Hvis en kunstig intelligens skulle opsummere din bog, hvad ville den så skrive?

Den ville nok skrive noget i stil med: “Peter Svarre har skrevet en bog om kunstig intelligens. Bogen beskriver i tre dele, hvad kunstig intelligens er, hvilke udfordringer teknologien skaber, og hvad vi bør gøre ved udfordringerne. Bogen slutter af med at sige, at man skal huske at tvivle. Den er på 256 sider og har meget få stave- og grammatiske fejl.”#REKLAMEPLADS#

Hvordan forklarer du selv, hvad din bog handler om?

Hvad skal vi med mennesker? er en bog, som forsøger at bygge bro over en samtale, der foregår i to lejre. I den ene lejr har vi teknologerne, der arbejder med og udvikler kunstig intelligens. De interesserer sig ikke særligt meget for etik, politik, økonomi og arbejdsmarkeder.

I den anden lejr har vi politikerne og medierne, som elsker at svælge sig i sensationelle historier om superintelligente maskiner, der overtager verdensherredømmet og gør alle mennesker overflødige. De interesserer sig egentlig ikke særlig meget for teknologien, og mange af deres dommedagsprofetier bygger derfor på ren fantasi.

Min bog klæder den sidste gruppe på til at forstå teknologien, og den udfordrer den første gruppe til at indse, at deres “neutrale” teknologier er sprængfyldte med etiske, politiske og økonomiske dilemmaer.

Hvad er det mennesker kan, som maskiner ikke kan?

Kunstige intelligenser – eller maskinlæring for at bruge et mere præcist udtryk – er en statistisk/matematisk metode, der ved hjælp af data kan finde statistiske sammenhænge i meget store datamængder.

Kunstige intelligenser kan i dag lynhurtigt læse en bog igennem og finde ud af, hvilke ord og sætninger der forekommer hyppigt og i sammenhæng med hinanden.

En veltrænet kunstig intelligens ville kunne læse min bog på under et sekund, og stadig før sekundviseren flytter sig, ville den kunne skrive ovenstående opsummering af bogen.

Men den kunstige intelligens er begrænset af, hvad den ved. Den kan udelukkende forholde sig til de data, den finder i bogen. Den er ude af stand til at abstrahere, altså løfte sig op på et højere niveau, hvor den for alvor forstår indholdet i teksten og er i stand til at tænke indholdet ind i en sammenhæng, der slet ikke findes i bogen.

Når jeg selv skal beskrive bogen, siger jeg, at den bygger bro mellem to lejre. Men det står der faktisk slet ikke noget om i bogen, og derfor ville en kunstig intelligens være ude af stand til at udlede denne abstraktion.

Kunstige intelligenser er på mange områder ved at blive mere menneskelige, men de mangler stadig evnen til at bryde ud af deres meget snævre vidensområder og tænke større tanker. Tanker, som går på tværs af forskellige vidensdomæner.

Hvad er det maskiner kan, som mennesker ikke kan?

Maskinlæringsalgoritmer kan lynhurtigt lære sig selv at blive virkelig dygtige inden for meget snævre områder. Tænk på Googles AlphaGo Zero, som lærte sig selv at spille Go på et overmenneskeligt niveau på 24 timer.

Derudover er de virkelig gode til at finde sammenhænge i datasæt, der er så store, at mennesker må give op, hvis de prøver at forstå dem. Det er også den væsentligste årsag til, at marketing er ét af de områder, hvor kunstig intelligens og maskinlæring anvendes i stor stil allerede i dag.

Når man først har lært en bil at køre af sig selv, kan man i princippet bare kopiere algoritmen til alle fremtidige biler.

Marketing er kendetegnet ved, at man har millioner eller milliarder af datapunkter om folks præferencer, adfærd eller købsmønstre, og i gamle dage kunne vi højest opdele alle disse mennesker i primitive kategorier, som var baseret på alder, køn og bopæl. Ved hjælp af kunstig intelligens kan automatiserede marketingsystemer operere med tusinder eller millioner af segmenter, som man kan ramme med personaliseret indhold, som i øvrigt også er produceret af kunstige intelligenser.

Endelig er der naturligvis den helt store fordel ved maskinlæring, at maskinerne kun behøver at lære én gang. Når man først har lært en bil at køre af sig selv, kan man i princippet bare kopiere algoritmen til alle fremtidige biler. Der er mennesker lidt mere besværlige, fordi vi skal bruge de første 18 år af vores liv på at lære alting fra bunden.

Din bog hedder Hvad skal vi med mennesker?. Mener du, at mennesker bliver overflødige?

Nej. Jeg mener, at vi kommer til at se maskinerne overtage en lang række jobfunktioner, og vi kommer til at skulle være usandsynligt kreative og iværksætteragtige de næste 20-30 år for at finde på alle de sjove, nye jobs, som mennesker kan lave bedre end de kunstige intelligenser.

