Kan vi stole på kunstig intelligens?

Kjell Gunnar Birkeland Bleivik.

Først publisert 12 mai 2019. Oppdatert 12 mai 2019.

Permanent lenke / Mini Nettverk / Hjem /

Matematikk kan ikke lyve. Kunstig intelligens er kodet matematikk.

Det eneste som ikke lyver er matematikk, simpelthen fordi matematikk ikke kan lyve. Det er et av mine favorittutsagn. Regner man riktig, kan ikke matematikk lyve i seg selv. Men matematikk kan selvsagt brukes til å servere løgner. Kunstig intelligens brukes til å avdekke og spre falska nyheter, og kunstig intelligens er algoritmer basert på matematikk. Matematikken bak kunstig intelligens er ikke så veldig komplisert. Den er ikke vanskeligere enn den som brukes i andre komplekse systemer og er av den oppfatning at jo dypere jeg trenger inn i matematikken bak kunstig intelligens, jo mindre intelligent blir AI.

De som kjenner det gamle kinesiske spillet Go, ble svært overrasket da Googles Alpha Go slo en av verdens beste Go spillere. Enda mer overrasket ble noen av trekkene Go gjorde. I gitte stillinger har ofte ekspertene i spill som Go og sjakk oppfatninger om hva som er de beste trekkene. Dette er stillinger og trekk som har vært testet og utprøvd i generasjoner. Alpha Go og Alpha Zero, lærer reglene i sjakk, trenes ved å spille mot seg selv og etter noen timers læring knuser algoritmene verdens beste Go og sjakk spillere. Alpha Zero (Googles kunstige intelligens sjakk motor) knuste en av verdens beste tallknusende sjakkmotorer, Stockfish i en turnering og vant 28 av hundre spill og spilte 72 remis. Når en tallknuser taper mot en sjakkmotor som er drevet av kunstig intelligens må der være noe i maskinlæring som vi ikke forstår? Hva skyldes det at Alpha Zero finner bedre trekk enn de som er utbrøvd og testet i generasjoner? Det tyder vel på at kunstig intelligens kan brukes til å finne bedre løsninger enn de mennesker er i stand til å finne. Alpha Zero lærte seg reglene, men trente ikke ved å studere åpnings og sluttspillteori. Alpha Zero hadde på en måte et åpent sinn uten fordommer. Matermatikk og kunstig intelligens er objektive, eller er vi noen ganger på ville veier? Har ikke mennesker også fordommer og forutinntatte oppfatninger? Mennesker sprer konspirasjonsteorier og usannheter. De åpenbare er ikke alltid de farligste.

Mennesker kjører utfor veien. Mennesker, som møter en bil som kommer mot en i stor fart presses av følelser og redsel og havner utfor veien. Verdens motorveier og trange bygdeveier er et infra struktur system bygd på tillit og (trefikk)regler. Om noen år vil vi ha selvkjørende biler operert av kunstig intelligens, som i pressede situasjoner kjører tryggere og bedre enn mennesker. En selvkjørende bil vil ikke presses utfor veien om situasjone ikke gir det som beste løsning. Matematisk logikk er iskald, blottet for følelser. I mange situasjoner som den vi har beskrevet er det en fordel, men er det alltid en fordel? Hvor mye skal vi overlate til algoritmer? Noen mener endog at noen av morgendagens bedrifter vil ledes og drives av kunstig intelligens. Hvor langt vil vi at denne utviklingen skal gå og er det mulig å temme kunstig intelligens, slik at kunstig intelligens ikke overtar jorden slik noen teknologer hevder. Er det noe de eller vi ikke har forstått?

Superintelligens og AI singulariteten.

Neuroevolusjon vil si at kunstig intelligens utvikler seg. Andre steder på dette nettstedet har vi skrevet at "kunstig intelligens kan få barn". Kunstig intelligens kan lære kunstig intelligens. Noen frykter at kunstig intelligens som lærer kunstig intelligens, såkalt superintelligens vil bli så smart at den tar over verden. Man trenger ikke menneskene lenger. Kaosmatematikere kjenne begrepet singulært punkt og sommerfugleffekten som er bedre kjent for almenheten. Sommerfugleffekten betyr at i et singulært punkt (et maksimalt ustabilt spunkt) er vingeslagene til en sommerfugl i den Mexikanske Gulf nok til å påvirke været i Norge.

Kunstig intelligens er rasistisk, forutinntatt og har fordommer.

Kunstig intelligens har skjevheter ("bias") og derfor stoler vi ikke på kunstig intelligens hevder noen. Slike skjevheter gjør at noen har fordeler. Skyldes dette algoritmene (matematikken som driver AI) eller data? Dette forsker IBM på. Er det mulig å spore de enkelte skritt i en AI algoritme og produsere et mål (en metrikk) som sier hvor mye av et resultat som skyldes algoritmen (for eksempel den svarte boksen og de skjulte lagene) og hvor mye som kan tilskrives data? Hvilke algoritmer er best i en gitt situasjon?

En bank har for eksempel et system som skal vurdere hvem som får lån. Dette systemet baserer seg på historikk og data som er samlet inn om en person og drives av en maskinlært robot. Ut av systemet kommer en sannsynlighet mellom 0 og 1 som sier hvor stor sannsynligheten er for at personen som vurders vil misligholde lånet. En person får en sansynlighet på 0.75 og får ikke lån. En annen med en annen historikk, får en sannsynlighet for mislighold på 0.05 og får umiddelbart lån. En som får en sannsynlighet for mislighold på 0.01 blir spurt hvorfor vedkommende ber om et så lite lån. Vedkommende, en ny kunde kategoriseres fort som Very High Networth Individual og ender i kategorien A+ kunde. De som havner i kategorien D kunder, får ikke lån. Ikke bare løper ryktet foran dem, men bankens test er nådeløs. Den er objektiv og matematisk. En gang upålitelig, alltid upålitelig påstår AI algoritmen.

