ComputerViews: "Computere bliver nu i stand til at klare job, som det blev antaget, at kun mennesker kunne udføre."
Sådan lød budskabet sidste år i en rapport fra konsulentfirmaet McKinsey, der udpegede 12 teknologier, der potentielt kan ændre vores måde at leve på, vores virksomheder og den globale økonomi.
"Automatisering af vidensarbejde" lå nummer to på listen.
Det er af McKinsey defineret som brugen af computere til at udføre opgaver, der er afhængige af komplekse analyser, subtile vurderinger og kreativ problemløsning.
"De kan finkæmme massive mængder informationer og opdage mønstre og sammenhænge. De kan ‘lære' regler og koncepter baseret på eksempler ved simpelthen at tygge på data."
"Og med avancerede grænseflader og kunstig intelligens-software kan de forstå og fortolke menneskers tale, handlinger og sågar intentioner ud fra tvetydige kommandoer."
"Vores tillid til softwaren bliver så stærk, at vi ignorerer eller ser bort fra andre informations-kilder, inklusive vores egne øjne og ører"
Netop en sådan teknologi finder man i IBM's Watson-computer, som nu for alvor begynder at tage form af et kommercielt produkt.
IBM's CEO, Virginia Rometty, har netop beskrevet Watson som en del af en ny it-æra - den kognitive æra - hvor vi vil møde markant anderledes computere.
"Du viser dem ting, og de lærer. Du arbejder med dem på en helt anden måde, det er et samarbejde med systemerne," forklarede IBM-CEO'en på Mobile World Congress - læs mere om det her.
Kæmpe perspektiver i den nye teknologi
I McKinseys rapport blev det estimeret, at de nye it-løsninger i år 2025 på verdensplan vil kunne tage sig af arbejdsopgaver, der ellers ville kræve mellem 110 og 140 millioner fuldtidsansatte.
Om den specifikke forudsigelse kommer til at holde stik, kan kun fremtiden vise, men der er næppe tvivl om, at systemer med kunstig intelligens rummer et enormt potentiale.
"Vi har kunder - banker eksempelvis - der kigger på, hvordan de fuldstændig kan genopfinde deres frontend. Eller et forsikringsselskab, der kigger på, hvordan det kan bruge det til at hjælpe deres callcenter," sagde Virginia Rometty blandt andet om brugen af Watson.
Men der er samtidig en risiko forbundet med den mere intelligente software og hele den automatisering af ellers komplekse arbejdsopgaver, der finder sted i disse år.
Dette kan give os store problemer
It-forfatter og -kommentator Nicholas Carr, der blandt andet står bag bogen "Does IT matter?" skrev sidste år et essay i The Atlantic med titlen "The Risk of Putting Our Knowledge in the Hands of Machines".
Her fremhævede Nicholas Carr de problemstillinger, der opstår i kølvandet på de nye teknologier.
"Da vi føler os overbeviste om, at maskinen vil fungere uden problemer og håndtere ethvert problem, der måtte vise sig, tillader vi, at vores opmærksomhed flakker. Vi mister engagementet i vores eget arbejde, og vores opmærksomhed på, hvad der sker omkring os, falmer."
"Vores tillid til softwaren bliver så stærk, at vi ignorerer eller ser bort fra andre informations-kilder, inklusive vores egne øjne og ører. Når en computer giver forkerte eller utilstrækkelige data, forbliver vi uvidende om fejlen," skrev Carr blandt andet.
I den mere avancerede ende af den nye type "intelligente" computere finder vi eksempelvis auto-piloter på flyvemaskiner, digitale diagnosticerings-værktøjer i sundhedssektoren, og it-værktøjer til arkitektens arbejde med at designe en ny bygning.
Eller et system som Watson, der kan give dig svar på komplekse spørgsmål på et splitsekund.
Og mens alle de nye muligheder som udgangspunkt naturligvis er positive it-fremskridt, sker de ikke, uden at der samtidig følger nye problemstillinger med.
Derfor er det lettere sagt end gjort
Chief software architect i Microsoft Business Solutions Mike Ehrenberg har for nylig forklaret i Computerworld, at der er en række udfordringer forbundet med at udvikle software, der i langt højere grad forstår brugernes behov og hjælper dem på vej i det daglige arbejde.
"Hvis du spørger, hvordan vores salg så ud i EMEA i det seneste kvartal, er der ét korrekt svar på det, og det er vores job at gøre søgningen så hurtig som mulig."
"Når du forsøger at gøre mere proaktive ting, forudsigelserne, er svaret ikke sort og hvidt, så vi skal bruge forskellige teknikker og maskinlæring, og vi skal forstå, hvilken tillid vi har til svaret," forklarede Mike Ehrenberg blandt andet.
Hvilke muligheder og begrænsninger ser du selv i mere intelligente og automatiserede computersystemer?
Læs også:
Her er IBM's nye super-teknologi: Sådan vil den ramme dig
Sådan laver man intelligent software uden at begå brølere
