Under de senaste åren har artificiell intelligens blivit en allt större del av vardagen. En gång bara foder för science fiction-böcker, används AI nu i branscher som sträcker sig från marknadsföring till hälsovård. År 2025 förväntas den globala marknaden för enbart AI-programvara växa till 126 miljarder dollar.

Även om AI är ganska vanligt nu, är det fortfarande en teknik i sin linda. Under de kommande åren och decennierna kommer AI och andra teknologier att revolutionera världen och öppna stora möjligheter för ekonomisk och social utveckling. Här är vad du behöver veta om hur artificiell intelligens kommer att förändra världen.

Låt oss först förklara artificiell intelligens

Även om de flesta människor har åtminstone en allmän förståelse för termen, är modern artificiell intelligens ett brett och komplext område. Innan vi går in i vad AI kan åstadkomma inom en snar framtid, låt oss ta ett steg tillbaka och ta en titt på vad artificiell intelligens egentligen är och hur den fungerar.

Vad skiljer AI från konventionell datorprogrammering?

Till att börja med, låt oss överväga hur artificiell intelligens skiljer sig från de programmeringsmetoder som används i traditionella datorsystem. I ett konventionellt program skriver en programmerare en uppsättning instruktioner som används av systemet för att bearbeta indata. Även om ingångarna kan ändras, förblir algoritmen som används för att bearbeta inmatningen densamma och används för att producera viss utdata.

AI, å andra sidan, vänder på det här konceptet. Istället för att förvandla en ingång till en utgång med hjälp av en uppsättning förutbestämda instruktioner, "lär sig" ett AI-program av ingångarna det ges. Med andra ord, snarare än att en mänsklig programmerare skapar en algoritm för att hantera indata, utvecklar datorn och förbättrar sedan kontinuerligt sin egen algoritm. Detta gör att programmet successivt kan bli bättre på en given uppgift eftersom det tränas med stora datamängder och ger feedback om exaktheten i dess resultat. Istället för att använda en uppsättning regler för att omvandla en input till en utgång, tränas AI för att "lära sig" reglerna för en given uppgift när den går.

Typerna av AI

I stort sett kan AI delas upp i två grundläggande kategorier. Den första, känd som smal artificiell intelligens, hänvisar till förmågan att utföra en snävt definierad uppgift eller uppsättning uppgifter. Ett smalt AI-system kan användas för att spela ett spel, rekommendera produkter baserat på mönster i kunddata eller hantera elnät i enlighet med strömförbrukning. Det bör noteras att en uppgift inte behöver vara enkel för att kunna hanteras av ett smalt AI-system. Ett artificiell intelligensprogram som används för att styra en självkörande bil, till exempel, anses fortfarande vara ett exempel på smal AI, trots körningens relativt komplexa karaktär.

Den andra typen av AI kallas allmän AI. Till skillnad från en smal AI skulle ett allmänt AI-system kunna hantera en rad olika och orelaterade uppgifter genom att lära av och tillämpa tidigare erfarenheter. I denna mening skulle en allmän AI likna en människa. Onödigt att säga att allmän AI är en mycket mer avancerad och tekniskt krävande tillämpning av artificiell intelligens än smal AI.

En förlängning av allmän AI är begreppet artificiell superintelligens. Hypotetiskt sett skulle ett AI-program utformat för att hantera allmänna uppgifter och ges tillgång till tillräckligt stort minne och databehandlingsresurser så småningom överträffa människor i nästan alla uppgifter. Även om det är spännande, är artificiell superintelligens fortfarande inom science fiction-området.

Förstå maskininlärning och djupinlärning

Utöver de grundläggande typerna av AI som diskuterats ovan, finns det flera metoder för att implementera artificiell intelligens. De två viktigaste AI-metoderna är kända som maskininlärning (ML) och djupinlärning (DL).

Maskininlärning är en metod genom vilken datorer kan "lära sig" från data som de tillhandahålls. ML-system tränar algoritmer för att korrekt identifiera mönster eller andra egenskaper hos indata. Allt eftersom tiden går kommer algoritmen att bli allt bättre på att korrekt utföra uppgiften den tränas för att utföra. ML används ofta i prediktiv analys, e-postfiltrering, upptäckt av bedrägerier online, chatbots för kundsupport och en rad andra användbara uppgifter. Men för att träningen ska fungera måste människor i allmänhet välja egenskaperna för de data som algoritmen tränas för att identifiera.