Det er lett å manipulere kunstig intelligens.

Kunstig intelligens er god på bilde og stemmegjenkjenning, men det er også lett å manipulere kunstig intelligens. Legger man litt (tilfeldig generert) støy oppå et bilde, vil ikke noen kunstig intelligens algoritmer gjenkjenne hva som vises på bildet. Hvordan kan vi da stole på kunstig intelligens, når et menneske lett ser at dyret på bildet er en katt om bildet er manipulert med noen tilfeldige piksler? Kunstig intelligens er ofte ferdig kompilerte, optimalt trente komponenter som ikke er lagd får å takle nye problemstillinger og nye utfordringer. Kunstig intelligens lever i en tvangstrøye og kan ikke løse andre problemer enn systemet er trent til å løse.

Hvordan bygger vi tillit til kunstig intelligens?

Dette er dagsaktuelt og EU er svært opptatt av problemstillingen. EU har nedsatt en høynivå ekspertgruppe for å komme med retningslinjer om tillitsskapende kunstig intelligens. Denne gruppe sier at tillitsvekkende kunstig intelligens må være lovlig (respektere alle lover og reguleringer som anvendes), etisk (respektere etiske pinsipper og verdier) og robuste (fra et teknisk perspektiv der man tar hensyn de sosiale omgivelsene).

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /

6G, WASM, PWA og AI.

Kjell Gunnar Birkeland Bleivik.

Først publisert 20 april 2019. Oppdatert 10 mai 2019.

Permanent lenke / Mini Nettverk / Hjem /

I Tyskland arbeides det med 6G mens 5G testes ut i Norge.

Mens Telenor ruller ut 5G i Kongsberg som er valgt ut som hovedbyen for testing av 5G i norden, skriver MIT technology review om 5Gs begrensninger og viser til arbeider utført av Razvan-Andrei Stoica og Giuseppe Abreu ved Jacobs University i Bremen i Tyskland. De beskriver hvilke faktorer de mener vil drive utviklingen av 6G.

Their conclusion is that artificial intelligence will be the main driver of mobile technology and that 6G will be the enabling force behind an entirely new generation of applications for machine intelligence.

Er der en norsk by som hopper over 5G og går direkte på 6G eller må man gå skritt for skritt og ikke ta 2 skritt om gangen? Dersom kunstig intelligens krever et raskere nett enn 5G kan levere, er det vel å gå baklengs inn i fremtiden, nå som kunstig intelligens og maskinlæring trenger inn over alt å satse på 5G. Der er firmaer som ikke ansetter personer om de ikke har en viss forståelse for kunstig intelligens. Hva med kjennskap til 6G? Jeg bor i Moss og utfordrer Moss til å utlyse en anbudskonkurranse om å teste ut og utvikle 6G i Moss. Da kommer vel Haugesund, min hjemby etter med 7G.

Progressive webapplikasjoner (PWA) kan redusere bedriftens kostnader.

Mange mener Ajax revolusjonerte nettlesere og implementerte nettsteder som webapplikasjoner. Web 2.0 forbindes ofte med introduksjonen av Ajax. En god Ajax drevet responsiv nettside minner fortsatt om en applikasjon du kjører på datamaskinen, nettbrettet eller smarttelefonen. Der er mange fordeler med en webapplikasjon fremfor en nativ applikasjon som er unik for en bestemt plattform og som mange ganger må kodes i et spesifikt språkl. Ajaxbaserte webapplikasjoner kjøres fra nettsidens URL. Progressive webapplikasjoner (PWA) installeres i nettleseren. Google har utarbeidet en egen Progressiv Web App sjekkliste. I artikkelen nedenfor med tittel Nettreklame, søk og kunstig intelligens, finner du også informasjon om hvordan PWA brukes i søkemotoroptimalisering. Så forbedrer du den resonsive nettsiden din eller appen til en progressiv web applikasjon, kan det være grunnen til at ditt nettsted eller din app foretrekkes fremfor andre firmaers apper.

Alle moderne nettlesere har støtte for webassembly. PWA har tatt webapplikasjoner til et nytt nivå der applikasjonen kan kjøres i JavaScript og Webassembly (WASM) som da tjener som en virtuell maskin for applikasjonen.

Vi trenger ikke finne opp hjulet på nytt, da dette er godt forklart allerede.

Brukeren er sjefen.

Hvor ofte har du ikke tenkt. Må jeg også laste ned denne appen for å få det tilbudet? Hvor god er denne appen? Vil den gjøre at smarttelefonen eller nettbrettet mitt snart ser ut som et overpyntet juiletre og harddisken som en sveitserost? Er det noen som vil tvinge meg tilbake til gamle dager (steinalderen) der man måtte ha et dataprogram tilgjengelig på skrivebordet for å kunne løse den miste oppgave? En app er jo det moderne navnet på et dataprogram og keiserens klær blir ikke nyere om de skifter navn.

As users evolve and express their preferences more clearly, it is up to businesses to ensure that they pick up on these signals and adapt to stay relevant to their target audience. Today’s user is telling us that they expect a fast and frictionless journey on their mobile devices, without being forced to download an app for this superior user experience.

Kilde: Search Engine Watch.

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /

AI og big data passer som hånd i hanske. Oslo Big Data Day 2019.

Kjell Gunnar Birkeland Bleivik.

Først publisert 21 mars 2019.

Permanent lenke / Mini Nettverk / Hjem /

AI og datakraft. Hva trenger jeg til ulike oppgaver?

