Gjør maskinene smartere enn mennesker

-Det var jo en stor sak den gangen man først fikk maskiner til å spille sjakk. En innovasjon det var mye snakk om, og som løftet forståelsen av hva maskiner kan utføre til nye høyder. Men det er lenge siden den gang, og i dag er maskinene bedre enn mennesker til å spille sjakk. Nå er det  heller snakk om hvilken maskin som er best.

Kjetil S. Kalager i Amesto har en imponerende tittel. En tittel som kun overgås av hans jobbeskrivelse. Men han er ikke opptatt av noen av delene. Likevel: «VP AI Lab – Executive advisor» sier mye om hva kan jobber med til daglig – og hvorfor nettopp jobbeskrivelsen hans er interessant:

Innovasjon

På Amestos hjemmesider står det nemlig å lese at han « Definerer visjon og misjon, bidrar til å legge strategi, planer og aktiviteter – og til å gjennomføre dette».

-Det høres ut som selve oppskriften på målrettet innovasjonsarbeide?

-Vi jobber mye med dette. I våre «semantic cases» kommer det tydelig fram hvor gode hjelpere maskinene kan være for oss mennesker, og ikke minst hvor stor humanistisk innsats de kan gjøre. Vi bruker både kunstig intelligens (AI) og maskinlæring (ML) for å utvikle nye og langt mer effektive systemer, som gjør at vi mennesker kan bruke tiden til de vurderinger og ikke minst beslutninger som kan gjøres på sikkert grunnlag når maskinene har gjort jobben sin først. Det er relativt nytt at man bruker disse til å forstå tekst, og virkelig kunne vurdere innholdet av den og hvilke beslutninger man bør kunne gjøre på bakgrunn av for eksempel rapporter. Så det vi jobber med nå, er avgjort innovasjon, som er både målrettet og definert. Vi er kommet et godt stykke på vei, men maskinene har fortsatt en del igjen å lære, smiler han.

-Kan du fortelle litt mer om hvordan dere jobber i praksis?

-Ja, jeg tenker kanskje at tre forskjellige prosjekter vi er involvert i, kunne være gode illustrasjoner:

Kreftregisteret

-Vi har jobbet et par måneder med et prosjekt sammen med Kreftregisteret gjennom en hackathon i regi av SAS Institute. Prosjektet handler om å bearbeide data for forskerne. Man kan si at vi «sminker data», slik at de forskningsrelaterte egenskapene beholdes, mens de data som gjør at et menneske kan gjenkjennes blir borte. Her har vi hatt spesielt god hjelp av AI – som lager syntetiske forskningsdata og gjenkjenner data vi mennesker ikke vil at alle og enhver skal kunne ha tilgang på om oss, og derfor fjerner dette fra data forskerne får tilgjengelig for sin research. Saken er jo at for forskningsøyemed er personsensitive data ikke interessante overhode. Det er tallmaterialet – og forhold mellom disse – som vil være av interesse for forskningsmiljøene. Og vi har fått dette til, for vi har greid å ta det beste fra forskningesmetodikk og paret dette med vår egen kompetanse når det gjelder AI og ML, og dermed fått opp løsninger som vi på sikt vil kunne lage på en kommersiell måte. Det gjenstår fortsatt en del arbeid, men vi er ganske sikre på at det vil kunne bidra til å fjerne mange flaskehalser i forskningsprosesser, og mangedoble forskerkapasiteten, slår han fast.

-Hva er den viktigste utfordringen her?

-Det er at vi ikke må risikere at vi mister kvaliteten på data når vi «oversetter» , altså sminker data til det ugjenkjennelige. For det KAN skje, om man altså ikke er sterkt fokusert på dette, og tar sine forholdsregler, sier han ettertenksomt.

I utgangspunktet gjør vi dette prosjektet gratis. Men vi tror at metodene kan brukes på flere områder og at det dermed vil være økonomisk bærekraftig på sikt. Vi vil gjerne ta samfunnsansvar i alt vi gjør, tilby våre ansatte interessante arbeidsoppgaver og samtidig gjøre det lønnsomt for virksomheten.