Men jeg tror ikke, at udfordringen er så forfærdelig meget anderledes end den udfordring, som menneskeheden stod overfor, da man opfandt dampmaskinen, elektriciteten eller bilen. Den britiske økonom John Maynard Keynes forudså i 1930, at mennesker hundrede år ude i fremtiden ville arbejde 15 timer om ugen, fordi maskinerne ville overtage jobs og give os mere fritid.

Og der tog han jo fejl. Han undervurderede simpelthen, hvor dygtige mennesker er til at finde på nye behov og få gjort disse behov til en del af kapitalismens udbud og efterspørgsel.

Selvfølgelig kan en maskine lave kaffe,
men det er jo heller ikke selve kaffen, man køber af barristaen.
Det er oplevelsen af at få lavet en kaffe
af et dedikeret og passioneret menneske.

Jeg tror, vi kommer til at se tre jobtyper i fremtiden. For det første er der gamle jobs som politiker, forfatter eller topleder i virksomheder, hvilke stort set udelukkende handler om menneskelige relationer eller abstraktion på et højt plan. Jeg tror, at der kommer til at gå mange år, før kunstige intelligenser kan udføre den slags jobs. Og med stor sandsynlighed sker det aldrig.

For det andet kommer vi til at se kentaur-jobs – altså jobs, hvor menneske og maskine smelter sammen. Industrialiseringen skabte allerede kentaurer. Tænk bare på gaffeltruckføreren, lastbilchaufføren eller piloten, hvor menneske og maskine arbejder tæt sammen. I fremtiden kommer vi til at se mange flere vidensarbejdere, som bliver langt mere effektive og produktive som en følge af, at de samarbejder med kunstige intelligenser.

For det tredje kommer vi til at se helt nye “menneskejobs”, som er kendetegnede ved, at de netop ikke er udført af maskiner. Tænk bare på barristaen, som egentlig er et komplet overflødigt job, men her på Nørrebro, hvor jeg bor, vokser bestanden af barristaer jo dagligt. Når maskiner i stigende grad automatiserer jobfunktioner, kommer vi til at fokusere på jobs, der er definerede ved, at de ikke kan laves af maskiner.

Selvfølgelig kan en maskine lave kaffe, men det er jo heller ikke selve kaffen, man køber af barristaen. Det er oplevelsen af at få lavet en kaffe af et dedikeret og passioneret menneske. Jeg tror, at dedikation og passion bliver to meget vigtige kernekompetencer på fremtidens arbejdsmarked.

Alle taler jo om AI i disse dage. Er begrebet ikke en smule overhypet for tiden?

Jo. Det er vildt overhypet. Jeg læste lige en rapport fra CES (teknologimessen i Las Vegas, red.), hvor stort set alle gadgets – lige fra røremaskinen til fjernsynet – nu bliver markedsført som AI-produkter.

Jeg tror bare, at vi skal passe på med at tro, at AI kommer til at løse alle problemer.

I min bog skriver jeg om, at man i 1980’erne oplevede en lignende situation, hvor de såkaldte ekspertsystemer blev hypet som kunstig intelligens, der inden for en dekade både ville kunne tale, genkende billeder og køre biler.

Der blev smidt milliarder af forskningsmidler og investeringer efter ekspertsystemerne, men boblen bristede, og op gennem 90’erne var kunstig intelligens nærmest et fyord, som man skulle holde sig langt fra, hvis man ville have investeringer eller forskningsmidler. Jeg tror sagtens, at vi kunne se noget tilsvarende ske med den hype, der er omkring maskinlæring for tiden.

Men på den anden side, ser vi også nogle ret vilde gennembrud for teknologien i disse år. I dag kan de jo faktisk tale, genkende billeder og køre biler, så noget af hypen er ganske berettiget. Jeg tror bare, at vi skal passe på med at tro, at AI kommer til at løse alle problemer.

Hvis vi ikke skal være bange for, at de overtager verdensherredømmet, hvad skal vi så være bange for?

Frygten for, at kunstig intelligens skal udvikle sig til Skynet og slå alle mennesker ihjel, er et interessant tankeeksperiment, men i sidste ende er det lidt af en afledningsmanøvre, der forhindrer os i at tale om langt mere presserende emner. I min bog går jeg dybt ned i fire af de emner.

For det første er der naturligvis problemet med, at kunstige intelligenser er afhængige af data, hvilket skaber nogle af de problemer, vi oplevede i 2018 med datagrådige virksomheder, der groft misbruger folks private data.

For det andet er der de etiske udfordringer med kunstige intelligenser, der begynder at træffe beslutninger om liv og død, hvilket man ser i selvkørende biler og autonome våben.

For det tredje er der udfordringen med kunstige intelligenser, der bliver skæve af data – det vil sige, at de med de forkerte data kan blive racister eller kvindehadere.

Og endelig er der udfordringen med øget ulighed og arbejdsløshed, som meget nemt kan blive en følge af, at kunstig intelligens i dag ejes og udvikles af et antal virksomheder, der på verdensplan kan tælles på to hænder.