En av hovedgrunnene til at kunstig intelligens avgikk ved døden rundt 1996 da jeg skrev min cand scientoppgave om temaet (jfr første artikkel på dett nettstedet) er at datakraften var for svak og at man muligens ikke forstod godt nok teknologien til at den ble alment akseptert.. Rest In Peace (R.I.P.), AI var slagordet den gang. Omtrent 20 år senere er tenknologien gjenopplivet mer vital enn noensinne. Vi har alltid hørt at "small is beautiful" og det er det gjelder nok også i mange tilfeller fortsatt. Alt er relativt og mye avhenger av kontekst. På BI seminaret omtalt ovenfor, hevdet noen at der finnes firmaer som ikke ansetter folk om de ikke har en minimum innsikt i denne nye teknoliogien som driver utviklingen fremover.

I går holdt jeg er kort innlegg om hvordan man bruke dette nettstedet mest effektivt på Moss Code Meetup. Før vi kaster oss over den nye teknologien og kjøper dyre løsninger og datakapasitet kan det være på sin plass å minne om at den V industrielle revolusjon dreier seg om nanoteknologi og tilhørende teknologier. Man snakker om nanoprofitt og nano kapitalisme. Når du opptrer på en sosialt nettsted betaler du med din fritid, dine data og din tilstedeværelse i nettverket. Tenker du over det når du legger igjen data og sitter der i timevis. Når noe er gratis, er du varen og som du vil forstå er ikke det gratis målt i tid deltagelse og de data du legger igjen.

Man kan gjøre mye med en micro datamaskin og micropython. Noen vil ha datkraften i skyen, mens sandre vil ha den i baklommen eller endog i lommeboka. I 2019 blir det viktigere og viktigere å kunne snakke til datamaskinen. Dataspråk blir med andre ord like viktig som Engelsk og norsk. Noen mener at det blir viktigere. Du greier deg uten å kunne skrive og snakke god engelsk, men du greier det ikke uten å kunne snakke til en datamaskin. I det minste er dette relevant på jobbmarkedet. På møtet i Moss Code Meetup demonstrerte Stig (leder av Verket Fablab) en ESP8266 + Micropython og hvordan man enkelt kan lage IoT-dingser med python på en liten wifi-chip til 20 spenn. Ganske imponerende. Noen av de som leser denne artikkelen har kanske en Rasberry PI eller de kjenner denne lille datamskinen som kan kjøre Windows, Python etc. På en ESP8266 microbikke, mindre enn en fyrstikkeske, som koster USD 2 kjører man som nevnt Micropython som også fungerer som operativsystem. Disse brikkene (minidatamaskinene) kan kobles sammen til en kraftigere enhet. Så datakraft og databehov er som alltid en funksjon av formål.

Noen av de som foreleser på Fast.ai mener at man minst bør ha en datamaskin med 8 Gb minne for å kunne kjøre Pytorch + Fast.ai effektivt. Andre snakker om at fremtiden er serverløs. Jeg er ikke sikker. På OBDD fikk jeg demonstrert en Lenovo datamaskin med opptil 2 Tb minne og 40 Tb harddisk. Den koster 200 000 og er nok kraftig nok for de som vil ha datakraften og lagringen under skrivepulten samt kontroll på egne data, komponenter og algoritmer.

Plugg og lek.

Noen av de som leser denne artikkelen vet hva lastbalansering av datakraft er. Det betyr at om en datamaskin som leverer datakraft i et nettverk svikter, kan den lett fjernes uten at de som bruker nettets datakraft merker noe. Man kan også plugge inn ny datakraft (nye datamaskiner) om det trengs uten at de som bruker nettet merker det. Tenk deg at ulike optimaliserte AI komponenter (de vi på dette nettstedet har kalt digitale "legoklosser") lever i skyen eller i nettverket. Dette AI komponent nettverket kan oppdateres ved å plugge inn nye komponenter som dekker andre behov og fjerne gamle utdaterte komponenter. Disse komponentene kommuniserer med hverandre omtrent på samme måte som objekter kommuniserer med hverandre i et objektorientert program. Kritiske deler av komponentene er kapslet inn for å hindre uønsket oppførsel. Skyhukommelsen som vi skriver om i en annen artikkel nedenfor er et sted der dette kan fungere og data lagres. Dette AI komponent nettverket leverer tjenester på tilsvarende måte som tradisjonelle nettverk. Problemet blir da å route en forespørsel til riktig komponent som forhåpentligvsi løsr det (AI) problemet du har.

Markedet for datahandel anslås til 5 billiarder kroner i 2019.

Fem billiarder er for mange et ufattelig stort tall. Det er tusen billioner eller en million milliarder. Kunstig intelligens og data er det 21st hundreårs olje hevdes det.Vi hører stadig at fremtiden er serverløs og at all databehandling vil foregå i nettskyen. Jeg liker ikke å diskutere religiøse IT spørsmål og standarder, men tviler på at det er like rundt hjørnet. I dag kan man leie superdatakraft i skyen som man leier strøm. Noen liker å ha kontroll på dette selv. De vil ha datakraften og bedriftens infrastruktur i en data rack eller i baklommen.

Data driver innivoasjon. Man får datadrevne bedrifter. Nornir hevder at internet vokser med 50 % i året og at de har en egen teknologi for handel av data. Man snakker om fysisk logistikk, men datalogiskk, kommunikasjonslogistikk, informasjonslogistikk blir viktigere og viktigere.

Spør deg selv. Hva trenger jeg, en skyløsning, en supercomputer, et nettbrett eller en micro brikke koblet sammen med flere? Jeg skulle ikke foundre meg om man (om noen år) kan programmere enkle kunstig intelligens drevne IoT eller IoET for ESP8266. "Small is still beautiful".

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /

Kunstig intelligens redder liv.

Kjell Gunnar Birkeland Bleivik.

Først publisert 7 mars 2019 | Under arbeide.

Permanent lenke / Mini Nettverk / Hjem /

Bakgrunn.