Deep learning, en mer avancerad version av maskininlärning, tar detta koncept till nästa nivå. Program för djupinlärning försöker efterlikna hur den mänskliga hjärnan fungerar genom att automatiskt filtrera och klassificera data. Till skillnad från vanlig ML kan en DL-algoritm söka och lära av mönster i data även utan att en människa talar om för den vad den ska leta efter. På grund av deras förmåga att hitta mönster på egen hand, används DL-system vanligtvis i mer avancerade applikationer, såsom datorseende och autonoma fordon. Trots att den är mer avancerad och kraftfullare har djupinlärning vissa begränsningar. Som regel kräver DL-algoritmer större träningsdatauppsättningar och mer processorkraft, vilket gör dem mer kostsamma att utveckla och träna än vanliga ML-algoritmer.

Det aktuella tillståndet för AI-teknik

För att förstå vart artificiell intelligens är på väg är det först viktigt att veta var den för närvarande står och hur den hamnade där. För sammanhanget, låt oss ta en titt på artificiell intelligenss historia och teknikens status som den finns idag.

En kort historia om AI

Även om det fanns tidigare prejudikat, användes termen "artificiell intelligens" för första gången vid en akademisk konferens 1956. Den konferensen och dess deltagare startade en våg av intresse för konceptet artificiell intelligens, men framstegen på området visade sig vara extremt långsamma. I mitten av 1970-talet hade den initiala vågen av entusiasm till stor del avtagit, vilket resulterade i vad som har kommit att kallas AI-vintern. Denna period av stagnation skulle pågå fram till början av 1980-talet.

När datorkraften fortsatte att förbättras, började dock regeringar och företag att intressera sig för AI på nytt. Denna period skulle medföra avsevärda framsteg på området, inklusive utvecklingen av tidig djupinlärning. Detta var också eran som såg uppkomsten av expertsystem, datoralgoritmer utformade för att efterlikna mänskligt beslutsfattande genom att kontrollera indata mot en befintlig kunskapsmassa. Även om de var primitiva enligt dagens standarder, representerade expertsystem en tidig form av AI som var användbar i verkliga affärsapplikationer.

På 1990-talet och början av 2000-talet började AI närma sig sitt nuvarande tillstånd. Tidiga AI-chatbotar, datorseendeprogram och andra applikationer som är relativt vanliga idag utvecklades under denna period. Samtidigt fortsatte datorkraften att växa, vilket gjorde det möjligt för AI-algoritmer att bli mer användbara och ökad användning av maskininlärning.

Var är AI idag?

Idag använder banbrytande AI-program övervägande en form av maskininlärning som kallas ett artificiellt neuralt nätverk (ANN). ANN modellerar hur nervceller fungerar i den mänskliga hjärnan, vilket gör att maskiner kan "tänka" mer som människor. ANN:er tillåter AI:er att närma sig mer komplexa uppgifter, vilket gör dem lämpliga för att snabbt träna algoritmer för djupinlärning.

När det gäller applikationer har AI-användningen expanderat kraftigt de senaste åren. Idag hittar du AI-program som används för att göra allt från att kurera flöden i sociala medier till att förbättra skörden inom jordbruket. Även om mycket uppmärksamhet ägnas åt teknikens användning i självkörande bilar och autonoma drönare, är verkligheten att AI-system finns praktiskt taget överallt, och de flesta människor interagerar med dem i viss kapacitet på en daglig basis.

Trots dess spridning och breda användningsområde är artificiell intelligens fortfarande i hög grad ett framväxande teknologiskt område. Ansökningar som är vanliga idag skulle ha varit lite mer än akademiska projekt för 10 eller 20 år sedan. Det är också viktigt att notera att all modern AI kategoriseras som smal artificiell intelligens. Även om det kan vara ganska effektivt vid vissa uppgifter, ligger AI fortfarande långt efter människor när det gäller allmän intelligens. I genomsnitt tror de flesta experter att det kommer att dröja minst 2060 innan allmän artificiell intelligens uppnås.

Vilka företag är i täten på AI idag?

