Denne klumme er et debatindlæg og er alene udtryk for skribenternes synspunkter
I al den tid jeg har arbejdet med kunstig intelligens, har det været essentielt, at man byggede en kunstig intelligens ved en kombination af gode data og dygtige data scientists.
De sidstnævnte kan på nærmest magisk vis hive og strække kendte machine learning-algoritmer til at fungere til det specifikke problem, man vil løse.
Det har nogle gange været ret fantastisk at se.
Men sådan vil det sjældnere og sjældnere foregå i fremtiden, og jeg vil her argumentere for, at den egenudviklede kunstige intelligens allerede står med det ene robotben i graven.
Når jeg har snakket med investorer og andre, der har kigget på AI-løsninger, som jeg har været involveret i, har et af de mest afgørende spørgsmål altid været: “Har I bygget AI’en selv? Og ejer I IP’en?”
Jeg har altid stolt kunnet svare ja til de spørgsmål. Men det kommer jeg ikke til mere. For de rigtige svar er i dag de modsatte.
Er du investor eller kunde, skal du ikke længere håbe på at høre et “ja”, men et “nej, det har vi heldigvis ikke”.
Der er nemlig i dag en konkurrenceulempe og ikke en fordel ved at have bygget AI’en selv.
Lad være med at fokusere på teknologien
Man skal i dag udelukkende konkurrere på problemforståelsen og datakvaliteten og ikke på teknologien. Det kan lyde lidt mærkeligt, men inden jeg forklarer, hvordan det kan hænge sammen, kommer der lige en lille anekdote om, hvad det betyder i praksis.
For nylig talte jeg med en potentiel kunde i mit AI-konsulentfirma, Todai.
Kunden havde et problem, som var blevet forsøgt løst med AI, men det havde ikke virket. Kunden var derfor af den opfattelse, at teknologien bare ikke var moden nok.
Da jeg hørte, hvad problemet var, tænkte jeg, at det ikke kunne være så svært. Men kunden forklarede, at et firma, som var specialiseret i netop den branche og den type problemer, ikke havde kunnet løse det. Så hvordan skulle jeg kunne?
For at bevise, at jeg kunne, byggede jeg en prototype, som allerede i første forsøg viste sig at fungere overraskende godt. Løsningen så faktisk ud til at være endnu lettere, end jeg først havde troet.
At det kunne lade sig gøre skyldes netop den udvikling, at man ikke længere selv skal bygge sin egen kunstige intelligens. I dag skal man basere sin specifikke model på andre generelle løsninger, hvis man vil være den bedste.
Transfer learning
Årsagen skal findes i en teknologi, der kaldes transfer learning. Helt simpelt betyder det, at Google, Microsoft og andre udbydere allerede har bygget langt det meste af en AI-model, som man så kan træne ovenpå.
Det virker især godt til billedgenkendelse. Her har de store modeller set millioner af billeder og er blevet trænet i tusindvis af computertimer. Når man så træner en ny model oven på disse kæmpemodeller, får man helt gratis en enorm forforståelse af verden.
Samtidig har udbyderne bygget AI’en til selv at kunne finde den optimale algoritmesammensætning til at løse problemet, så man slipper for en lang række manuelle eksperimenter.
Forsøger man at bygge sin egen kunstige intelligens fra bunden, skal man altså konkurrere med en enorm mængde data og computerkraft og være knivskarp i algoritmesammensætningen. Det kan meget sjældent betale sig.
Som jeg hørte på et besøg hos Københavns Universitets AI-folk: “More brawns, less brains”. Kunstig intelligens handler altså i praksis mere om computer-råstyrke end om at være snedig. Og hvem kan konkurrere med Google og Microsoft i computer-råstyrke?
Samtidig går udviklingen i AI lige nu så stærkt, at man nærmest umuligt kan følge med. Det er nok problemet for det specialiserede firma, som jeg nævnte i anekdoten. De bliver ikke alene overhalet på datamængder og råstyrke, men den state of the art-AI, de byggede for et år siden, er nu for længst outdated.
Der findes selvfølgelig stadig cases, som er så specielle, at det bedst kan betale sig at bygge selv, men de bliver altså sjældnere og sjældnere. Som AI-konsulent er det ikke noget, jeg er ked af.
Tværtimod giver det meget mere plads til at blive skarp på problemforståelsen, indsamle gode data og gøre sig umage med at passe AI’en ind i en organisatorisk kontekst, og det er her, den rigtige værdi skal findes.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.