å lage mer nøyaktige modeller av effektene. Disse modellene kan også brukes til å bestemme hvilke handlinger og retningslinjer som mest sannsynlig vil redusere atmosfæriske nivåer av karbondioksid, slik at regjeringer kan gripe inn på målrettede, virkningsfulle måter. Teknologien kan også påvirke karbonutslipp direkte ved å optimalisere strømforbruket og drive raskere fremskritt innen grønn energiteknologi.

Når det gjelder mer verdslige menneskelige anliggender, kan AI også være et kritisk verktøy i den pågående globale innsatsen for å begrense offentlig korrupsjon. På omtrent samme måte som prediktiv analyse kan brukes til å oppdage svindel i transaksjoner i privat sektor, kan AI-systemer brukes til å avdekke upassende bruk av ressurser i offentlig sektor. Det kan også være mulig å redusere sjansen for at korrupt aktivitet oppstår i utgangspunktet ved å automatisere systemer som tidligere var avhengige av mennesker. Slik automatisering vil begrense mulighetene for korrupt aktivitet ved å eliminere det potensielt upålitelige menneskelige elementet og sikre at offentlige midler ble fordelt riktig.

Selv om dens rolle i dette området sannsynligvis vil være mindre, kan kunstig intelligens være i stand til å støtte innsatsen for å øke tilgangen til rimelige boliger. AI-systemer som mer nøyaktig modellerer risiko og kan ta utlånsbeslutninger autonomt, vil redusere kostnadene ved å initiere lån. Ved å bruke data utover en enkel kredittscore for å ta kredittbeslutninger, kan algoritmer også hjelpe personer som ikke er kredittverdige i tradisjonell forstand med å finansiere boligkjøp.

Løftet om generell kunstig intelligens

Så revolusjonerende som mulighetene diskutert ovenfor kan virke, er de alle realistisk oppnåelige med snever kunstig intelligens. Hvis generell AI noen gang oppnås, kan dens evner utvides langt utover det som har blitt diskutert så langt. Futurister tror at en generell kunstig intelligens kan oppnå tilsynelatende umulige mål som å få slutt på kriger eller å utrydde menneskelig fattigdom. Noen tenkere er enda mer dristige, og antyder at utviklingen av generell kunstig intelligens kan være et springbrett mot å gjøre mennesker digitalt udødelige ved til slutt å la menneskelig bevissthet kjøre på maskinvare.

Hvordan henger det hele sammen?

Som du kan se, er det praktisk talt ikke noe område i det daglige livet som AI ikke vil ha i det minste noen effekt på ettersom teknologien forbedres og bruken blir mer vanlig. Fra arbeid og helse til å løse noen av verdens største problemer, kunstig intelligens vil jobbe sammen med menneskelig oppfinnsomhet for å forbedre nesten alle aspekter av livene våre. Som et resultat vil de kommende tiårene være en periode med raske endringer og store muligheter for både samfunn, bedrifter og enkeltpersoner til å utnytte kraften til AI.

Hvordan AI kan grensesnitt med andre nye teknologier

Så klart som det er at AI har et enormt løfte selv i sin nåværende tilstand, vil dens virkelige kraft bli hentet frem av andre banebrytende teknologiske utviklinger. I denne delen vil vi diskutere AIs forhold til tingenes internett, kvantedatabehandling og 5G-kommunikasjonsnettverk. Selv om disse teknologiene er revolusjonerende i sine egne rettigheter, har de også integrerte deler å spille for å la kunstig intelligens nå sitt fulle potensial.

Internet of Things (Iot)

I løpet av de siste årene har antallet Internett-tilkoblede enheter økt enormt. I tillegg til smarttelefoner og datamaskiner har hverdagsting fra termostater til vaskemaskiner fått internettilgang. Samlet er dette verdensomspennende nettverket av enheter kjent som tingenes internett, eller IoT. Ved utgangen av 2019 besto IoT av rundt 7,6 milliarder enheter over hele verden.

Når de kombineres med AI, kan disse IoT-enhetene bli langt mer effektive og nyttige enn de er i dag. AI-algoritmer kan brukes til å forbedre effektiviteten i driften ved å analysere data fra IoT-enheter på arbeidsplassen. På samme måte kan tilkoblede enheter på arbeidsplassen kommunisere med AI-systemer som kan forutsi og redusere risiko før de har en sjanse til å forårsake alvorlige forretningsforstyrrelser.

