5. VIDEN: Hvad skal vi med kunstig intelligens?
”Hvilket problem vil jeg have løst – og kan AI hjælpe med det?”. Det er det første, man skal spørge sig selv om, i stedet for ” Hvad kan jeg bruge AI til?”
AI er en værktøjskasse med mange forskellige muligheder. Bruger man det rigtig og med de rette forbehold, kan det være en fantastisk hjælp.
I dette oplæg fortæller Jon Henningsen, Movesco, som har mange års erfaring med AI, om muligheder og faldgruber ift. at bruge AI.
Det skal du vide, inden du går i gang med AI:
Der findes to typer AI:
- Symbolsk AI – Den henter svar fra den data, du giver den. Den kan udarbejde eksplicitte modeller, er forudsigelig, kan forklares, er god til statistisk og udvikler sig ikke.
- Subsymbolsk AI – Den henter sin viden fra træningsdata, er lærende og dynamisk. Den kan lave implicitte modeller og kvalificeret gætværk. Den bruger sandsynlighed og kan afspores med forkert data. Derfor kan man ikke regne med de svar, man får.
3 grundlæggende problemer med kunstig intelligens i dag:
- Vi er fascinerede, og der begynder at komme svar, vi ikke kan bruge til noget. Man skal være kritisk ved brug, da den kan manipuleres. Fx er det let at overbevise en chatGPT om, at der kun er 2 rr’er i ordet strawberry.
- Dataindavl – AI bliver trænet med data, som de finder på nettet. Men de spørgsmål, der stilles til AI generer svar, som så findes på nettet og derfor indgår i det, AI finder på nettet. Så ukorrekte svar påvirker deres nye svar og så er der mere og mere vrøvl, der skaber nye svar.
- Energiforbrug – Kunstig intelligens er meget ressourcekrævende. Et spørgsmål til chatgpt bruger samme energi som at oplade en mobiltelefon 40 gange. De bliver inkorporeret alle vegne i fremtiden, og er derfor ikke særlig bæredygtige.
Hvad er AI så rigtig god til?
Billedbehandling, indhold på blogs, genkende, kategorisere og sortere data. Derfor er det oplagt at bruge AI til at lave et værktøj for indkøbsanalyser. Det kræver dog god data, som i dag ofte ikke er af god nok kvalitet.
Hvis man ikke har styr på, hvilken data man bruger til at træne sin model, så har man heller ikke styr på dens resultater. Vi er nødt til at forstå, hvad vi fodrer den med, for ellers er det ragelse, der kommer ud af den.
AI er et værktøj, der kan være en god makker og potentielt løfte kvaliteten – ikke erstatte varme hænder.