Din bog går langt tilbage i historien og ser på udviklingen af kunstige væsener og mekaniske maskiner helt tilbage i 1200-tallet. Hvad kan vi lære af historien?

Når man går tilbage i historien og læser om Paracelsus, Golem, Frankenstein og Terminator vil man opdage, at mennesket altid har fantaseret om, at nye teknologiske gennembrud bliver kimen til vores egen undergang.

Det virker som om, at hver gang menneskeheden oplever hastig teknologisk udvikling, så begynder vi at forestille os, at teknologien løber løbsk og vender sig mod mennesket.

Når jeg går helt tilbage til antikkens myter og arabiske astronomer i 1200-tallet, skyldes det, at jeg gerne vil vise, at mange af de dilemmaer, som i dag præsenteres som helt nye, faktisk har fulgt os gennem århundreder.

Det kan godt være, at Elon Musk og Bill Gates i dag advarer verden om, at kunstig intelligens kan løbe løbsk, men det gjorde Mary Shelley altså også dengang, hun skrev Frankenstein i begyndelsen af 1800-tallet.

Hvor ser vi kunstig intelligens – eller maskinlæring – skabe konkrete resultater i dag?

Som nævnt er kunstig intelligens virkelig stort inden for marketing. Adobe er et godt eksempel på en virksomhed, der satser stort på maskinlæring i stort set alle deres produkter.

Når man bruger Photoshop hjælper kunstig intelligens med at fritskrabe billeder, og når man bruger deres mere avancerede marketing automation-systemer hjælper deres kunstige intelligens med at finde segmenter og personalisere indhold.

Sundhedssektoren er et andet område, hvor vi kommer til at høre meget mere om kunstig intelligens. Der har været megen hype omkring IBM’s Watson, men jeg har også hørt mange historier om, at Watson ikke helt lever op til løfterne om at kunne overtage diagnosticeringsopgaver.

Rigtig meget kommunikation handler om at kunne overskue, kondensere og reformatere data, og det er desværre lige præcis nogle af de ting, som de kunstige intelligenser er allerbedst til.

Til gengæld er der i dag en maskinlært algoritme fra den danske virksomhed Corti, der lytter med, hvis du foretager et 112-opkald. Cortis algoritme er blevet trænet på tusindvis af 112-opkald og har lært sig de mønstre, der kendetegner et hjertestop. Kunstig intelligens sælger altså ikke bare flere produkter, som man kender det fra Facebook, Google eller Adobe, det er også en teknologi, som helt konkret redder menneskeliv i dag.

Hvad med kommunikationsbranchen?

Jeg tror, at kommunikationsbranchen skal forberede sig på, at kunstig intelligens kommer til at gøre drøje indhug i de mest rutineprægede jobs. Og dem er der temmelig mange af i kommunikationsbranchen.

Arbejder du med at overvåge sociale medier, skrive opdateringer til sociale medier, udforme og udsende pressemeddelelser, lave hjemmesider, købe/sælge annoncer eller simple projektlederopgaver, så er der en god chance for, at kunstige intelligenser inden for de næste 10 eller 20 år kommer til at overtage din jobfunktion helt eller delvist.

Rigtig meget kommunikation handler om at kunne overskue, kondensere og reformatere data, og det er desværre lige præcis nogle af de ting, som de kunstige intelligenser er allerbedst til.

Hvad skal vi med kommunikatører?

Kunstige intelligenser er overmenneskeligt dygtige til at finde statistiske sammenhænge. De kan aflure, gennemskue og manipulere mennesker i en helt uhørt grad. Men det betyder ikke, at de for alvor forstår mennesker. De ser udelukkende mennesker som en samling af datapunkter, der er forbundede på forskellige måder.

Jeg tror, at der i fremtiden vil være behov for kommunikatører, der forstår sig på mennesker. Folk, der har en unik indsigt og forståelse for menneskets grundvilkår.

Det lyder måske lidt fluffy, men bare se på Facebook: De har alverdens sociale data til deres rådighed, de har et intimt kendskab til to milliarder mennesker, de har udviklet nogle af verdens mest avancerede kunstige intelligenser, og alligevel fremstår deres krisekommunikation. som om den er lavet af en Commodore 64.

Bogen udkommer d. 5. februar. Kforum inviterer i den anledning, sammen med Gyldendal, til en debat om kunstig intelligens. Du kan læse mere om arrangementet her.

Peter hjælper virksomheder med at løse deres digitale marketing- og forretningsudfordringer. Han har arbejdet i 20 år med user experience, sociale medier, web metrics, onlinemarkedsføring og digital strategi.

Han har også lavet en podcast-serie, hvor han taler med en håndfuld eksperter om alle de spørgsmål, udfordringer og dilemmaer, der rejser sig, når kunstige intelligenser begynder at træffe beslutninger, køre biler, passe gamle mennesker, ansætte medarbejdere eller overvåge socialt udsatte borgere. Den kan du høre lige her.