Høreapparatsgiganten Oticon er én af de danske virksomheder, der forsker i brugen af kunstig intelligens, også kaldet AI (artificial intelligence).
Potentialet inden for AI kan nærmest ikke overvurderes, fortæller Michael Kai Petersen, som er Senior Scientist i Eriksholm Research Centre hos Oticon.
– Vi har altid kunnet opsamle data, men nu kan vi pludselig begynde at lære om adfærd og præferencer fra den virkelige verden. Det betyder, at vi kan personalisere høreapparatet, så det er tilpasset den enkelte – og det vigtigt, fordi alle mennesker er forskellige, fortæller han.
I forskningscenteret arbejdes der på at udvikle en prototype, som gør høreapparatet i stand til at interagere med og opsamle data omkring den enkelte bruger. Det vil gøre Oticon bedre i stand til at forstå de forskellige behov, sådan at AI’en fremover automatisk justeres derefter, beskriver Michael Kai Petersen.
– Det gælder om at lære fra data i én kontekst, sådan at vi næste gang kan foreslå brugeren, for eksempel hvilket støjniveau, vedkommende ville foretrække. Så AI’en kan sige; jeg ved, hvad lydbilledet er, og derfor hvad din præference er, forklarer Michael Kai Petersen.
Oticons forskning og udvikling af prototypen taler ind i den overordnede kode, forskere mangler at knække inden for kunstig intelligens.
Man skal ikke undervurdere, hvor kompliceret det er, og hvor kompleks den menneskelige hjerne er
– Der er mange enkeltkomponenter, vi har styr på, men vi skal have det hele til at spille sammen. Og det er en stor forskningsmæssig udfordring, siger lektor på DTU Compute, Thomas Bolander.
Computersystemer, der ligner mennesker
Kunstig intelligens handler grundlæggende om at efterligne aspekter af det, vi mennesker selv gør. Det giver især nogle udfordringer i forhold til den sproglige og den sociale intelligens, fortæller Thomas Bolander.
– Hvis vi vitterligt får en fremtid, hvor vi omgås flere og flere robotter, som er det mest sandsynlige scenarie, så nytter det ikke noget, at robotterne ikke kan finde ud af at forstå og at omgås os mennesker.
Udfordringen er både, at det er svært at have tillid til systemerne, så længe de stadig mangler de kognitive værdier, men samtidig er vi som brugere blevet vant til teknologier, der fungerer helt fejlfrit.
– Jo mere komplicerede ting, robotter skal kunne, jo mere galt kan det jo også gå. Og vi ved med de her teknikker, at de aldrig kan blive hundrede procent fejlfrie – det er mennesker jo heller ikke. Men vi har vænnet os til næsten fejlfrie computersystemer, og den slags garantier findes ikke i kunstig intelligens – der ligner de alligevel mennesker lidt for meget.
Den afgørende forskel er dog stadigvæk, at vi som mennesker kan forklare os overfor hinanden, når noget går galt.
– Men man kan ikke snakke med algoritmer. Så der mangler en kobling imellem det sproglige, kausale niveau og evnen til at træffe beslutninger. De to systemer er koblet sammen i os mennesker, men det er de ikke i de her computersystemer endnu.
Thomas Bolander er ikke desto mindre optimistisk omkring, at det er en udfordring, der kan løses via forskning.
– Ja, det tror jeg helt sikkert, svarer han, dog uden at turde spå om, hvor langt man forskningsmæssigt er fra målet;
– Lige nu ser det ud som om, der godt kan gå lang tid. Man skal ikke undervurdere, hvor kompliceret det er, og hvor kompleks den menneskelige hjerne er.
Manglende viden og forståelsen for data
Førende eksperter og politikere spår et stort potentiale for AI i Danmark de kommende år. Men politiske beslutningstagere har ikke nok viden om potentialer og udfordringer ved kunstig intelligens – og det kan i sig selv blive en barriere for at have en dialog om, hvordan AI kan bruges, viser en ny analyse fra Microsoft og LEAD Agency.
Det er dog ikke kun politikere, der har mangler den viden.
Martin Broch Pedersen er Head of Invest in Denmark i Udenrigsministeriet og arbejder til daglig med brugen af kunstig intelligens i Silicon Valley. Han oplever, at danske virksomheder også mangler viden om de muligheder, der er ved at anvende kunstig intelligens.
– Ja, det gør de, men de er i samme situation som de fleste virksomheder globalt, inklusiv mange virksomheder i USA – bare ikke i Silicon Valley, der er en ”osteklokke”, siger han og understreger i den forlængelse, at det også handler om tålmodighed;
– AI er svært og tager tid, og konkurrenterne er der heller ikke endnu – det er stadigvæk ”early days”. Det kræver arbejde at finde data, forstå data og modellere data.
Michael Kai Petersen fra Oticon understreger også, at den store udfordring – selv for en videnstung virksomhed, der er vant til at arbejde med data – er implementering af kunstig intelligens i virksomheden.
– Vores vej til praktisk anvendelse har nok været kortere end for mange andre, fordi vi er vant til at analysere brugerskabt data igennem smartphones, mener han.
I den prototype, der arbejdes på i forskningscentret Eriksholm, vil høreapparatet kommunikere med en smartphone og således opsamle data omkring, hvad høreapparatet oplever.
Problemet før teknologien
Michael Kai Petersens råd til de virksomheder, der overvejer at tage teknologien i brug, lyder i den forlængelse;
– Det er vigtigt at vide, hvad det er for et problem, man gerne vil have løst. Det handler ikke bare om at erstatte én algoritme med en anden, men om at sige; hvad vil det betyde for os, hvis et device blev personaliseret.
Det synspunkt bakkes op af Martin Broch Pedersen;
– Teknologien er intet værd, hvis man ikke forstår sine markeder, kunder, processer – og udfordringer. Mange tænker at ”nu skal jeg med på AI bølgen”, og leder derfor efter problemer som AI kan løse, siger han og fortsætter;
– Ledelsesopgaven er ikke at lede efter udfordringer til teknologien, men kreativt at vurdere forretningsmæssige udfordringer og muligheder, og dernæst se på teknologiske muligheder, herunder brug af AI.
Det kræver netop, at virksomhederne har viden om, hvad AI kan og ikke kan endnu. Og det er nødvendigt at bygge den viden op internt, for at kunne vurdere de forretningsmæssige muligheder, påpeger Martin Broch Pedersen.
– Start ikke nødvendigvis med det største potentiale – start et sted hvor der er effekt og mulighed for ”AI-succes”, lyder rådet fra ham.
