En av de vanligaste frågorna vi får när vi föreläser om AI är “Hur kommer min bransch påverkas av AI?”. En rimlig fråga, men inte så lätt att svara på.
Utmaningen kring att svara om AI är att det är ett så väldigt generellt verktyg. Det närmsta jag kan jämföra med är datorer. Om någon i slutet på 60-talet skulle beskriva hur datorer kommer förändra framtiden så hade det inte gått. Några generella trender var uppenbara redan då – datorn kommer bli en bättre skrivmaskin. Vi kommer kunna lagra och söka efter indexerad data i datorer, snarare än i kartotek och pärmar. Men den påverkan som datorn har haft på alla branscher beror just på att den är ett generellt verktyg. En musikproducent, en arkitekt och en jägmästare använder helt olika datorprogram, kopplad till olika hårdvara, för att göra helt olika saker.
Det är samma sak med AI och ML. Den AI som t.ex Facebook och mobilspel använder för att manipulera våra beteenden är väldigt annorlunda från vad Volvo använder för att göra bilar mer självkörande, vilket i sin tur är helt annorlunda från DeepMinds förbättrade väderprognoser, eller mer effektiv logistikplanering. Varje bransch har egna processer och utfall som kan modelleras och förbättras, eller produkter som i sin tur ska göra saker mer effektivt för sina användare.
Om tekniken stannade i dag
En intressant aspekt av AI-teknik är hur långt efter användbara produkter och tjänster ligger från vad vi redan kan åstadkomma. Det tar tid att produktutveckla och att göra saker som faktiskt passar in i ett naturligt arbetsflöde.
Även om vi pausade all AI-teknikutveckling, så finns det fullt av möjligheter att integrera senaste årens landvinningar in i applikationer för till exempel bildredigering och textredigering. Vi har bara skrapat på ytan av vad som är möjligt kring assisterat författarskap med GPT-3. Otvivelaktigt finns det just nu möjligheter för helt nya företag att ta sig in i existerande domäner och göra program för alla sorters skapande (ljud, bild, film, text, programmering, CAD, design, etc), med genomtänkt “AI-first”, där det inte är en gimmick utan ett välkommet stöd.
Ett exempel på var vi är på väg kring bildredigerings-assistans, är nedanstående experiment från augusti i år. De har utgått från ett foto av Bertrand Russell och helt enkelt skrivit olika ord som de bett algoritmen att kombinera med originalbilden för att skapa nya bilder. För bara ett år sedan hade detta varit science fiction.
Risken med den sortens produktutveckling är dock att om några år så är allt annorlunda igen och det du lagt så mycket tid på att designa är plötsligt omodernt. Den snabba teknikmarschen kan ironiskt nog göra produktutvecklingen långsammare, eftersom det gör företag rädda för att lägga tid och pengar på genomtänkta produkter. Detta kan undvikas genom att lägga tonvikt på mer abstrakta värden som kan tillföras och kommer kunna tillföras ännu bättre, snarare än exakt vad en AI-algoritm från 2020 eller 2021 kan åstadkomma inom ett visst område.
Det generella persondator-mönstret kommer igen här också. Jag kan inte säga vad som är mest värdefullt för exakt din bransch, men jag kan säga att även om AI-tekniken stannade i dag så finns det så många existerande möjligheter för dagens företag, att driften mot digitalisering och ökad förståelse kring hur vi kan jobba med modeller av vår organisation (se även vår artikel om Det modelldrivna företaget) hade fortsatt i decennier.
Om vi följer utvecklingen i några år
Det är svårt att sia, speciellt om framtiden.
Men det är inte så svårt att identifiera senaste årens trender och extrapolera var tekniken är på väg. För att hitta riktigt intelligenta mönster i data, behövs antingen våldsamma mängder data eller mycket inkodad förkunskap. Trenden här är mot det som nyligen (en smula kontroversiellt) döpts om till Foundation models. Man tränar en enorm basmodell, just nu med så kallade Transformer-nätverk, på så mycket data och med så mycket datakraft att det endast är möjligt för några få aktörer runt om i världen. Denna basmodell kommer ha kodat så mycket kunskap att vi sedan kan använda den som bas för att träna på nya mindre datamängder (eller ibland bara ge denna data som input – så kallad “Zero-shot learning”), men ändå få rimliga resultat.
Trenden mot allt större modeller går bland annat mot så kallade multimodala-modeller, där samma neuronnät tränas på flera olika typer av data samtidigt för att bland annat lära sig kopplingen mellan bild, text och ljud. Jag tror också att vi kommer få basmodeller kring mer strukturerad data, som olika typer av tidsserier och tabulär data.
Förutom att det betyder mer och bättre av allt i förra sektionen, så betyder det också att modellerande kommer bli allt enklare och att det blir allt viktigare att ha bra koll och struktur på den data som modelleringen görs på.
De senaste åren har även trenden mot bättre planering varit tydlig, både i tekniska framsteg kring till exempel MuZero och ReBeL, men också i ett ökat intresse från företagsvärlden. Bättre planering är generellt det som krävs för bättre beslut och bättre beslut bör vara slutmålet för de flesta AI-projekt. Detta är det vi kallar preskriptiv analys – analys som säger vad du bör göra, i stället för att bara säga vad som kommer hända.
Fem slutsatser!
- Just nu finns det många öppningar för produkter och tjänster som tänker “AI-first” – Hur kan vi förstärka en användare med smarta modeller som gör de enkla delarna?
- I synnerhet alla sorters skapande är på väg att bli assisterat.
- När världen är för komplex för att en dator kan ta hänsyn till allt, så kan ändå AI ge beslutsstöd till en användare. Dessa typer av stöd kommer bli allt mer vanligt och kännas allt mer naturligt.
- När modeller planerar med och åt dig behöver du definiera dina mål ännu bättre. Du kommer behöva släppa kontroll för att bli mer effektiv och då kommer det bli suboptimeringar om du inte är knivskarp med vart du vill.
- Modellering på både strukturerad (tänk Excel och databaser) och ostrukturerad (tänk bild, ljud, text) data blir allt mer effektiv och mogen. Det gör värdet av att mäta och samla in data om din organisation och produktion allt större!