Även om det finns hur många små startups som helst som försöker utnyttja AI-teknik, domineras området till stor del av en handfull stora, framgångsrika företag med resurser och expertis för att använda tekniken till fullo. Nedan hittar du en sammanfattning av några av de ledande företagen inom artificiell intelligens idag.

Google

Som vanligt i teknikvärlden ligger Google i framkanten av AI-rörelsen. Google använder olika former av AI, särskilt djupinlärning, för att driva många av sina konsumentinriktade tjänster. Röstigenkänning i Google Assistant, bildigenkänning och automatisk videoanalys är bara några exempel på hur företaget har implementerat tekniken på en praktisk nivå.

Även om Google verkligen är ledande inom implementering av AI, har företagets viktigaste bidrag till området varit skapandet av ett maskininlärningsbibliotek med öppen källkod som heter TensorFlow. Genom att tillåta alla med intresse för AI att utveckla nya verktyg med TensorFlow, har Google massivt demokratiserat området. Som författare till det huvudsakliga verktyget med öppen källkod som används för att utveckla AI-program idag, är Google utan tvekan den globala ledaren inom området artificiell intelligens.

Amazon

Även om Google verkligen leder när det gäller AI-utveckling, har Amazon utnyttjat tekniken för att optimera sina affärsfunktioner och visat upp de pragmatiska resultat som AI kan ge. Förutom sin berömda AI-drivna produktrekommendationsmotor har Amazon utvecklat Alexa personliga assistent på den kundvända sidan av sin verksamhet. Den verkliga kraften hos AI hos Amazon ligger dock bakom kulisserna, där maskininlärning har gjort det möjligt för företaget att avsevärt förbättra sin lagerverksamhet. Liknande system används också för att optimera företagets leveransprocesser, vilket säkerställer att de otaliga paketen som hanteras av Amazon varje dag når sina destinationer så snabbt som möjligt.

Bitmain

Även om det inte är lika högprofilerat som Google eller Amazon, har Bitcoin-gruvchipstillverkaren Bitmain också gjort några viktiga bidrag till AI-världen. I april 2020 avslöjade företaget att det framgångsrikt hade utvecklat en programvara för AI-bildigenkänning avsedd att identifiera sällsynta, utrotningshotade fåglar i bevarandesyften. Bitmain använder också sin AI-kapabla chiphårdvara för att stödja utvecklingen av projekt som sträcker sig från smarta städer till förbättrade ansiktsigenkänningssystem.

Tesla

Som du kan förvänta dig har elbilstillverkaren Tesla lutat sig åt AI som en nyckelkomponent i sin verksamhet när den driver på att utveckla helt autonoma kommersiella fordon. Faktum är att företaget har förberett sig för sitt AI-körsystem sedan dag ett genom att utrusta varje fordon det säljer med den hårdvara som krävs för självkörning. När nya funktioner för autonom körning utvecklas kan Tesla helt enkelt skicka dem i form av en mjukvaruuppdatering.

Under 2019 gick Tesla till och med så långt som att förvärva AI-startup DeepScale för att stödja utvecklingen av dess autopilotsystem. Det här beslutet visade hur viktig företaget tror att AI-teknik är för dess framtid, samt hur mycket värde startups fokuserade på artificiell intelligens-teknik kan behärska på marknaden.

Utöver sitt självkörande system planerar Tesla också att distribuera artificiell intelligens som en del av sitt virtuella kraftverksprojekt. Det här gröna energiprojektet, menat att komplettera eller ersätta traditionella kraftverk med solhårdvara för hemmet, kommer att använda AI-analys för att förutsäga användning och efterfrågan, vilket gör att VPP-nätet kan göra justeringar efter behov under timmar med hög efterfrågan.

Hur AI kommer att förändra världen i grunden

Artificiell intelligens är olik alla andra verktyg som någonsin utvecklats av mänskligheten. Genom att låta datorer lära sig och tänka på egen hand har AI-system potentialen att hjälpa mänskliga arbetare även i de mest komplexa uppgifterna. Genom att kombinera mänskligt intellekt med allt kraftfullare AI, är tekniken redo att fundamentalt förändra nästan alla områden i det moderna livet. Även om det skulle vara omöjligt att utforska varje enskild användning av AI i en enskild artikel, hittar du några av de viktigaste områdena som artificiell intelligens kommer att revolutionera nedan.