Kunstig intelligens tas i økt omfang i bruk i helsevesenet og på sykehus og brukes av leger. Et godt eksempel på dette er. "PALM ( (Patient-centered Analytics and Learning Machine)":

mines data in near real time to identify patterns that indicate a problem is emerging. It is being used to monitor patients in the intensive care unit, for example, to identify when a patient is at risk of respiratory failure.

lagd av det medisinske senteret og sykehus gruppen Montefiore Health System drives av Intel® Xeon® skalerbare prosessorer som trengs for å adressere det store systemminnet som trengs til å trene nettet.

Hvem redder liv, bilbeltet eller den som lagde det?

Noen hevder at det er den som lagde bilbeltet og ikke bilbeltet som redder liv. Bruker man samme tankegang på kunstig intelligens, er det personen som lagde appen, roboten eller programmet som drives av kunstig intelligens som redder liv. Vi lar denne diskusjoen ligge og om vi ikke kan enes om at det er bilbeltet eller redningsvesten som redder liv, kan vi muligens bli enige om være uenige.

En chatbot kan redde liv om personen som tar telefonen og spør hva som skal gjøres i en livstruende situasjon overlevde på grunn av den samtalen. Pasienter som overvåkes med avanserte roboter drevet av kunstig intelligens kan dø uten denne digitale teknologien. Elektronikk og dataprogrammer arbeider mye raskere, dypere og på større datamengder enn mennesker og kan også løse komplekse problemer langt raskere, særlig om man bruker applikasjoner som drives av maskinlæring. I en livstruende situasjon er rask handling og raske svar ofte en forutsetning for å overleve. En robot kan ta beslutninger som ikke involverer følelser. I noen situasjoner er det en fordel.

Kreftsvulsten som ble oppdaget på bilder der mennesker ikke så noe, kan redde liv. Noen ganger kreves analyse av enorme datamengder for å kunne finne om noe er galt. Mennesker ville aldri kunne gjøre dette uten riktig verktøy, for eksempel kunstig intelligens. Dersom den eneste redskapen du har er en hammer, begynner alt å ligne en spiker. Med en motorsag kutter du langt flere tær enn en med en håndsag. Med en skogsmaskin kan enda flere kuttes. Man kan endog tenke seg at skogsmaskiner drivet av kunstig roboter og kunstig intelligens vil kunne gjøre dette enda mer effektivt.

Overvåket, ikke overvåket dyp læring samt forsterket læring.

Dette er termiologi hentet fra kunstig intelligens, nevrale nett og maskinlæring. Autonomes systemer som for eksempel selvkjørende biler er lært og trent til å frakte personer fra A til B. Med gitt teknologi trenger man ikke forbedre en AI kompoent om den er optimalisert. Selvsagt kan man trene den på nytt om man får nye data. Men er komponenten optimalisert med gitt teknologi kan den ikke forbedres. Trener du kunstig intelligens til å finne toppen av et fjell, vil den finnes når nettet er optimalisert. Overtrener og overføyer man, kan man begynne å bevege seg ned fra toppen.

Søker du ved inngangen til 2019 på uttrykk som:

vil du få en oversikt over hvordan dette faget øker i omfang i Norge. Erstatt gjerne ordet, maskinlæring med kunstig intelligens eller dyp læring. Fortsetter du å søke innen fagområder, finner du sikkert (snart) at maskin- og dyp læring inngår i samfunnsøkonom, juss, legestudiet med videre.

Jeg vil påstaå at man kan begynne læringen så tidlig som mulig og allerede på videregående. Matematikken bak kunstig intelligens er ikke vanskelig, ihvertfall ikke om man vokuserer på avbildninger og lineær algebra. Tensoralgebra er mer kompisert og må muligens først læres på høyskole og universitetsnivå.

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /

Nettreklame, søk og kunstig intelligens.

Kjell Gunnar Birkeland Bleivik.

Først publisert 7 mars 2019 | Under arbeide.

Permanent lenke / Mini Nettverk / Hjem /

Jeg vet ikke hvor mye du som leser denne artikkelen vet om søk, digital markedsføring, merkevarebygging, kunstig intelligens og robotics. Vi skal ikke her gjenta alt det vi har skrevet om digital markedsføing på DinItSide.no, men fokusere på kunstig intelligens, søk og digital markedsføring. Har du lest artiklene og oppgavene på dette nettstedet i kronologisk rekkefølge, bør du nå vite hva kunstig intelligens, superintelligens, neuroevolusjon, nevrale nett, maskinlæring, dyp læring, forsterket læring, hybride metoder, overlæring, overføyning og tilbakekoblingsalgortimer som går amok er.

Også Microsoft Launches Exciting Innovation with Intel for å forbedre Bings søkealgoritmer og gjøre dem mer intelligente. Dette dreier seg om datakraft og er ikke for alle små og store bedrifter. Søkemotorene var blant de første som begynte å anvende kunstig intelligens for å forbrede søk. Noen advokatfirmaer har allerede tatt i bruk kunstig intelligens, jfr den interessante diskusjonen fra møtet Kunstig intelligens og jus. Det er vel verdt å lytte til den debatten der kunstig intelligens forklares mer folkelig enn på dette nettstedet. Kunstig intelligens fores med data. Kunstig intelligens sanser, forstår, handler og lærer. Kunstig intelligens kan tjene som assistent, rådgiver eller jobbe autonomt.

