13-12-2018 14:37:14

Watson: Først Jeopardy, så kunstig intelligens til masserne

Watson: IBMs supercomputer, Watson er på alle måder rykket ud af Jeopardy-studiet og forskningslaboratoriet og ind i hverdagen. 2017 er måske året, hvor vi ser en “killer application”, der starter masseudbredelsen ind i almindelige menneskers hverdag, som IBM forventer
13. feb. 2017 Af Rene Pedersen - netværksredaktør

Supercomputeren Watson levnede ikke sine menneskelige modstandere mange chancer, da det store opgør stod. Man vs. Computer.

Scenen var det amerikanske Jeopardy, og modstanderne var ikke hvem som helst. Ken Jennings havde vundet imponerende 74 udgaver af Jeopardy, og Brad Rutter var med en præmiesum på 3,2 millioner dollars den deltager, der havde vundet flest penge i showet nogensinde. Alligevel trampede Watson i 2011 hen over de to Jeopardy-stormestre og trykkede blandt andet på knappen først i 24 ud af 30 situationer, hvor der var Double Jeopardy.

Selv om der var svipsere undervejs, var det en bemærkelsesværdig præstation, og få teknologi-fænomener er i dag så omtalte i it-kredse. Men Watson er ikke blot et branding- eller status-projekt, der kun har til opgave at flekse IBMs muskler. Watson er allerede i dag et kommercielt produkt, som bliver brugt til så forskellige opgaver som skatterådgivning, diagnosticering af kræft, it-helpdesks, annoncering og en række forskellige analyseopgaver. En hel palette af formål, som er kommet en smule bag på selv folkene bag.

“Jeg vil sige, at vi på mange måder er kommet længere, end vi troede, vi ville gøre på de 6 år, der er gået siden sejren i Jeopardy. Blandt andet i forhold til at gøre Watson tilgængelige for udviklere, og fordi nogle af de services, vi lægger ud, virker utroligt godt,” fortæller Peter B. Lange, der er executive software client architect hos IBM og en af IBMs Watson Ambassadors i Danmark.

Og på trods af en næsten mytisk status er det simpelt for en udvikler at komme i gang med Watson. Til mindre projekter er det gratis at kaste sig over platformen, og det bliver allerede udnyttet flittigt, siger Peter B. Lange. Han fortæller, at der i dag er lidt over 200 apps i Apples app-store, der er bygget på Watson-api’erne, og der er millioner af transaktioner på Watson-skyen hver dag.

En af de forretnings-usecases, som begynder at være moden og udbredt, er chatbots. F.eks. er banksektoren begyndt at tage teknologien til sig.

“Simple ting som at åbne eller lukke en konto eller et kreditkort begynder mange banker i engelsktalende lange at have, så der kommer til at ske noget omkring chatbots. Det er en af de ting, der kommer, og det er også der, vi har noget, som klarer sig godt i markedet,” siger han.

Peter B. Lange forklarer, at chatbots på deres nuværende stadig fungerer bedst til veldefinerede usecases, hvor den skal håndtere i omegnen af 10 og 30 “intents”. Kan den ikke finde ud af, hvad det er for et af de 10 til 30 formål med kontakten, sender den dig videre til manuel betjening i call-centeret. Udover chatbots, hvor en kunde kan kontakte virksomheden og få hjælp af Watson, er der også et stigende marked for robotter til rådgivere og andre eksperter. Tager vi igen banksektoren, kan kunstig intelligens bruges til at finde relevante oplysninger før et møde med en kunde.

“Der sker meget med banking i et 0-rente scenarie, for når loyaliteten ikke kommer af renten, skal den komme af noget andet. Og det kan være rådgivning. Så bankerne er selvfølgelig meget interesserede i, hvordan de kan tilbyde meget mere personlig og individualiseret rådgivning til en billigere pris end i dag, hvor det er rådgivere, der skal bruge forholdsvis meget tid på at forberede sig for at holde et møde og følge op på dem,” forklarer han.

Men rådgivningsrobotterne kan også bruges af f.eks. forskere eller andre i videnstunge job. Her kan Watson hjælpe med at pege i den rigtige retning af store informationsmængder. Ønsker en kræftforsker at finde viden om et bestemt protein, giver Watson ikke svaret, men ved at analysere store mængder tekst, vil den kunne give et bud på hvilke rapporter og artikler, der indeholder mest relevant viden.

“Altså det vi nogle gange kalder for empowered advisors. Og det ser vi også i B2B-markedet, at der er en stor interesse for,” siger Peter B. Lange.

