Da Chatgpt gik i luften sidste år, gik der for alvor endnu en gang selvsving i pressen, politikere og mange flere, pludselig kunne dette nye fantastiske værktøj alt fra at løse rutineopgaver til at tilintetgøre menneskeheden. Vi fik alle uanset forudsætninger mulighed for at skrive, oversætte og mange andre ting, som tidligere krævede blod, sved og tårer især når man var amatør på det pågældende felt.
De store tech virksomheder er gået ind i hård konkurrence, om at være først og bedst, men lad os se på det nye kunstige intelligensværktøj både med udgangspunkt i dets muligheder og begrænsninger.
For de redskaber med en fælles betegnelse kalder LLMS er alt output generet på samme måde. Den underliggende programmering determinerer, hvordan den finder og sammensætter tekster. Det giver stor fleksibilitet og muligheden for at levere er forkert svar. Kunstig intelligens output er sandsynligvis rigtigt, det er sandheden om f.eks. hvilke eksaminer, man kan smykke sig, ikke.
Da disse modeller kan høste uendelige mængder af data og levere et svar til dig på mange områder. Dog er der ikke indbygger et shit eller faktatjekker i systemet, det står stadig tilbage at forstå at fortolke og anvende informationer på rette vis.
De mange nye begreber!
Først er det måske godt at have lidt styr på de begreber, som flyver rundt i luftet hentet af regeringsekspertudvalg på Tech området. 2.del.
Kunstig intelligens eller AI er systemer, som med varierende grad af afhængig af autonomi og på baggrund af data kan løse opgaver indenfor tekst, lyd og billede. Det er kunstigt indhold skabt ud fra data på baggrund af sandsynlighed f.eks. sprogmodeller ChatGPT; Mistral, Metas Llama 2 og Google Bard. Der er også andre former for kunstig intelligens, som for eksempel de anbefalingsalgoritmer, som vi kender fra de sociale medier.
En bot eller robot referer generelt til et computerprogram, som udfører automatiserede opgaver. Bots kan bruges til en bred vifte af formål og erstatter ofte menneskelig brugeradfærd. Bots kan for eksempel dele, like og poste indhold på sociale medier.
En Chatbot er et computerprogram, som brugeren kan skrive og tale med og hjælpe med forskellige opgaver f.eks. besvare spørgsmål, gennemføre køb eller finde informationer. De har eksisteret i flere år, men kan ved hjælp af kunstig intelligens blive mere avancerede og tilpasse sig den enkelte bruger. Eksempler er Siri, Alexa og google assistent. Andre kan tale med brugeren som chatbotten my Ai, som er indbygget i Snapchat.
Da kunstig intelligens AI for alvor kom frem for 10 år siden, var der en meget lille del af danske virksomheder, som brugte kunstig intelligens i produktion og service.
I dag ser det helt anderledes ud hver 4. fjerde især blandt de store virksomheder bruger kunstig intelligens til blandt tekstanalyse, konvertering af talt og skrevet sprog, identifikation baseret på billeder, Machine learning, robotter men højdespringeren er automatisering af arbejdsgange.
Det er ikke tilfældigt og man kan kun ønske, at netop automatisering af standard arbejdsgange og standard data bliver endnu mere automatiseret i fremtiden.
Dog har den kunstige intelligens trods mørke forudsigelser ikke reduceret arbejdsstyrken. I såvel Danmark og USA er arbejdsstyrken vokset side og side med indførslen af kunstig intelligens.
Fremtidens udvikling er flere bots og chatbots.
Vi er midt i det 3. led i den digitale revolution, hvor utrolig mange processer og teknologi integrerer og forbinder systemer, produkter og services. Ikke mindst lever vi en mega-bølge af teknologier, som smelter sammen og bruges på kryds og tværs.
Det udfordrer os, da vi ikke længere kun kan specialisere os indenfor en bestemt branche og område, men vi er nødt til at holde øje, hvad der sker på mange andre områder, hvor software og nye systemer potentielt kan anvendes på eget arbejdsområde.
Automatisering ved anvendelse af kunstig intelligens er stadig vej frem mod højere kvalitet og lavere omkostning på en hel del områder, derfor er mennesker med særlig viden indenfor data og datascience er i særdeles høj kurs nu og i fremtiden.