Dersom den eneste redskapen du har er en hammer begynner alt å ligne en spiker. Det kan være farlig for leger, jurister og andre. Har du hørt om den finske tømmerhoggeren som fikk en motorsag av sin venn? Med den vanlig manuelle sagen hadde han kappet 20 trær om dagen. Med motorsagen kunne han bli mer effektiv og øke antallet til det tidobbelte. Etter noen dager kom finnen illsint tilbake til sin venn og sa at denne skitten ville han ikke ha. Den nye sagen var mye dårligere enn den gamle.. Nå kappet han bare 5 trær til dagen og ville gå konkurs om han ikke fikk tilbake den gamle sagen. Kameraten tok motorsagen og startet den. Det er da ikke noe galt med sagen sa vennen. Perkele, perkele, brommar hon okså utbrøt finnen? Kanskje hadde han ikke fått med seg at det var en motorsag. Hvem eier data? Hvem eier koden? Det var meget viktige spørsmål som ble stilt på møtet med juristene om kunstig intelligens. Kan en advokat bli erstatningspliktig om vedkommende brukte feil lov eller feil verktøy? Kan vedkommende bli erstatningspliktig om han eller hun ikke brukte kunstig intelligens til å analyser de enorme datamengdene som forelå? Virker det skremmende får du spørre en jurist? Kan man bli erstatningspliktig om man kun brukte munnen og ikke blyanten eller tekstbehandlingsprogrammet?

Over til temaet for denne artikkelen. Allerede i 2016 skrev det nroske nettstedet Markedsheltene at Robotene inntar markedsavdelingene. På DinItSide finner du nok av relatert informasjon. Motorsagen kan misbrukes og det kan også kunstig intelligens ikke minst om man ansetter spagettikodere som får full frihet og ikke kjenner regler, lover og god programmering (jfr oppgave 17). Kunstig intelligens kan lage falske nyheter og manipulere søkemotorenes algoritmer. Man kan spinne artikler som tapetseres med reklame. Tilbakekoblingsalgoritmer kan gå amok og man drives til nettets mørke hjørner der konspirasjonsteorier og hatretorikk får fritt utløp, florerer og tirves. Man har måttet ta ned kunstig intelligens som oppfører seg annerledes ann den var tenkt til. Veien til Helvete er ikke bare brolagt med gode forsetter, men også med spagettikode og It-personer med et ego omvendt proporsjonalt med kunnskaper. Sparker du feil It person, kan hele systemet ødelegges x antall år etter at vedkommende har sluttet (hvorfor?). Kvalitetssikring av produkter kan være minst like viktig som å ha riktig verktøy til de oppgaver som løses.

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /

Hvorfor virker nevrale nett?

Kjell Gunnar Birkeland Bleivik.

Først publisert 20 februar 2019

Permanent lenke / Mini Nettverk / Hjem /

Kunstig intelligens, mer presist nevrale nett, maskinlæring og dyp læring har overrasket mange og overrasker stadig flere. Abstraksjonen øker og det blir lettere og lettere å benytte og implementere nevrale nett på egne nettsteder som web applikasjoner eller applikasjoner på mobiltelefonen. Der er ferdig trente og optimaliserte komponenter som man kan klippe og lime inn i egne applikasjoner. Man trenger definitivt ikke finne opp hjulet på nytt. Jursiter (jfr. neste artikkel) har begynt å benytte kunstig intelligens og det brukes av leger til å gjenkjenne kreftsvulster som mennesker overser. Kunstig intelligens blir stadig bedre på å gjenkjenne mønstre, bilder og til å tolke og oversette språk. Goole's BERT er i begynnelsen av 2019, noe av det beste som hittil er lagd på dette feltet.

Det universelle approskimasjonsteoremt beviser at nesten enhver funksjon kan approksimeres med nevrale nett. Egentlig er et nevralt nett en matematisk funksjon som avbilder det du putter inn i det til det du får ut av det. Så om det nevrale nettet greier å gjenkjenne hunden på bildet du forer det med, så er det en funksjonsavbildning. Matematikere kaller det kort og greiet for en avbildning. Termometeret du holder i hånden viser temperaturen der du står. Når du leser av temperaturne tenker du ikke over det komplekse systemet som bestemmer den der du står. Det er ikke annet enn høyden på en veskesøyle (kvikksølv, alkohol eller hvilken veske om brukes) som er avsatt på en skala. Men hvordan bestemmes egentlig temperaturen (veksehøyden på søylen)? Temperaturen i et punkt er avhengig av mange faktorer, trykk, høyde over havet, månens bane, årstid, tid på døgnet, vær etc. etc. Så egentlig er temperaturen du leser av en projeksjon fra et høyeredimensjonalt rom ned på termometerets skala. Du grubler ikke over det når du leser av temperaturen. Det universelle approsimasjonsproblemet? Det høres definitivt matematisk ut. Og begynner du å studere artiklene bak de siste semantiske lenkene til denne artikkelen er det definitivet matematisk. Kan du strikke, kan du programmere:

How to be a compiler

Jeg er grønn i matte sier du.

Kvinnene kommer: For første gang har en kvinne fått Abel-prisen. Er kvinnen i denne videoen en fremtidig kandidat?

Javel, men en skiløper og en fotballspiller begynner et sted. Et barn som lærer seg å gå begynner med å lære og krype. Etter en tid kan det reise seg opp å stå og snart tar det de første skrittene. Det imiterer de voksnes gange. Fotballspilleren og skiløperen funderer ikke over hvorfor de blir stadig bedre i sin idrett. Men en ting vet de, øvelse gjør definitivt mester. Skal de beherske idretten de utøver må de trene og trene. Man kan bli ganske god til å spille fotball på løkken og noen har blitt oppdaget der. På samme måte er det med kunstig intelligens og nevrale nett. Begynn med å forstå det enkle. Lær deg rammeverk som TensorFlow, Pytorch, Fast.ai etc og lag din første enkle applikasjon. Kopier gjerne kode som allerede er forhåndstrent og testet. Begynn ikke med å forstå koden om du ikke kan enkel programmering. Jeg vil påstå at det er viktigere å kunne programmering enn matematikk for å kunne benytte kunstig intelligens. Python er enkelt å lære og vitenskapsmenn bruker dette språket. Lær det sammen med barnet ditt. Det er så enkelt at barn som kan snakke kan lære det. Der er skrevet bøker om "Python for kids", så kan de engelskspråklige barna lære det, kan også barn som snakker norsk lære det. Lær deg gjerne å programmere i Python. Du trenger å kunne litt Python for å få mest ut av rammeverk som TensorFlow og Pythorch (se lenker i neste artikkel). Når du er i gang vil du oppleve hvor lett det egentlig er å legge en chat bot på nettstedet ditt som betjener kundene dine og sender en epost til deg om ting den besøkende lurer på. Dersom du ikke finner kode ved å studere artikler (jfr for eksempel en av de første artiklene på dette nettstedet) og YouTube videoer om problemet, kan du begynne med å søke på uttrykk som pretrained chatbot code python.