Sjukvård och medicin

Det medicinska området är utan tvekan ett av de områden där AI kan ha störst grad av inverkan. AI:s applikationer i medicinska miljöer börjar med diagnostik. Genom att skanna medicinska data efter tecken på sjukdom har diagnostiska algoritmer visat sig noggrant diagnostisera tillstånd tidigare än mänskliga läkare. Imponerande nog kan denna teknik fungera även utan samarbete med en utbildad läkare. Under 2018 godkände FDA användningen av ett diagnostiskt verktyg för AI för att upptäcka diabetisk retinopati med hjälp av skanningar av en patients ögon. Detta system fungerar oberoende av en specialiserad diagnostiker och kräver endast en lägre kvalificerad arbetare för att göra skanningarna. Sådana system skulle en dag kunna möjliggöra snabbare, mer exakta diagnoser i en primärvårdsmiljö.

AI:s roll i medicin slutar dock inte med diagnostik. Tekniken kan också användas för att göra läkemedelsupptäcktsprocessen både snabbare och billigare. Med hjälp av databaser med kliniska prövningar och akademiska forskningsartiklar kan AI: er snabbt identifiera kandidatföreningar som är kända för att interagera med patologin för en given sjukdom. Genom att jämföra vävnadsprover från patienter med och utan en specifik sjukdom kan system för upptäckt av AI-läkemedel också avslöja ny information om hur sjukdomen fortskrider i människokroppen. Dessa insikter kan sedan leda till rekommendationer av kemiska föreningar som kan visa sig effektiva, även om de inte tidigare har associerats med tillståndet i fråga.

Även inom området kirurgi med hög insats upptäcker vårdpersonal och forskare förbättrade roller för artificiell intelligens. Genom att lära av tidigare operationsplaner kan AI:er hjälpa kirurger genom att föreslå nya operationsplaner för liknande fall. Integrering av artificiell intelligens kan också avsevärt förbättra kirurgiska robotar, vilket gör att de kan utföra ett bredare och mer komplext utbud av uppgifter för att mer effektivt hjälpa den övervakande mänskliga kirurgen.

Slutligen kan AI-prediktiv analys en dag kunna identifiera potentiella epidemier och hjälpa specialister på infektionssjukdomar att samordna svar. Denna förmåga demonstrerades i början av covid-19-pandemin, när en handfull AI-program gav tidiga varningar om ett möjligt utbrott av luftvägssjukdomar i Wuhan, Kina, mer än en vecka innan WHO officiellt erkände början på utbrottet. Med framtida förbättringar kan sådana prediktiva analysprogram ge tidigare och mer genomförbara insikter om framväxande hälsohot. Liknande system kan också användas för att förbereda sjukhus för att hantera ett stort antal patienter genom att optimera resursanvändningen och låta sjukhuspersonalen planera för scenarier med hög efterfrågan i förväg.

Sammantaget visar dessa användningar en roll för AI inom det medicinska området som sträcker sig från forskning till praktisk patientvård. Vilken som helst av dessa tekniska framsteg skulle vara extremt användbar i sig, men deras gemensamma utveckling kommer att revolutionera medicinsk personals förmåga att förstå och ta itu med mänskliga sjukdomar.

Näringsliv och finans

Precis som inom vården kommer AI att förändra och optimera praktiskt taget alla delar av den moderna affärsvärlden. Effekterna av artificiell intelligens i företag börjar med att tillhandahålla datadrivna insikter för beslutsfattande. Från att allokera resurser i marknadsföringskampanjer till att bestämma vilken kandidat som ska anställas för ett jobb, AI-analys kan hjälpa företag att göra bättre och mer lönsamma val. Dessa system är särskilt väl lämpade för arbetsplatsens alltmer digitala karaktär, eftersom moderna företag genererar enorma mängder data som AI-algoritmer kan lära sig av för att optimera verksamheten.

Den artificiella intelligensens förmåga att snabbt analysera hur komplexa system fungerar gör den också perfekt lämpad för hantering av försörjningskedjan. Under de senaste decennierna har globala leveranskedjor växt längre och mer komplexa än någonsin tidigare. Genom att använda AI kan företag dock proaktivt förutsäga efterfrågan, göra lager mer effektiva och optimera leveransvägar för att säkerställa att leveranskedjan löper så smidigt och snabbt som möjligt. Enligt en nyligen genomförd undersökning gjord av McKinsey and Company förväntar sig 61 procent av företagen att se besparingar i supply chain management som ett resultat av AI-integration.