AI kan også brukes for å forbedre IoT-enheter selv. AI-systemer integrert i droner, roboter, selvkjørende biler og andre smarte enheter kan tillate dem å fungere uavhengig og utføre oppgaver som normalt vil kreve menneskelig kontroll. Gjennom slike enheter kan AI faktisk samhandle med den fysiske verden, i stedet for bare å gi innsikt basert på digitale data.

Quantum Computing

Kvantedatabehandling er kanskje den teknologien som holder størst løfte når den brukes sammen med AI. Dette skyldes den enorme beregningskraften som gjør at disse enhetene kan behandle data raskere enn noen konvensjonell datamaskin noensinne kunne håpe på. I dag kan den raskeste kvantedatamaskinen i verden fullføre en beregning på omtrent 200 sekunder som ville tatt en konvensjonell superdatamaskin årtusener å utføre. Gitt at denne teknologien fortsatt er i sin tidlige fase, er det liten tvil om at de kommende årene vil bringe enda raskere og kraftigere kvantedatamaskiner.

Takket være denne sterkt forbedrede hastigheten, kunne kvanteberegning tillate AI-algoritmer å løse store, komplekse problemer som for øyeblikket vil kreve uoverkommelige dataressurser. Med denne teknologien kan AI brukes på selv de mest kompliserte utfordringene.

Bortsett fra å bare løse spesifikke problemer gitt til det, kan et AI-system drevet av en kvantedatamaskin også finne tidligere uoppdagede mønstre i selv de største datasettene. Disse mønstrene kan deretter brukes til å utlede nyttig innsikt som ikke umiddelbart ville være åpenbar for et menneske, og utvide det potensielle utvalget av løsninger generert av AI.

5G kommunikasjon

For å fullt ut frigjøre potensialet til kunstig intelligens som fungerer sammen med IoT-enheter, må store mengder data overføres raskt. Det er her 5G-nettverk kommer inn i bildet. Med overføringshastigheter på opptil 10 gigabit per sekund, kan 5G-teknologi håndtere de enorme datamengdene som IoT-enheter snart vil levere til AI-algoritmer.

Interessant nok forventes dette forholdet å løpe begge veier. Mens 5G-nettverk vil støtte AI ved å tillate fri flyt av data, er det svært sannsynlig at disse nettverkene selv vil bli administrert av AI-systemer. Ved å bruke prediktiv analyse drevet av AI, kunne telekommunikasjonsselskaper forutsi trafikktopper og allokere ressurser deretter. Dette er bare ett eksempel på hvordan AI kan danne symbiotiske relasjoner med andre teknologier når de utvikler seg sammen.

Ulempene med kunstig intelligens-teknologi

Til tross for alt det lover, har AI-teknologien også visse ulemper. Mens kritikk av teknologien spenner vidt og bredt, er to av de vanligste problemene som reises rundt utbredt bruk av AI potensialet til å automatisere tradisjonelt trygge jobber og et fenomen kjent som black box-problemet.

De utilsiktede økonomiske konsekvensene av AI

Siden AI først ble en realitet, har kritikere hevdet at det vil erstatte mennesker og forårsake massive tap av arbeidsplasser. Selv om effekten av kunstig intelligens på sysselsettingen sannsynligvis er overdreven, er det en viss sannhet i ideen om at teknologien kan forstyrre arbeidsmarkedet og midlertidig fortrenge arbeidere i visse roller.

For å forstå den fulle effekten av disse forskyvningene, er det først viktig å se på hvor bred AI-automatisering kan være. Tradisjonelt har automatisering hatt sin største innvirkning i produksjonssektoren, der den har tillatt arbeidere å bruke mindre tid på enkle, repeterende oppgaver. AI, på den annen side, har potensial til å automatisere oppgaver som tidligere krevde menneskelig tanke. Fagfolk innen helsevesen, juss og ingeniørfag er blant dem hvis jobb sannsynligvis vil bli utsatt for den neste bølgen av teknologiske endringer på arbeidsplassen.

Selv om det er bred enighet om at mange jobber vil møte en viss grad av automatisering som følge av kunstig intelligens i nær fremtid, varierer estimatene for antall jobber som vil gå tapt mye. Ekstreme estimater tyder på at så mye som 30 prosent av dagens globale arbeidsstyrke kan bli fordrevet av teknologiske endringer innen 2030. Andre anslag er imidlertid mye mer moderate.