Et nevralt nett er ikke noe annet enn en funksjonstilnærmelse. Det avbilder "input" på "output", som temperaturen avbildes fra det høyere dimensjonale rommet ned på termometeret. Et menneske som ser et bilde av en hund kan med en gang si hva det er. For at et nevralt nettverk skal kunne skille en hund fra en katt må det fores med bilder av hunder og katter. Etter hvert som nettet trenes, lærer det seg å gjenkjenne dyret på bildet.

NLP (Natural Language Processing) for å forstå legale og medisinske dokumenter har gjort store fremsktitt de siste årene og er ved inngangen av 2019 ganske god (jfr andre video i neste artikkel). NLP brukes også til å avdekke falske nyheter. Der finnes avanserte ML plattformer som Amazons Sagemaker som det påstås automatisk konfigurerer Tensorflow, Apache MXNet, PyTorch, Chainer, Scikit-learn, SparkML, Horovod, Keras og Gluon. Ofte brukte ML algoritmer er bygd inn og fintunet for skalerbarhet, hutighet og nøyaktighet med over hundre andre pretrenede modeller og algoritmer.

Man skal ikke skyte spurver med kanoner, så dersom du har enkle ML oppgaver som skal løses er det på tide å møte Ubers Ludwig, der man bruker kunstig intelligens uten koding. Noe lignende påstås i denne artikkelen: How to build a Neural Network with Keras som ofte benyttes sammen med TensorFlow. Se også artikkelen Smartere applikasjoner med kunstig intelligens.

Skyhukommelse og robotics, 5G, webassembly (WASM) og kunstig intelligens.

Her ligger fremtiden der roboter deler minne eller hukommelse. I skyen skjer det en informasjonseksplosjon der roboter deler det de har lært og lærer. Med hjelp av webassembly kan nativ kode legges på nettet. Man kan dermed kompilere (robot)kode til nettet og benytte den informasjonen som allerede er lagret i skyen. Man kan dermed gjenooplive eksisterende kode og bruke WASM til å gjenbruke den på nettet.

Her lærer du webassembly . Studer de videoene om du vil lære deg Rust, webassembly.studio/ og hvordan C, C++ etc compileres til nettet. Andre video viser de som er interessert i bildemanipulering hvordan WASM kan brukes til å prosessere bilder raskt og effektivt. Ta også en titt på wasm.fastlylabs.com

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /

Nærmer advokatbransjen seg sitt Kodak øyeblikk?

Kjell Gunnar Birkeland Bleivik.

Først publisert 11 februar 20019. Sist oppdatert 4 april 2019.

Permanent lenke / Mini Nettverk / Hjem /

Det var tema på 8 Legal Tech meetup som du finner strømmet i lenken med ankertekst som overskriften på denne artikkelen. Jeg vet ikke om det blir en stabil semantisk lenke til offentligheten i Norge og Verden, men så lenge den ligger der kan man lytte til innlegg og debatt. Der forklares også hva man mener med et Kodak Øyeblikk, og det er kanskje ikke det du trodde. Kodak var i teten på digitale løsninger, og hadde alle muligheter til fortsatt å ligge der, men var det arroganse som gjorde at firmaet gikk konkurs? Eller var det fordi de hang fast i gamle løsninger og bare lekte med den nye teknologien for å vise at de var innovative? Aldri har vel begrepet om å kjenne sin besøkelsestid vært mer treffende enn i Kodaks tilfelle. De var definitivt med i tiden. De var absolutt til stede på rett tid, men de tok feil beslutninger. Det var ikke bare en beslutningskrise i firmaet, men de fulgte ikke opp den teknologien de kjente så godt. Er den teknologiske utviklingen like viktig i jus og advokatbransjen som mange andre mer konkurranseutsatte bransjer? Kanskje ikke, da det er en mer skjermet bransje enn video, kamera og fotobransjen. For utenlandske jurister som kommer til Norge, ligger der endog en begrensning (det økonomer kaller en skranke) i den norske utdannelsen og i det norske lovverket.

Kjente personer som grunnleggeren av AliBaba mener at det ikke er noe i veien for at et firma vil bli drevet av algoritmer og kunstig intelligens og at hans fremtidige sjef er en robot. Det kalles en åpen instilling, i teorien blottet for fordommer. Hva med praksis? Det er praksis og handlinger som bestemmer. Det nytter ikke med fine teorier om de ikke manifesteres i praktisk handling. Anvender ikke du den nye teorien, kan du være sikker på at det er et advokatfirma lenger nede i gaten, eller endog i samme bygning som gjør det. Er det ett uttrykk jursiter kjenner godt, er det å sitte stille i båten. Men det nytter ikke å sitte stille på seilskutens dekk, når dampskipet forsvinner i horisonten.