Arbejdet med bæredygtighed er for alvor gået op for os i sin kompleksitet, det handler ikke kunne om at afskaffe børnearbejde og udskifte engangskrus, men i langt højere grad om at se kritiske på alle arbejdsgange og processer, hvordan kan man minimere forbrug og spild, afskaffe uhensigtsmæssige arbejdsgange.
Alt sammen med det formål at reducere vores aftryk på verden og dens ressourcer. Forudsætningen for at det sker på et kvalificeret grundlag er data og masser af arbejde med data og kunstig intelligens.
Kunstig intelligens især de LLMS-begrænsninger
To forskere nemlig Frey og Osborne fra Oxford University var fremme med forudsigelser for ca. 10 år siden, om hvordan kunstig intelligens ville forandre arbejdsmarkedet og især det ufaglærte arbejdsmarked.
Dog var deres forudsigelser baseret på ren teknologi analyse og inddrog ikke den bevægelse, som arbejdsmarkedet altid er gang med nemlig at ændre på stillingstyper og jobfunktioner. Det er nemlig vigtigt at holde sig for øje, at samfundet og arbejdsmarked ikke står stille, medens ny teknologi indføres, men forandrer sig med det og derfor får vi som medarbejdere ofte blot nye og andre arbejdsopgaver end tidligere.
I dag forudsiger Frey and Osborne, at kunstig intelligens især vil øge produktiviteten på områder og på jobs, som er karakteriseret af rutine og standards opgaver uden stor kompleksitet i opgaveløsningen (The Economist 2023).
Som Osborne og Frey skriver, er det ikke svært at blive imponeret over de nye generative systemers kapacitet. De store sprogmodeller (LLMS) som Chatgpt4 kan besvare spørgsmål på en menneskelig måde og skrive plausible artikler, opgaver og tekster.
Billedgenerende systemer som Dall-E avancerer hurtigt og kan i nogle tilfælde erstatte designere og dele af reklamebranchen. Tilføj GitHubs copilot, som en kunstig intelligens, som kunstig intelligens programmør kan skrive computer koder og potentialet for automatisering syntes endeløst.
Men for at forstå anvendelse på arbejdsmarkedet er man nødt til at forstå begrænsningerne.
Selvfølgelig kan fintuning af disse LLMS forbedre deres kvalitet og niveau. En af måderne er via læring via menneskelig feedback (RLHF), som opdaterer modellen ved hjælp af den feedback, som den får fra brugerne på output, om det var godt eller korrekt i sammenhængen. Men det kræver meget arbejde og ikke mindst mener man at RLHF er ved at nå sin begrænsning.
Selv med forbedringer vil LLMS performance i fremtiden være ved at nå sit potentiale, medmindre der kommer et teknologisk gennembrud, som betyder, at algoritmer kan lære fra mindre datasæt.
Arbejdsmarked – fortsat automatisering af rutiner, processer
Der er flere eksempler på, at det især de dårligst uddannede ikke eksperter -som får gavn af generativ AI eller kunstig intelligens. For eksempel Microsoft copilot her får de som ikke kan programmere mest gavn af værktøjet.
Det samme gør sig gældende for Chatgpt, som på mange områder gør det langt nemmere for mange mennesker at skrive og formulere en forståelig tekst. Men de mennesker, som får hjælp, er typisk nogle, som i forvejen har svært ved at formulere sig. Men demokratiseringen af adgang til at kunne en lang række ting, som man ikke er ekspert i, er ikke til at tage fejl af.
Kunstig Ai assistenter kan øge produktivitet ved at automatisere rutineopgaver og give support til menneskelige agenter med 14 % (Brynjolfsson m.fl. Stanford University) Det er her de største gevinster fortsat findes for kunstig intelligens.
Kunstig intelligens har et stort potentiale for at forbedre produktivitet og effektivitet i mange processer og systemer. Især hvis man arbejder med såkaldte kurateret data dvs. data, som er udvalgt og bestemt af eksperter og brugere på området eller i virksomheden.
Det, som er afgørende, er at forstå den potentielle eksponentielle vækst, som brug af kunstig intelligens, kan betyde.