Det är dock viktigt att notera att AI:s inflytande i näringslivet inte slutar med logistik, planering och analys. Under de kommande åren kommer artificiell intelligens sannolikt att ha lika stor närvaro på fabriksgolven som i företagens styrelserum. Samma McKinsey-undersökning som nämns ovan antydde att 64 procent av företagen förväntar sig att se besparingar i sin tillverkningsverksamhet som ett resultat av AI. Till stor del kommer dessa besparingar att vara resultatet av prediktivt underhållssystem som övervakar utrustningens prestanda och schemalägger underhåll för att minimera stilleståndstiden. Generativa algoritmer kan också användas för att optimera digitala produktdesigner, vilket potentiellt kan fånga upp designbrister tidigt och därigenom minska längden och kostnaden för prototypprocessen.

AI är också redo att ha en massiv inverkan på den finansiella sidan av affärsvärlden. Det mest framträdande exemplet på detta är Fintech-industrin, där AI redan utnyttjas för att tillhandahålla prisvärda, tillgängliga finansiella tjänster i stor skala. Från investeringar till kreditbeslut spelar AI en allt större roll i det finansiella livet. Allt eftersom tiden går och algoritmerna fortsätter att förbättras är det troligt att artificiell intelligens kommer att användas för att optimera utlåningen, hantera finansiella risker och till och med analysera historiska börsdata för att förbättra allokeringen av resurser i investeringsportföljer.

Precis som på det medicinska området verkar AI inta en heltäckande roll i affärsvärlden. Från och med produktdesign och slutar med leveranslogistik kan artificiell intelligens optimera praktiskt taget varje steg i processen att tillhandahålla varor och tjänster till konsumenter. Tillsammans kommer dessa utvecklingar att göra företag mer flexibla, mer lyhörda för förändrade konsumentkrav och mer lönsamma.

Teknik

Som vi redan har nämnt kan AI spela en viktig roll för att optimera produktdesigner. Teknikens förmågor inom teknikområdet är dock mycket bredare. En av de viktigaste rollerna för denna framväxande teknologi är att integrera datamängder från flera tekniska projekt. Tack vare dess förmåga att analysera enorma mängder data kan AI få användbara insikter från flera projekt på samma företag och leverera dessa insikter till ingenjörer som arbetar med varje projekt. Detta kan i sin tur förbättra samarbetet och samordningen mellan ingenjörer som ansvarar för varje enskild del av en större designsatsning.

AI kan också frigöra ingenjörer att utföra arbete med hög hävstång genom att automatisera tidskrävande uppgifter som normalt saktar ner designprocessen. I denna mening kommer avancerade AI-system att integreras i det tekniska arbetsflödet på ungefär samma sätt som traditionella datorstödd design (CAD)-program gjorde för decennier sedan.

Den verkliga kraften hos AI ur ett ingenjörsperspektiv kommer dock från teknikens förmåga att hjälpa ingenjörer och forskare att utveckla nya material för specialiserad användning. AI kan stödja avancerad materialvetenskap genom att modellera nya material och förutsäga deras egenskaper. Denna förmåga att exakt förutsäga egenskaperna hos ett nytt material kommer att göra det möjligt för materialvetare att producera nya material snabbare än vad konventionella forskningsmetoder för närvarande tillåter. Detta kommer i sin tur att utöka utbudet av material som är tillgängligt för ingenjörer för deras projekt.

Att lösa samhällsproblem

Utöver sin enorma potential inom den privata sektorn har AI också en stor roll att spela för att lösa akuta problem som det moderna samhället står inför. Även om lösningar på dessa problem har gäckat regerings- och akademiska experter i årtionden, kan AI vara ett viktigt verktyg för att hjälpa mänskligheten att hantera några av sina största utmaningar.

Först och främst bland dessa är naturligtvis klimatförändringarna. AI-teknik är unikt positionerad för att hjälpa forskare och offentliga beslutsfattare att förstå klimatförändringen genom att skapa mer exakta modeller av dess effekter. Dessa modeller kan också användas för att bestämma vilka åtgärder och policyer som är mest sannolikt att minska atmosfäriska nivåer av koldioxid, vilket gör det möjligt för regeringar att ingripa på riktade, effektfulla sätt. Tekniken kan också påverka koldioxidutsläppen direkt genom att optimera energianvändningen och driva snabbare framsteg inom grön energiteknik.