En bransje som advokatbransjen vil ikke forsvinne. Vil man i fremtiden måtte forholde seg til kunstig intelligens som dommer (jfr lenken nedenfor med ankertekst Kunstig intelligens og jus). Tenk deg et lite advokatfirma som møter et mye større i retten. Det lille firmaet har tatt i bruk den nye teknologien, mens det store firmaet sitter klistret i gamle løsninger og fokuserer på gamle smarte kontrakter og arbeide som kan gjøres mer effektivt av kunstig intelligens, for eksempel å skanne en stor dokumentsamling og komme med en anbefaling eller et råd. Det lille firmaet har implementert en løsning som skissert i Oppgave 1.

Den digitale løsningen firmaet har implementert, er tilgjengelig som en app på smarttelefonen, en delmengede av et større system implementert på firmaets servere. Advokaten som møter i retten ringer til en kollega og spør hva han mener om at deres JusBot foreslår å gå videre med saken til tross for at motparten tilbyr et forlik i retten. JusBot mener at sannsynligheten for å vinne saken er ca 70 %. Kollegaen Peder Ås som har adgang til et enda større system KompleksJusBot, drevet av kollegaer og kunstig intelligens bekrefter at det systemet predikerer en sansynlighet for å vinne saken på 76 prosent, neste det samme som JusBot. Allikevel er der fortsatt en skjevhet ("bias") til fordel for Kong Salomo i rettsystemet, så til tross for den større sansynlighet for vinne godtar advokaten tilbudet om forlik.

I en straffesak, sitter en meddommer drevet av kunstig intelligens, MedDommerBot, og MedDommerBot er ikke lett å lure. På sekunder skanner den lovedata og miner dypt i all tilgjengelig digital jusinformasjon etter svar på komplekse problemer. Den kan endog mine sosiale nettverk (jfr oppgave 13) om det trengs. MedDommerBot er programmert logisk og er dermed objektiv og har god oversikt. Tviler MedDommerBot på noe trekker boten (som er drevet av en blanding mellom spiking neural nett og fuzzy logic) seg tilbake noen minutter og konfererer med BackUpBot som har adgang til en mye større (big data) database som det tar noen minutter å skanne. Før DommerBot (allerede aktuelt i USA) avsier en dom konferer den med BackUpBot og MeddommerBot som kjenner Bayes formel og vet at man i den kan snu om på hendelser gitt noen sansynligheter (for eksempel basert på empiriske relative hyppigheter). Det vil si at man kan snu om på P(D|S) - sansynligheten for at en dømmes gitt at vedkommende er skyldig - og uttrykke den ved P(S|D) - sannsynligheten for at en som er skyldig dømmes - eller omvendt om det er mer aktuelt. Egentlig har MeddommerBot adgang til et større hiearkisk Baysesiansk system og kan filtrere bort støy, konspirasjoner, lobbyvirksomhet og irrelevant pjatt. Noen mener at søkemotorer (som er drevet av bayesianske filtre, kunstig intelligens, latent semantisk indeksering, lineær algebra m.v.) raskt finner relevant informasjon (Jfr NrKs program, Hva feiler det deg?, der lekfolk konkurrerer med leger). Men så lenge en fagperson ikke kvalitetssikrer svarene en Robot gir, kan det bære galt av sted.

Advokatbransjen som bransje, nærmer seg nok ikke sitt Kodak øyeblikk, men vi vil antagelig oppleve at jobber som før var forbeholdt jursiter lett kan overtas av andre som kjenner og benytter den nye teknologien. Den største faren mot advokatbransjen og andre bransjer, er kanskje at ultraliberalister og krypto anarkister får mye større innflytelse enn de har i dag via blokkjeden og andre teknologier. Ultra liberalister vil ha en minimal stat der også domstolene har mindre innflytelse enn i dag. Noen anarkister med ulike hatter og bak ulike masker (noen av dem er nok annonyme, jfr for eksempel nettstedet anonofficial.com), vil endog fjerne staten. Jeg har møtt anarko anarkister som i fullt alvor mener at Kardemommeloven holder og den bør erstatte Grunnloven. Nærmere et anarkistisk diktatur enn det kan man vel ikke komme. Politimester Bastian, er kanskje en snill og grei mann, men ikke desto mindre er han lovgiver, dommer og utøvende myndighet. Krypto valuataer er drevet av blokkjeden, og skreddersydd for krypto anarki. Foreløpig ser nok stat og sentralbanker på krypto valuta på samme måten som de ser på nettbaserte spillekasinoer. De får drive på med sitt så lenge omsetingen holder seg under 1/10 promelle av den daglige omsetningen i verdens valutamarked. Kryptovaluta er imidlertid ikke bare skreddersydd for krypto anarkister, men også for kriminelle.

Jurister har antaglig også et for sterkt laugsvesen til å la seg vippe av pinnen av noen It freaker. Vi kommer nok nærmere et øyeblikk hvor det ikke lenger er jurister som får godt over 1 000 korner timen for å utforme smarte kontrakter. Noen firmaer i advokatbransjen vil muligens også gå konkurs fordi de ikke kjenner sin besøkelsestid. Vil vi oppleve at advokatfirmaer omdannes til It selskaper med advokatlisens (jfr, Artikkleln om DnB nedenfor der DnB er gått fra en tradisjonell bank til et It-firma med banklisens)?

Vil du vite mer om juss og kunstig intelligens, kan du begynne med å søke på uttrykket law and artificial intelligence på en video delings plattform eller i en søkemotor. Erstatt gjerne aritificial intelligence med ordet deep learning. Der skjer en rivende utvikling, så noter dato for artikkelen du leser og videoen du studerer.

Generative Adversarial Networks (GANs) virker på meg som ikke jurist som en god modell for juridiske problemstillinger, jfr. oppgave 11. I et adversary nettverk har man for eksempel en aktor (påtalemyndighet) og en forsvarer eller opponent ("adversary"). GANs er såvidt nevnt i denne rykende ferske videoen fra MIT.

