«Min egen første eksponering for AI var som barn, og det var selvfølgelig Terminator-filmen. Den skildrer kunstig intelligens i et ekstremt negativt perspektiv, men det større problemet er at AI ikke har kvittet seg med dette bildet den dag i dag», sier en kvinne som selv jobber med skapelsen og utviklingen av AI.

Ifølge henne bør man begynne med å avmystifisere AI. «Kunstig intelligens er vitenskapen som gjør maskiner intelligente. De behandler massevis av data, oppdager regelmessigheter og korrelasjoner og gir spådommer,» definerer spesialisten AI. Ifølge henne er den eneste ulempen at AI ikke egentlig resonnerer ennå. «Det er derfor vi har virkelig stor fremgang innen avansert AI, men vi er fortsatt langt fra å tenke maskiner» – mener I. Martinkėnaitė.

Og hvordan skiller AI seg fra enkle programmer? Ifølge eksperten er AI ikke et programmert system, men et lærende system. Og den lærer av dataene som vi, brukerne, lager og leverer. I følge I. Martinkėnaitė er et godt eksempel på dette Google translate: det er et system som lærer, og jo flere brukere det er av det språket, jo mer vellykkede blir oversettelsene til slutt (det er her de litauiske oversettelsesproblemene kommer fra – det er rett og slett veldig få av oss).

Praktisk anvendelse

Telenor Group jobber i Norge, hvor de allerede løser lokale problemer ved hjelp av AI. «Norge er kjent for to ting: fisk og olje. Og vi jobber i begge områder,» sier I. Martinkėnaitė. Og de presenterte eksemplene ser virkelig imponerende ut.

Oljeproduksjon i større skala skaper et enormt nettverk av objekter, mellom hvilke det er konstant bevegelse: helikoptre flyr fra en plattform til en annen eller mellom baser, skip seiler. Dette er uunngåelig ettersom systemene opplever sammenbrudd og konstant vedlikehold er nødvendig. Ifølge representanten for Telenor Group koster det millioner av kroner.

Men selskapet «matet» feildata til den kunstige intelligensen de utviklet, og det begynte å komme med spådommer om hvor feil kan oppstå i nær fremtid. I stedet for å patruljere gikk vedlikeholdsteamene over til forebyggende arbeid ved de planlagte feilpunktene, noe som tillot betydelige kostnadsbesparelser.

På samme måte har AI også hjulpet oppdrettsanlegg: når de oppdretter fisk, ble mye av fôret deres bortkastet. Gjennom bruk av opptak og AI-databehandling tillot alt dette kostnadsoptimalisering. I tillegg har AI lært å gjenkjenne fisk som har parasitter.

Det er flere grunner til bruken av AI – for eksempel, etter å ha analysert millioner av bilder av krefttilfeller, er AI allerede i stand til å sortere dem. Her er det verdt å huske litauerne som lager AI på dette feltet.

AI kan også hjelpe i næringslivet: AI utviklet av Telenor Group for en norsk teleoperatør har lært å forutse spørsmålet om en kunde som ringer til kundesenteret – og forhåndsrute samtalen til en leder eller operatør i et bestemt område.

Hva skjer etterpå

I følge I. Martinkėnaitė bestemmes den nåværende veksten av AI av tre viktigste ting: 1) vi, brukerne, lager mer og mer data som AI kan lære med. 2) Kostnaden for teknologi synker. For eksempel koster et skjermkort med 2800 prosessorer egnet for AI-beregninger nå bare tre hundre euro. 3) dyp læring er i rask forbedring.

Ifølge visepresidenten i Telenor Group vil AI bli brukt mer og mer utbredt. «For eksempel, gå tilbake til telekommunikasjonsvirksomhetseksemplene. Vel, det var kjent på forhånd at Login-konferansen ville bli holdt her, så kommunikasjonsleverandørene bygde sannsynligvis ytterligere kommunikasjonsutstyr her. Men la oss si at vi overvåker data om internettbruk andre steder i Litauen – både i Alytus og Molėtai – og AI, med mer data, kunne gi prognoser og anbefalinger når forbindelsen bør styrkes der også. Og tenk deg nå at selskapet opererer på internasjonalt nivå, i flere land. Dette ville muliggjort både besparelser og rettidig levering av tjenester som møter etterspørselen», sier I. Martinkėnaitė.

Eksperten ga også en anbefaling til de som ønsker å bli med på AI-utvikling. «Forstå, AI kan ikke være lokal, bygget for ett marked. Kunstig intelligens må være global. Internasjonal. Ellers vil ikke prosjektet lykkes. Og de viktigste trinnene som et AI-prosjekt trenger er å jakte på talent i feltet og ha en tilstrekkelig mengde data som AI kan lære av.