Black Box-problemet

En av de vanskeligste utfordringene AI står overfor er det såkalte black box-problemet. Dette fenomenet oppstår når avansert AI, for eksempel et dyplæringssystem, brukes på komplekse problemer. Ofte vil algoritmen fungere som en "svart boks", som tar input og genererer utdata for å løse problemer på en måte som selv menneskelige AI-designere ikke kan forstå fullt ut. Med andre ord, selv menneskene som er ansvarlige for å lage AI-systemer er noen ganger ute av stand til å forklare hvordan eller hvorfor de kommer til konklusjonene de gjør.

Black box-problemet byr på flere problemer for implementering av stadig mer avansert kunstig intelligens. Uten en skikkelig forståelse av hvordan en AI løser problemet den har fått, er det mye mindre sannsynlig at mennesker stoler på svaret systemet gir. I noen tilfeller gir AI-systemer useriøse resultater på grunn av mangel på relevante input. Takket være black box-problemet kan disse resultatene virke umulige å skille fra riktige svar, siden det ikke er noen god måte å fortelle hvordan systemet nådde sin konklusjon. Som et resultat har black box-problemet dype implikasjoner for nøyaktigheten til AI-systemer og menneskelig tillit til dem.

I noen tilfeller er selvfølgelig unøyaktige resultater eller mangel på menneskelig tillit små problemer. En AI-drevet chatbot som ikke klarer å gi et relevant svar på et kundespørsmål, for eksempel, er upraktisk, men relativt ufarlig. I viktigere oppgaver må mennesker imidlertid ha et høyt nivå av tillit før AI-teknologi kan realisere sitt fulle potensial. En forbruker som tror at en autonom bil sannsynligvis vil gjøre en feil og forårsake en trafikkulykke, vil sannsynligvis ikke velge å kjøpe den bilen. Slik mangel på menneskelig tillit kan i betydelig grad holde tilbake adopsjonen og utviklingen av kunstig intelligens.

Dette problemet kan til og med føre til at maskiner utvikler skjevheter som har virkelige effekter. AI-systemer som brukes til å evaluere risikonivåer i det juridiske systemet, har for eksempel som kjent utvist rasemessig skjevhet ved å merke medlemmer av minoritetsgrupper som mer sannsynlig å begå forbrytelser i fremtiden. Selv om det er kjent at AI-algoritmer tar disse beslutningene basert på datainndataene de er trent med og gitt til å evaluere, gjør black box-problemet det vanskelig å fjerne denne skjevheten fra systemet.

Kan AI overvinne disse utfordringene?

Samlet sett gjør fordelene med AI det ekstremt verdt å finne løsninger på problemene den presenterer. Heldigvis er disse utfordringene ikke så uoverkommelige som de ser ut på overflaten. Når det gjelder black box-problemet, er større åpenhet angående den indre funksjonen til algoritmer et sannsynlig grunnlag for en løsning. Ved å la mennesker lettere skjelne hvordan et AI-system kom til en gitt konklusjon, kan gjennomsiktige systemer løse eller i det minste vesentlig redusere black box-problemet.

Når det gjelder de økonomiske omveltningene forårsaket av AI-automatisering, er det viktig å huske på at nye jobber vil bli skapt etter hvert som gamle blir foreldet. Dette konseptet, kjent formelt innen økonomi som kreativ ødeleggelse, har holdt seg i andre perioder med massiv teknologisk endring. Faktisk er det noen estimater som tyder på at AI vil være en netto skaper av arbeidsplasser. En rapport fra World Economic Forum fra 2018 fant at AI-teknologi ville skape 133 millioner arbeidsplasserinnen 2022 og fortrenge bare 75 millioner eksisterende arbeidere. Forutsatt at disse anslagene er korrekte, vil nettoeffekten av AI-automatisering være en gevinst på rundt 58 millioner jobber. Hvis jobbtrening gjøres tilgjengelig for å hjelpe fordrevne arbeidere med å finne nye roller i den moderne økonomien, kan kunstig intelligens åpne for nye, bedre betalte jobber for millioner av mennesker over hele verden.

Fremtiden til AI

Som du kan se, er mulighetene knyttet til kunstig intelligens de kommende årene intet mindre enn enorme. Denne teknologien har kraften til å transformere bransjer, skape nye måter å jobbe på og til og med løse noen av de største problemene samfunnet vårt står overfor. Selv om ingen nøyaktig kan forutsi hver bruk som AI vil ha måneder eller år fra nå, er det ekstremt klart at AI vil være en av drivkreftene i den globale økonomien i overskuelig fremtid.

Opptakskilde: datarecovery.com