GPTer og annen ny teknologi trenger tid for å finne sin plass i samfunnet. Slik oppstår nye jobber.

GTP i «ChatGPT» står for «Generative Pretrained Transformer». Ny teknologi som dette trenger tid for å finne sin plass i samfunnet. Frykt for omstilling og massearbeidsledighet er grunnløs.

GTP i «ChatGPT» står for «Generative Pretrained Transformer», eller direkte oversatt «Generativ Forhåndsopptrent Omformer». Det omtales som et jordskjelv av en innovasjon med potensial til dramatisk øke produktiviteten i en lang rekke virksomheter og yrker. Andre snakker om General Purpose Technology. Det er teknologi som finner anvendelse i det fleste bransjer, som har et innebygget potensiale for kontinuerlig utvikling til stadig bedre løsninger, og som utløser komplementære innovasjoner. Spør ChatGPT om hva som helst og den gir deg svar som langt på veg gjør jobben for deg. GTP ansees som et forvarsel om hva vi kan vente oss av AI/Kunstig Intelligens. Noen sammenligner AI-oppfinnelser som dette med oppfinnelsene av dampmaskinen, elektrisiteten og datateknologien. 

Ny teknologi trenger tid for å finne sin plass i samfunnet. Om vi velger å hente lærdom fra historien så er en av disse at selv teknologi som i ettertid viser seg å være revolusjonerende trenger tid før den virkelig setter spor i samfunn og økonomi. James Watt patenterte sin dampmaskin i 1769. Men damp erstattet ikke elvevannet som drivkraft i industrien før i 1830 i England og 1860 i USA. Og det var først i 1850 at man i England virkelig kunne se at dampmaskinen gjorde en forskjell. Alle oppfinnelser som gjorde elektrisitetsforsyning og elektrisitetsbruk mulig var på plass i 1880. Men først 30 år etter kunne man se effekten av denne oppfinnelsen i form av økt produktivitet i industrien. De første integrerte kretsene ble produsert i tiden rundt  1960. Men det var først på 1990-tallet at man kunne konstatere produktivitets-gevinster i offisielle statistikker i USA som kunne føres tilbake til bruk av PCer.

Fra Apples Siri til ChatGPT og flere av samme slag. AI-verktøy som ChatGPT, det finnes flere og enda flere er under utvikling, har bragt utviklingen et godt stykke videre når vi sammenligner med f.eks. Siri, Apples virtuelle assistent, som ble lansert i 2011. Men det er flere årsaker til at gjennombrudd for nye teknologier tar tid. Oppfinnelser må tilpasses aktuell anvendelsesområder og spesielle bruksområder. Tid er penger, så både tid og penger må til for å tilpasse ny teknologi til bruk som etter hvert gjør investeringene i teknologien så rimelige at man kan tjene penger på å bruke den.

Frykt for omstilling og massearbeidsledighet, som følge av innføring av ny og mer effektiv teknologi, har til tider i historien skapt opprør. Men dette er ikke en allmenn regel som støttes opp av historiske erfaringer. En prosessinnovasjon som kan sammenlignes med introduksjonen av kunstig intelligens skjedde da Henry Ford introduserte samlebånds-produksjon for å redusere kostnadene ved produksjon av personbiler. Dette bidro til økende etterspørsel etter biler og økende etterspørsel etter arbeidskraft. Teknologiske revolusjoner fører ofte med seg nye ideer, produkter og institusjoner som snarere øker etterspørselen etter arbeidskraft over tid enn å redusere denne. At den nye teknologien ikke betyr at menneskene blir overflødige i arbeidslivet støttes også av andre måter å se fremtidens arbeidsmarked på. Denne posten er et ekstrakt av en artikkel i The Economist fra 4. februar i år.

Førerløse biler, kunstig intelligens og kulturforskjeller

Ratt og automatgir på museum. Ved slutten av det 21-århundre vil museer ha utstillinger med biler fra århundreskiftet vi la bak oss for 20 år siden, hevdet Lipson og Kursman i boken «Driverless. Intelligent Cars and the Road Ahead». Kanskje skjer det til og med før. En besøkende på et slikt museum vil sette seg inn i førersetet, oppdage GPS-displayet, svinge på rattet, tråkke på bremsen og forundre seg over at man bare for noen generasjoner siden kjørte rundt i noe så ukomfortabelt og farlig. Selvkjørende kjøretøy med og uten fører vil kunne gi gevinster i form av bedre fremkommelighet, bedre utnyttelse av kapasiteten på vegnettet både for person- og varetransport, og ikke minst bedre trafikksikkerhet med færre ulykker. Over en million mennesker dør i trafikken hvert år world wide. Dette kan reduseres betraktelig etter hvert som ny kjøretøyteknologi tas i bruk. Teknologien vil også gi miljøgevinster knyttet til mer effektiv energibruk og bidra til økt mobilitet for grupper som i dag er avhengig av bistand for å komme seg hjemmefra til dagligdagse gjøremål og opplevelser. Teknologien utvikler seg raskt. 