Kilde; MIT Deep Learning (med flere YouTube videoer fra 2019). Følg med her om du vil oppdateres på neuro evolusjonen. Se også Lex Friedmans blogartikkel om "MIT Deep Learning Basics: Introduction and Overview with TensorFlow"

Neste video datert 11 februar 2019 viser IBMs prosjekt debatt robot med 10 milliarder setninger i systemet. Hvor fort vokser et slikt system og hvor smart blir det? Er roboten manupilert og i en forstand forhånds programmert, eller er den smartere enn Apples Siri, Googles personlige assistent og Microsofts Cortana? Hva vil en jurist mene om det?

Kan en robot om noen år delta i en rettssak, som sakkyndig, meddommer, advokat og endog dommer? Det er hevdet at alt som kan gjøres bedre av maskiner (her kunstig intelligens) enn mennesker vil før eller siden bli utført av maskiner.

Blir advokatfirmaer med egen IT avdeling vanligere?

Med god utsikt over Oslo, i 11 etasje hos advokatfirmaet Wikborg Rein, ble Legal Tech meetup 9 arrangert. Hovedfokus var Nordic Legal Tech med korte innlegg fra to danske, et svensk og et norsk firma. Der fikk vi et bevis på at deler av advokatbransjen tilpasser seg den nye teknologihverdagen. Som en av innlederne påpekte, er advokatbransjen ganske konservativ på teknologi, men mer og mer automatiseres.

Foreløpig er ikke masskinlæring og kunstig intelligens hovedfokus. Det svenske firmaet GreenCounsel hadde automatisert enkelte prosesser med enkle PHP skjemaer og tatt i bruk en Tensorflow / Python drevet chatbot som var trent til å forstå juridisk språk.

Mer interessant var det kanskje at et Stavanger basert legaltech selskap som betraktet seg selv som et advokatfirma hadde opprettet en egen It avdeling. Juridiske problemstillinger og oppgaver som kunne automatiseres og digitaliseres ble delegert til IT avdelingen som løste problemet og sendte det tilbake til juridisk avdeling for godkjenning og eventuell signering. De reklamerer også med at du kan bli din egen advokat ved å benytte deres løsninger. Vi ser med andre ord at om advokatfirmaer ikke direkte transformeres til IT selskaper med advokatlisens, så blir IT en viktigere og viktigere del av virksomheten og skilles i noen tilfeller ut i egen avdeling.

Nordic Legal Hub, er en plattform som knytter sammen Nordens legal-, governance, risk management og compliance tech online og offline. Firmaet, Nordic Legal hevder at det skjer mye på Legal Tech fronten i de nordiske landene, som mange ikke kjenner til. Derfor utvikler de en database av nordiske tech leverandører, advokatfirmaer, regnskapsfirmaer m.v.

Siste deltaker, det danske firmaet Digital AML (Anti Money Laundring) har mange års erfaring med kapitalinnhenting bl.a. i London og kjenner godt til mengden av administrativt arbeid ved hvitvaskingssjekk av investorer. De har utviklet en egen digital, Software as a Service (SaaS) plattform for screening av investorer. Løsningen de tilbyr er tredelt med utgangspunkt i

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /

Jeg vil snakke og ikke peke eller klikke.

Kjell Gunnar Birkeland Bleivik.

Først publisert 6 februar 20019. Sist oppdatert 6 februar 20019.

Permanent lenke / Mini Nettverk / Hjem /

Det meste (alt) av det som kan styres med hender føtter og fingre kan styres med stemmen, foreløpig bortsett fra hender, føtter og fingre. Julen 2018 inntok Google Home norske hjem og Google Home appen er nok lastet ned på en del smarttelefoner. Flere enn meg snakker til smartTven og andre innretninger som er vanlige i et hjem. Den 5 februar 2019 deltok jeg på et interessant seminar om kryss platform videoteknologi. Dmitriy Bryokhin fra Norigin Media viste hvordan man kan bygge video applikasjoner med React Native som kan vises på tvers av ulike plattformer som i en nettleser, på en smarttelefon, et nettbrett eller en smartTv. Han viste hvordan man fra en enkel kodebase kan bygge applikasjoner som strømmer video uavhengig av plattform.

Sean Inge Asbjørnsen fra Movi.ai stilte spørsmål om hva er en videospiller, hvordan virker den og hvorfor kodet firmaet den helt om? Spesielt interessant var det for forfatteren av denne artikkelen å se hvordan han lagde en video spiller der man for eksempel kunne gå 10 sekunder fremover eller bakover i videoen. Ved å peke på videoen kunne man fort eller sakte bla fremover eller bakover i videostrømmen. Det er en egenskap jeg personlig har savnet i de videospillere jeg kjenner i begynnelsen av 2019.

Hva med å styre alt med stemmen?

Jeg snakker til min Tv om jeg vil ha videoer om et spesielt tema, for eksempel om "artificial intelligence in viedo players" eller "artificial intelligence in viedo streaming". Er det dumme spørsmål siden min Tv ikke kommer opp med gode forslag. Det kan du teste med å søke på samme nøkkelord på en søkemotor eller en video delingsplattform. Til Tven og andre plattformer der videoen vises vil jeg bare si, stopp og dermed stopper videoen. Mer avanser vil jeg si, start omigjen, avslutt, gå 10 (n) sekunder tilbake i videoen eller 10 (n) sekunder fremover. Alle applikasjoner som kan styres med pekefingeren kan vel styres med stemmen eller hvor langt er neuro evolusjonen og app utviklingen med kunstig intelligens (se artikkelen Smartere applikasjoner med kunstig intelligens nedenfor) kommet i begynnelsen av 2019?

Semantiske lenker.

Mini Nettverk / Hjem / Til artikkelens start /