Industrien skal revolutioneres med pædagogiske algoritmer

Det sværeste ved at introducere kunstig intelligens i virksomheder er at ændre status quo, mener italiensk forsker, og derfor skal algoritmerne oversættes til klart forståeligt sprog.

af Morten Scriver Andersen

Kunstig intelligens er som skak. Hver gang du skal tage et træk, skal du gennemtænke alle de mulige udfald, din modstander kan lave. Se bare på Google Map-appen på din telefon. Her fortæller du et stykke software, hvor du er, og hvor du vil hen, og så vælger den den bedste rute ud af alle de mulige.

Det er meget godt i spil, alt efter hvordan du tager en omvej eller et nederlag i skak. Men i produktionsverdenen kan der både være store penge at tjene og miste ved indblanding af tung kunstig intelligens. Derfor er de fleste virksomheder stadig afventende, men om få år vil produktionsindustrien blive ændret på et helt substantielt plan, mener den italienske orsker Daniele Magazzeni.

"Der kommer til at være enorme forandringer, men efter min mening ligger fremtiden i koordineringen og samarbejdet mellem robotter og mennesker," siger Daniele Magazzeni, der er chef for Artificial Intelligence Planning ved King's College London.

Mennesket og robotten

Daniele Magazzeni skynder sig dermed at mane den frygt for menneskets detour på arbejdsmarkedet, som han hører over alt, i bund. Selvfølgelig vil der være tabte job, men det har vi prøvet før med de tre industrielle revolutioner, vi allerede har overlevet, lyder argumentet.

Daniele Magazzeni arbejder med begrebet symbiotisk økonomi. Det er netop symbiosen mellem mennesket og teknologien - primært kunstig intelligens og automationsteknologier, han mener er fremtiden. Og vi i Vesten bør se særligt interesserede med.

"Udviklingen af kunstig intelligens vil klart sænke prisen på produktion i Vesten, så det er noget, der kan være med til at bringe produktionen tilbage til Europa. Hvis du ser på Amazon Kiva-robotter, kan du se, hvor billigt det er blevet at transportere ting rundt på et lager," siger Daniele Magazzeni under henvisning til Amazons små flade robotmedarbejdere, der i musikalsk ensrettede bevægelser kører varer rundt på lagrene.

Men det er i virkeligheden ikke her det store potentiale i menneskets symbiose med robotterne ligger i produktionsindustrien, mener Daniele Magazzeni.

Vejrudsigt for produktion

I samspillet mellem automation og machine learning vil vi i fremtiden kunne lave stadig mere præcise forudsigelser, og skræddersy og fintune, hvad der skal produceres baseret på dem," forudsiger Magazzeni.

Han eksemplificerer det med udsigten til en varm sommerdag i London. Gennem tid kan vi oplære avancerede computere via machine learning til at give præcise tal for, hvor mange engangsgrill, grillpølser og kolde øl, der skal sættes i produktion og være på lager. Det er det illustrerende eksempel. Men teknologien være i stand til at lave meget mere avancerede prognoser i fremtiden.

"Det er en måde at samtænke machine learning med den faktiske produktion. Alle de ting, der ikke bliver solgt, bliver jo spildt. Det kan vi undgå ved at lave mere præcise forudsigelser," siger Magazzeni.

Black box

Tilbage til pointen om, at der er stor risiko forbundet med at stole blindt på kunstig intelligens i beslutningsprocesser.

For det primære problem med at bruge kunstig intelligens-systemer er, at machine learning er en form for black box fænomen: Man forstår de overordnede mekanismer, men ikke detaljerne.

Systemet foreslår, du gør A eller B, men du ved ikke hvorfor. Det er du bare nødt til at stole på. Her er det ifølge Daniele Magazzeni afgørende i den symbiotiske økonomi, at systemet er i stand til at fortælle, hvorfor den tager en beslutning, så de ansvarlige kan stole på maskinen. Særligt fra et retsligt perspektiv.

"Når ting går galt, og det gør de jo, er du nødt til at kunne sige, hvem der er ansvarlig, og det må aldrig være en maskine. Derfor går en del af forskningen ud på at oversætte algoritmerne til naturligt sprog, for som det er nu, kan vi ikke forstå noget," forklarer han.

Algoritmer, der er til at forstå

Det kræver endnu et eksempel til illustration, denne gang uden for produktionens verden.

Daniele Magazzeni og hans stab samarbejdede for nylig med det statslige trafikselskab i London om at optimere trafiklysene i byen. Gennem machine learning lavede de en algoritme, der kunne spytte en tidsplan ud for trafiklysenes koordinering tyve minutter frem, så trafikken ville flyde mest muligt i dagens forskelligartede rytmer.

"Ingeniørerne ville have noget, de kunne forstå. Så vi var nødt til at tage vores algoritme, producere beslutningerne, som var en slags tidsplan for trafiklyset, og det oversatte vi så til det samme system, som ingeniørerne brugte. Vi visualiserede, hvad der vil ske i trafikken baseret på de forskellige tidsplaner. Det var et ekstra arbejde, vi var nødt til at gøre, for at få dem til at forstå værdien i vores algoritmer," forklarer Daniele Magazzeni.

Han siger samtidig, at det vil være et tilbagevendende problem.

"Når du introducerer kunstig intelligens i en virksomhed er det sværeste altid at ændre status quo, og at få dem til at se værdien i det."