När det gäller mer vardagliga mänskliga angelägenheter kan AI också vara ett viktigt verktyg i den pågående globala ansträngningen för att begränsa offentlig korruption. På ungefär samma sätt som prediktiv analys kan användas för att upptäcka bedrägerier i privata transaktioner, kan AI-system användas för att avslöja olämplig användning av resurser i den offentliga sektorn. Det kan också vara möjligt att minska risken för att korrupt verksamhet inträffar i första hand genom att automatisera system som tidigare var beroende av människor. En sådan automatisering skulle begränsa möjligheterna till korrupt verksamhet genom att eliminera det potentiellt opålitliga mänskliga elementet och säkerställa att offentliga medel fördelades korrekt.

Även om dess roll på detta område sannolikt kommer att vara mindre, kan artificiell intelligens stödja ansträngningar för att öka tillgången till bostäder till överkomliga priser. AI-system som mer exakt modellerar risker och kan fatta lånebeslut autonomt skulle minska kostnaderna för att initiera lån. Genom att använda data utöver en enkel kreditvärdering för att fatta kreditbeslut kan algoritmer också hjälpa människor som inte är kreditvärdiga i traditionell mening att finansiera bostadsköp.

Löftet om allmän artificiell intelligens

Hur revolutionerande de möjligheter som diskuterats ovan kan tyckas, är de alla realistiskt möjliga med smal artificiell intelligens. Om allmän AI någonsin uppnås, kan dess kapacitet expandera långt utöver vad som har diskuterats hittills. Futurister tror att en allmän AI skulle kunna uppnå till synes omöjliga mål som att avsluta krig eller utrota mänsklig fattigdom. Vissa tänkare är ännu mer djärva och antyder att utvecklingen av allmän artificiell intelligens kan vara ett steg mot att göra människor digitalt odödliga genom att så småningom tillåta mänskligt medvetande att köra på datorhårdvara.

Hur hänger allt ihop?

Som du kan se finns det praktiskt taget inget område i det dagliga livet som AI inte kommer att ha åtminstone någon effekt på eftersom tekniken förbättras och dess användning blir vanligare. Från arbete och hälsa till att lösa några av världens största problem, artificiell intelligens kommer att arbeta tillsammans med mänsklig uppfinningsrikedom för att förbättra nästan varje aspekt av våra liv. Som ett resultat kommer de kommande decennierna att bli en period av snabba förändringar och stora möjligheter för både samhällen, företag och individer att utnyttja kraften i AI.

Hur AI kan samverka med andra nya teknologier

Så tydligt som det är att AI har enorma löften även i sitt nuvarande tillstånd, kommer dess verkliga kraft att tas fram av andra banbrytande tekniska utvecklingar. I det här avsnittet kommer vi att diskutera AI:s förhållande till sakernas internet, kvantberäkningar och 5G-kommunikationsnätverk. Även om dessa teknologier är revolutionerande i sina egna rättigheter, har de också en integrerad del att spela för att låta artificiell intelligens nå sin fulla potential.

Internet of Things (Iot)

Under de senaste åren har antalet internetanslutna enheter ökat enormt. Förutom smartphones och datorer har vardagliga föremål från termostater till tvättmaskiner fått tillgång till internet. Sammantaget är detta världsomspännande nätverk av enheter känt som internet of things, eller IoT. I slutet av 2019 bestod IoT av cirka 7,6 miljarder enheter över hela världen.

När de kombineras med AI kan dessa IoT-enheter bli mycket mer effektiva och användbara än de är för närvarande. AI-algoritmer kan användas för att förbättra effektiviteten i verksamheten genom att analysera data från IoT-enheter på arbetsplatsen. På samma sätt kan anslutna enheter på arbetsplatsen samverka med AI-system som kan förutsäga och mildra risker innan de har en chans att orsaka allvarliga affärsstörningar.

AI kan också användas för att förbättra IoT-enheter själva. AI-system integrerade i drönare, robotar, självkörande bilar och andra smarta enheter kan låta dem fungera självständigt och utföra uppgifter som normalt skulle kräva mänsklig kontroll. Genom sådana enheter kan AI faktiskt interagera med den fysiska världen, snarare än att bara ge insikter baserade på digital data.

