3 saker alla borde veta om AI

Yasemin Bayramoglu

Publicerades: 17 maj, 2019
Foto av: ADOBE STOCK

AI och maskininlärning är ständigt i fokus. Men långt ifrån alla vet ens det mest grundläggande. Men här är tre saker alla borde veta.

Även den som inte sysslar med teknik på företaget borde känna till det mest grundläggande inom AI. Det menar Emma Martinho-Truswell, medgrundare till Oxford Insights som hjälper företag och organisationer att dra nytta av digitalisering och AI. Hon har sammanställt tre frågor i Harvard Business Review som alla anställda borde kunna svara på:

1. HUR FUNKAR DET?

Maskiner och människor lär sig på helt olika sätt. Medan människor inte klarar att analysera stora mängder data utan att skapa listor eller räkna ut ett medeltal så kan en maskininlärningsalgoritm använda precis varenda datapunkt för att sedan leta mönster.

LÄS OCKSÅ: BÄTTRE OMVÄRLDSANALYS MED AI

Men eftersom själva datan är bränslet som AI går på behöver vi förstå vad datan säger och vilka fel som kan dölja sig bakom den.

2. VAD ÄR DEN BRA PÅ?

Som med all teknik är den bäst när den förenklar och förbättrar vår vardag. Ett tydligt exempel på förenkling är nya generationens redovisningsprogram. Som när du tar foto av ett kvitto med mobilen och lägger in i en app. På nolltid får du sedan förslag på vilket konto kostnaden ska bokföras, vad momsen är och var du gjort köpet. Du slipper själv mata in uppgifterna, utan kan bara kolla att det programmet föreslår är rätt.

IBM har också byggt sin Watson, som hjälper till att ställa diagnoser. Där mänskliga läkare går bet på att ställa diagnos så har Watson kunnat hitta rätt bland extremt olika diagnoser, just för att maskinen kan ta in så mycket mer data utan att värdera den från start.

Kolla in
STOR GUIDE: EU:s nya AI-regler – Detta MÅSTE du veta (och så kan du tjäna på dem!)
AI för företagare

STOR GUIDE: EU:s nya AI-regler – Detta MÅSTE du veta (och så kan du tjäna på dem!)

3. VAD SKA AI ALDRIG GÖRA?

Det är viktigt att förstå teknikens begränsningar. Det är ju lätt att tänka tanken att varför inte överlåta besluten till datorerna om nu algoritmerna är bättre på att sortera i stora material än vad vi människor är?

Men eftersom maskininlärning bygger just på den datan som den matas med, så måste man också fundera på konsekvenserna. Man har till exempel kunnat se att maskinen har en tendens att bli rasistisk och homofob eftersom det finns så mycket sådana åsikter ute på nätet, där algoritmen hämtar sin ”mat”.

Det krävs helt enkelt mänsklig handpåläggning också. Ett konkret exempel på det är inom rekrytering.

Ta till exempel svenska uppfinningen Furhat, som fått pris av UNESCO för sin innovationskraft och dessutom 2,3 miljoner euro från EU. Furhat är en social robot som är framtagen för att bland annat kunna hjälpa till med rekrytering.

Jättebra i inledningsskedet kanske, men när det kommer till själva valet av person så bör man ändå se tekniken som ett hjälpmedel till människan och inte tvärtom. Inga meriter i världen kan väga upp om man inte fungerar i ett team.