Glidende overgang eller utvikling i sprang? Nye biler i dag har førerstøttesystemer for parkering, hastighetskontroll og nedbremsing. Man kan tenke seg en utvikling mot selvkjørende biler der det legges til stadig nye funksjoner slik at bilen til slutt kjører selvstendig. Klassifiseringer som SAEs, der automatiserte kjøretøy deles inn i fem klasser fra kjøretøy med førerassistanse til fullt automatiserte kjøretøy gjør det enkelt å tenke slik. Alternativt vil utviklingen skje i et sprang der helautomatiserte biler presenteres som et helt nytt transportkonsept. Argumentene for dette er sikkerhet. En gradvis overgang til stadig større grad av automatisering vil kunne bli vanskelig å takle i overgangsfasen. Når skal man stole på bilen og når skal man ikke? Og hva med trafikk der noen biler er selvstendige og andre kjøres av sjåfører som i dag? Men selvkjørende biler krever ikke omfattende utbygging av infrastruktur. De mest lovende konseptene for utvikling av slike biler plasserer alt av det nødvendige i bilen. Blandet trafikk bør være mulig.

Biler som tenker selv. De fleste roboter er i dag fortsatt styrt av programmer laget av mennesker laget for å gjøre spesielle oppgaver. Vi har langt på veg full kontroll over disse. Kunstig intelligens (AI) tar oss flere skritt videre. Kunstig intelligens forutsettes å kunne lære selv hva den skal gjøre. Vi har ikke tidligere bygget maskiner som konstruktørene ikke helt ut behersker eller forstår. Selvkjørende biler av dette slaget er imidlertid alt under utprøving. De kjører på impulser fra algoritmer de har lært seg selv ut fra observasjoner av hvordan mennesker kjører bil, såkalt deep learning. Slik teknologi har vist seg svært effektiv i arbeid med billedtolkning, stemmegjenkjenning, oversettelser av språk, det å stille diagnoser ved alvorlig sykdom ut fra tolkning av svære mengder pasientdata og i å gi råd ved finansielle operasjoner. Men teknologien gir løfter langt ut over dette som f.eks. når det gjelder realisering selvkjørende biler i stor skala.

AI-etikk og etiske dilemmaer. Noen kaller deep learning for den kunstige intelligensens sorte boks for å markere at vi ikke har full oversikt over innholdet. Og det er her vi møter utfordringer. Hvordan kan vi sikre oss at den tenker og handler riktig i nye og uvante situasjoner? Kan den læres opp til etisk refleksjon for å gjøre fornuftige valg i situasjoner som fremstår som dilemmaer der det uansett blir galt hva man enn gjør? Skal man ta mer hensyn til menneskene i bilen enn de som er utenfor når man ikke kan unngå å skade noen. Noen vil hevde at det ikke er mulig å gjenskape menneskets resonnementer og avveininger i en kunstig intelligens. Andre hevder at mennesker tar beslutninger daglig når de kjører sine biler i trafikken og at resultatet samlet sett er katastrofalt og at det derfor vil være mye å vinne ved å kople menneskene fra. 

AI-utvikling langs flere spor. Flere konsepter har vært under utprøving for å «dyrke frem» kunstig intelligens. Man har arbeidet med virtuell opplæring, simulering av skyldfølelse, læring gjennom «fortelling», men selvstyrende biler krever egne og mer sofistikerte tilnærminger. AI-biler opplæres via signaler fra sensorer og inntrykk fra bilder fra kameraer og testkjøringer over lange avstander langs bestemte ruter innenfor avgrensede områder eller ruter. Det utvikles teknologi for å kommunisere med andre kjøretøy og fotgjengere. Waymo, en avlegger fra Googles, har under utvikling en 360% persepsjonsteknologi som kan fange opp fotgjengere, andre kjøretøy, syklister, veiarbeider og andre objekter i en omkrets av minst 200 meter rundt bilen. Mens mange utviklingsmiljøer arbeider med og modifisere eksisterende bilmodeller lager ZOOK egne biler fra bunnen av. Deres bilkonsept skal kunne bestilles via en app tilsvarende det som i dag tilbys av Uber og Lyft.  

Nye utfordringer: Hvilken etikk skal gjelde? Januar-utgaven av WIRED (UK) trekker frem en ny utfordring for denne teknologien og AI i sin alminnelighet. Den 25. juni i fjor annonserte Facebook vinnerne av sitt Ethics in AI Research initiative Asia Pacific innrettet mot å støtte integreringen av tradisjonell kunnskap fra hele verden i utviklingen av kunstig intelligens (AI). Prisvinnerne Junaaid Qadir og Amana Raquib fra Pakistan hadde lagt frem en studie av hvordan Islamske etiske og legale prinsipper kan brukes for å regulere AI i Muslimske land. Etiske tradisjoner i Muslimske land har mer enn 1400 års historie og omfatter en til to milliarder av verdens befolkning. Innenfor Islamsk tradisjon er det ifølge prisvinnerne vanskelig å se for seg dilemmaet der den førerløse bilen gjør et valg i en situasjon der alternativene er å ta livet av en fotgjenger på gaten eller mennesket i den førerløse bilen. Dette er en relativt vanlig illustrasjon til utfordringer man møter med selvkjørende biler. AI i Muslimske land må etableres slik at den ikke gjør skade på mennesker, hevder de to, om man skal følge Falah. AI møter her også andre utfordringer vi i "vår verden" ikke ser på samme måte. 

Er dette interessant for deg er kanskje også posten om overvåking og ansiktsgjenkjenning interessant. Be my guest.