Quantum Computing

Quantum computing är kanske den teknik som har störst löfte när den används i kombination med AI. Detta beror på den enorma beräkningskraften som gör att dessa enheter kan bearbeta data snabbare än någon konventionell dator någonsin skulle kunna hoppas på. Idag kan den snabbaste kvantdatorn i världen göra en beräkning på cirka 200 sekunder som skulle ha tagit en konventionell superdator årtusenden att utföra. Med tanke på att denna teknik fortfarande är i ett tidigt skede råder det ingen tvekan om att de kommande åren kommer att ge ännu snabbare och kraftfullare kvantdatorer.

Tack vare denna kraftigt ökade hastighet kan kvantberäkningar tillåta AI-algoritmer att lösa stora, komplexa problem som för närvarande skulle kräva oöverkomliga datorresurser. Med den här tekniken skulle AI kunna tillämpas på även de mest komplicerade utmaningarna.

Förutom att helt enkelt lösa specifika problem som ges till det, kan ett AI-system som drivs av en kvantdator också hitta tidigare oupptäckta mönster även i de största datamängderna. Dessa mönster kan sedan användas för att ta fram användbara insikter som inte skulle vara omedelbart uppenbara för en människa, vilket utökar det potentiella utbudet av lösningar som genereras av AI.

5G-kommunikation

För att fullt ut släppa lös potentialen hos artificiell intelligens som fungerar tillsammans med IoT-enheter måste stora mängder data överföras snabbt. Det är här 5G-nätverk kommer in i bilden. Med överföringshastigheter på upp till 10 gigabit per sekund kan 5G-tekniken hantera de enorma mängder data som IoT-enheter snart kommer att mata till AI-algoritmer.

Intressant nog förväntas detta förhållande gå åt båda hållen. Medan 5G-nätverk kommer att stödja AI genom att tillåta fritt dataflöde, är det mycket troligt att dessa nätverk själva kommer att hanteras av AI-system. Med hjälp av prediktiv analys som drivs av AI, kunde telekommunikationsföretag förutsäga toppar i trafiken och allokera resurser därefter. Detta är bara ett exempel på hur AI kan bilda symbiotiska relationer med andra teknologier när de utvecklas tillsammans.

Nackdelarna med artificiell intelligensteknik

Trots allt vad det lovar har AI-tekniken fortfarande vissa nackdelar. Även om kritiken av tekniken sträcker sig överallt, är två av de vanligaste problemen som tas upp om utbredd användning av AI dess potential att automatisera traditionellt säkra jobb och ett fenomen som kallas black box-problemet.

De oavsiktliga ekonomiska konsekvenserna av AI

Sedan AI först blev verklighet har kritiker hävdat att det kommer att ersätta människor och orsaka massiva jobbförluster. Även om effekten av AI på sysselsättningen sannolikt är överdriven, finns det en viss sanning i tanken att tekniken skulle kunna störa arbetsmarknaden och tillfälligt förskjuta arbetstagare i vissa roller.

För att förstå den fulla effekten av dessa förskjutningar är det först viktigt att titta på hur bred AI-automatisering kan vara. Traditionellt har automatisering haft sin största inverkan inom tillverkningssektorn, där den har gjort det möjligt för arbetare att lägga mindre tid på enkla, repetitiva uppgifter. AI, å andra sidan, har potential att automatisera uppgifter som tidigare krävde mänsklig tanke. Yrkesverksamma inom hälso- och sjukvård, juridik och teknik är bland dem vars jobb sannolikt kommer att utsättas för nästa våg av tekniska förändringar på arbetsplatsen.

Även om det råder bred enighet om att många jobb kommer att möta en viss grad av automatisering som ett resultat av AI inom en snar framtid, varierar uppskattningarna av antalet jobb som kommer att gå förlorade kraftigt. Extrema uppskattningar tyder på att så mycket som 30 procent av den nuvarande globala arbetsstyrkan kan förflyttas av tekniska förändringar till 2030. Andra prognoser är dock mycket mer måttliga.