Røde Kors

-For Røde Kors har vi et spennende prosjekt som er finansiert av Innovasjon Norge, som vi gjør delvis pro bono, og som dels er finansiert av organisasjonen selv. Dette prosjektet har vi arbeidet med i ett års tid og er ferdige rundt sommeren 2022. Vi er opptatt av at prosjekter skal være økonomisk bærekraftige, men vi vil også hjelpe mennesker og planeten. Så for Røde Kors har vi arbeidet med et prosjekt som tar utgangspunkt i de titusenvis av nødhjelpssituasjoner organisasjonens lokalavdelinger i 192 land rapporterer om hele tiden. Alle disse titusenvis av rapporter skal leses og vurderes. I dag gjøres dette manuelt, men vi har nå fått AI til å lese rapportene og forstå innholdet. Vi tar utgangspunkt i forskning som Google og Facebook har gjort og som har trent på Wikipedia, og bruker «Natural Language Prosessing» for å skape algoritmer som rapporteres inn i organisasjonens datasystemer. Maskinene lærer seg til å gjenkjenne ord, og kontekten til rapportene. Det betyr at AI ikke bare forstår ordene, men også sammenhengen. Så når man for eksempel får inn en rapport om 10.000 mennesker i en sultkatastrofe i Paraguay, så blir dashboard hos dem som jobber med prioriteringen oppdatert automatisk med en ferdig vurdert rapport, og anbefalt handling. Derfra er det menneskene som tar over. Til nå har vi sett at maskinene forstår det rapportene inneholder nesten like godt som mennesker, og på litt sikt kan vi se for oss at de skal forstå det så godt som eller bedre enn mennesker som ofte gjør feil fordi de blir trøtte og unøyaktige. Vi er for øvrig også foundet delvis av «Microsoft AI for good», som gjør at vi har tilgang på kraftigere datamaskiner, slik at prosjektet kan gjennomføres raskere.

Biene dør

-Det siste prosjektet jeg har lyst til å nevne, er det vi vant «SAS Hackathon» med i fjor, nemlig en metodikk for å hjelpe biene våre å overleve og pollinere maten og blomstene våre. Det er nemlig et forferdelig faktum at om lag 40% av biene i verden dør hvert år. Samtidig vet vi at noe slikt som 80% av alt vi spiser, må pollineres. 

-Men hvorfor dør biene?

-Det er en sammensatt problemstilling, og det har delvis med klimaendringer å gjøre, men også med ensrettingen av landbruket mange steder. I tillegg kommer jo også bruken av pesticider. Biene er etter hvert blitt lett bytte for «krigerbier» som kommer og overtar kubene, og for midd, som rett og slett dreper dem. 

Den sveitsiske Dr Frish for nobelprisen for sitt arbeid med bier i 1973. Han fant ut at biene «danser» de i en slags 8-tall og kommuniserer gjennom dansen til de andre biene i kuben. Vinkelen på dette 8-tallet i forhold til solen forteller de andre biene i hvilken retning de har funnet maten. Måten de beveger bakparten på gjennom en slags dans, vil fortelle noe om hvor langt det er til maten. Når flere bier danser på den samme måten, betyr det at det er mye mat. 

-Hvordan hjelper denne viten biene i prosjektet?

Vi har i vårt prosjekt bygget på forskning fra hele verden og samarbeider med det fransk-norske selskapet Beefutures som har montert kameraer i bikubene for å filme og studere bienes adferd. Dermed kan det manuelle arbeidet overtas av AI som leser og toker biedansen. Resultatet vises i et kart som forteller birøkteren hvor bikuben skal plasseres for å pollinere mest effektivt og samtidig skåne biene. 

-Ved å studere biene kan man for eksempel flytte biene nærmere maten, og hjelpe dem til å gjøre jobben sin. Da kan vi kanskje på sikt slippe å se for eksempel asiatiske bønder som går med små bomullspinner for å pollinere busker og trær selv. Biene vil igjen kunne gjøre det for dem. Og det er nettopp det som lå bak vårt bidrag til «Hackerton» i fjor, ved at vi tok eksisterende forskning, og fikk kunstig intelligens til å dekode videoene av biene, og legge resultatene inn på et kart. Dermed kan man hjelpe biene ved å flytte kubene, og gjerne etablere nye kuber. Det finnes jo nå til og med kuber man kan leie, om man ønsker å bidra til en positiv utvikling. Nå er dette i ferd med å bli «public knowledge», og om jeg ikke tar feil, skal til og med New York Times publisere en sak om dette om ikke så alt for lenge, smiler han.