For eksempel er et menneskes rådgivning begrænset af den arbejdstid eller øvrige tid, som vedkommende bruger på det. Hvis en digital trænet platform via kunstig intelligens yder den samme automatiserede rådgivning, vil platformen kunne gøre det et uvist antal gange 24 timer 7 dage om ugen.
Især når der er tale om et lukket kredsløb, hvor man har besluttet hvilke data og hvordan de skal bruges eventuelt, udvikles i samspil med mennesket, som vi kender fra robotter i automobilbranchen og fra servicerobotter i undervisningsverden.
Kvalificeret brug af data og kunstig intelligens har et stort potentiale for at udvikle og forbedre systemer, forbedre services, finde fejl og optimere processer i service og produktion. Anvendelsesmulighederne er talrige.
Dog sælges der trods hypen med meget lidt Ai software og det skyldes blandt andet, at mange mindre virksomheder og arbejdspladser ikke rigtig syntes, at besidder det rette Know how for kunne komme i gang med at bruge AI i deres virksomhed.
Det skyldes blandt andet også, at erfaringer fra andre teknologiske gennembrud viser, at det tager noget tid og investering indførsel i teknologi og tilegne sig nye arbejdsmåder. For eksempel slog produktivitetsfremgangen efter brug af PC først igennem 10 år efter indførsel af den i virksomheder.
Mennesket og den veluddannede arbejdskraften er stadig i høj kurs i en digital og grøn verden!
Kunstig Intelligens i bred forstand giver os fremadrettet en lang række muligheder for at forbedre og forbinde systemer, opnå højere kvalitet i opgaveløsning og i såvel det fysiske som digitale produkter, forbedre servicen til såvel kunder som borgere. Ikke mindst at leve de meste bæredygtige og grønne løsninger i alle sammenhænge.
Der er et giga-stort uudnyttet potentiale, som vi kommer til at arbejde med de kommende år.
Der er mange forskellige meninger og analyser af, hvordan og hvilke grupper, som bliver ramt af automatisering. En analyse af det europæiske arbejdsmarked i perioden 2000 til 2016 indikerede, at det især var middelklassen job, som forsvandt fra arbejdsmarkedet. Hvorimod de lavt uddannede og højtuddannedes jobs var i vækst.
En analyse af udviklingen i 16 europæiske lande i perioden 2011 til 2019 dvs. automatisering og ny teknologi påvirkning af arbejdsmarkeder fra ecb.europa.eu af bl.a. Stefani Albanis viser, at betydningen af indførslen har haft størst positivt effekt på de højtuddannede og yngre på arbejdsmarkedet. Som de skriver er, det afgørende om AI kommer til at erstatte eller komplementere jobs i fremtiden.
Frey og Osborne holder fast i, at det stadig er de ufaglærtes jobmarkedet og funktioner, som vil blive erstattet af kunstig intelligens.
Uanset, hvad der sker, så vil brugen af Kunstig Intelligens være gavnligt på utroligt mange områder, men udviklingen er stadig meget afhængig af menneskers viden og ekspertise indenfor de rette områder.
Vi har på arbejdsmarked brug for følgende grupper for, at vi kommer i mål.
- Data og It-specialister, som kender til systemer, muligheder og kan udvikle de optimale løsninger i den konkrete sammenhæng på en videns baseret grundlag dvs. på baggrund af Big data både interne og eksterne datakilder.
-Ansatte og medarbejdere, som kender forretning, organisation og kunder/brugere, som kan være med til at udvikle nye bots eller chatbots og sikre den rette relevans i sektor eller i organisationen.
-Brugerinterface skal udvikles løbende og samen med brugerne eventuelt forskellige typer af brugere dvs. de interne og eksterne. Manglende fokus på brugertilgangen og justeringer er ofte en hovedårsag til et systems fiasko.
Ikke mindst et kvalificeret samarbejde mellem de 3 grupper er altafgørende for, at man lykkes med at anvende AI på en vellykket måde og i en proces, hvor man kan justere og ændre hen ad vejen.
Teknologien vinder ikke over mennesket, men har brug for kvalificerede mennesker for at kunne blive anvendt på den mest effektive måde i virksomheder og samfundet.