Problemet med Black Box

En av de svåraste utmaningarna som AI står inför är det så kallade black box-problemet. Detta fenomen uppstår när avancerad AI, såsom ett djupinlärningssystem, tillämpas på komplexa problem. Algoritmen kommer ofta att fungera som en "svart låda", ta indata och generera utdata för att lösa problem på ett sätt som inte ens mänskliga AI-designers helt kan förstå. Med andra ord, även de människor som är ansvariga för att skapa AI-system är ibland oförmögna att förklara hur eller varför de når de slutsatser de gör.

Problemet med den svarta lådan ger upphov till flera problem för implementeringen av allt mer avancerad artificiell intelligens. Utan en ordentlig förståelse för hur en AI löser problemet den har fått, är det mycket mindre sannolikt att människor litar på svaret som systemet ger. I vissa fall ger AI-system orimliga resultat på grund av brist på relevanta indata. Tack vare problemet med den svarta lådan kan dessa resultat verka omöjliga att skilja från korrekta svar, eftersom det inte finns något bra sätt att berätta hur systemet nådde sin slutsats. Som ett resultat har black box-problemet djupgående konsekvenser för AI-systemens noggrannhet och mänskligt förtroende för dem.

I vissa fall är naturligtvis felaktiga resultat eller brist på mänskligt förtroende små problem. En AI-driven chatbot som till exempel inte kan ge ett relevant svar på en kundfråga är obekvämt men relativt ofarligt. Men i viktigare uppgifter måste människor ha en hög nivå av förtroende innan AI-teknik kan realisera sin fulla potential. En konsument som tror att en autonom bil sannolikt kommer att göra ett misstag och orsaka en trafikolycka, till exempel, kommer sannolikt inte att välja att köpa den bilen. Sådan brist på mänskligt förtroende kan avsevärt hålla tillbaka antagandet och utvecklingen av artificiell intelligens.

Detta problem kan till och med resultera i att maskiner utvecklar fördomar som har verkliga effekter. AI-system som används för att utvärdera risknivåer i det rättsliga systemet har till exempel uppvisat rasfördomar genom att märka medlemmar av minoritetsgrupper som mer benägna att begå brott i framtiden. Även om det är känt att AI-algoritmer når dessa beslut baserat på de dataingångar de tränas med och ges för att utvärdera, gör black box-problemet det svårt att ta bort denna bias från systemet.

Kan AI övervinna dessa utmaningar?

Sammantaget gör fördelarna med AI det oerhört värt att hitta lösningar på de problem den presenterar. Lyckligtvis är dessa utmaningar inte så oöverstigliga som de ser ut på ytan. När det gäller problemet med den svarta lådan är större transparens angående algoritmernas inre funktion en trolig grund för en lösning. Genom att tillåta människor att lättare urskilja hur ett AI-system nådde en given slutsats, kan transparenta system lösa eller åtminstone avsevärt mildra problemet med svarta lådan.

När det gäller de ekonomiska omvälvningar som orsakas av AI-automatisering är det viktigt att komma ihåg att nya jobb kommer att skapas när gamla blir föråldrade. Detta koncept, formellt känt inom ekonomin som kreativ förstörelse, har hållit sant i andra perioder av massiva tekniska förändringar. Faktum är att det finns några uppskattningar som tyder på att AI kommer att vara en nettoskapare av jobb. En rapport från World Economic Forum från 2018 visade att AI-teknik skulle skapa 133 miljoner jobbår 2022 och förskjuta endast 75 miljoner befintliga arbetare. Förutsatt att dessa prognoser är korrekta skulle nettoeffekten av AI-automatisering vara en vinst på cirka 58 miljoner jobb. Om arbetsträning görs tillgänglig för att hjälpa fördrivna arbetstagare att hitta nya roller i den moderna ekonomin, kan artificiell intelligens låsa upp nya, bättre betalda jobb för miljontals människor världen över.

AI:s framtid

Som du kan se är möjligheterna förknippade med artificiell intelligens under de kommande åren inget mindre än enorma. Denna teknik har kraften att omvandla industrier, skapa nya sätt att arbeta och till och med lösa några av de största problemen som vårt samhälle står inför. Även om ingen exakt kan förutsäga varje användning som AI kommer att ha månader eller år från nu, är det extremt tydligt att AI kommer att vara en av drivkrafterna för den globala ekonomin under överskådlig framtid.

Inspelningskälla: datarecovery.com