Health Tech: En klassisk Watson-usecase

I samme boldgade ligger hele sundhedsområdet, som er et af de formål, hvor Watson allerede har fået meget opmærksomhed. Og Peter B. Lange kalder det da også “en helt klassisk Watson-usecase” og et område med enormt potentiale. Først læser Watson journalen og finder iøvrigt sammenlignelige andre patienter. Og herefter giver den sit bud på diagnoser - men også et bud på, hvilke prøver der skal tages, for at Watson kan give et mere sikkert bud.

“Og når vi så har fastlagt og støttet lægen i, at det er den rigtige diagnose. Så skal vi se på, hvilken behandling, vi så skal vælge. Så gør vi det samme igen. Sammenlignelige patienter med denne diagnose fik denne behandling,” siger han.

Et andet område, hvor han mener, at Watson kan spille en vigtig rolle, er i forhold til at forhindre svindel i en stadig mere digital verden. Han peger på, at du uden de store problemer kan købe stjålne kreditkort informationer på nettet, ligesom hvidvaskning af penge på nettet er blevet en kæmpe gangster-forretning. Men Watsons evne til at lede efter de små afvigelser i brugsmønstre kan være med til at spotte en mistænkelig adfærd.

“Mange lande har ikke idag et udbredt bankvæsen. Når de får det, vil det være et fuldt digitalt bankvæsen, og det er vigtigt, at der kan være fuld tillid til det. Så integriteten skal være i top og misbrug forhindres for at beskytte dem, der bruger det digitale bankvæsen. Her kan Watson finde de små afvigelser fra normalbilledet, som kan indikere, at noget ikke er, som det skal være.” siger han.

Den kunstige intelligens-vinter er slut

Peter B. Lange bliver jævnligt bedt om at definere, hvad Watson er, men svaret er ikke så ligetil. Han forklarer, at det er som at skille en smartphone ad. Du får noget glas, noget metal, nogle printplader, et kamera etc. Forholdsvist simpelt, men når de smarte telefoner alligevel har revolutioneret vores hverdag, er det fordi, der opstår en række synergier, når du kan have den i lommen og har adgang til et kæmpe økosystem af applikationsudviklere samt alle dine data i skyen.
Altså en konvergens-teknologi, hvor der sker noget, når det hele smelter sammen. Og sådan er det også med Watsons hardware og software. Hardwaren og algoritmerne er set helt isoleret i sig selv ikke så spektakulær, som når Watson lægges i skyen og får adgang til store mængder data og masser af billig og hurtig computerkraft.

Og når Peter B. Lange skal pege på, hvorfor IBM og en række andre store it-firmaer nu begynder at have succes med at skabe applikationer, der bruger kunstig intelligens, er det især fordi synergierne og betingelserne er der nu.

“Vi har kendt forskellige former for kunstig intelligens gennem 20-30 år. Men vi har også i måske 15 år været i en “kunstig intelligens-vinter”, fordi rammebetingelserne, ikke var der. Der var ikke meget digital data at putte i” siger han.

Han peger også på, at computerkraften var dyr, og du var nødt til fysisk at have den i nærheden for at få adgang til den. Så bredbånd, massive mængder digitale data og billige cloud-løsninger har givet nogle helt andre rammebetingelser for kunstig intelligens-løsninger som Watson. Og så har vi endda endnu ikke set andet end toppen af isbjerget.

“Vi omsætter penge på Watson produkter og Watson-services. Men du kan måske også sammenligne det med der, hvor vi var med e-handel for 20 år siden. Dengang havde vi en meget stærk vision om, hvor e-handel kunne ende, men det har så også taget 15 år, og nu er Amazon og Alibaba nogle af verdens største firmaer” siger han.

Siden Watson vandt i Jeopardy i 2011, har IBM reduceret strømforbruget og forbedret supercomputerens performance med over 90 procent. Men vigtigere er det, at hvor Watson for seks år siden kunne bruge de 2880 cpu'er til at servicere én bruger med et statisk indhold fra Wikipedia, kan den nu servicere tusindvis af brugere til et dynamisk indhold. For Watson er flyttet ind i skyen og tættere på masseudbredelse. Men der er også fortsat masser af udviklingsmuligheder, for i nogle scenarier er kunstig intelligens håndbåret, og selv om der ligger en række services i Watson-skyen, mangler vi følge Peter B. Lange stadig en ægte “killer application”.

“I dag har vi en teknologi, hvor - hvis du ikke er lige på standard - så er der tilpasning, justering, kalibrering og overvågning, som gør, at en kritisk røst godt kunne udfordre, om det er klart til et massemarked med bred og universel anvendelse. Og det er den der massemarkedsudbredelse af “blockbuster” usecases, som vi vel stadig mangler at se ske, men måske 2017 er året” siger han.

Fantastisk software på traditionel hardware

Peter B. Lange peger på, at det stadig er en udfordring i forhold til kognitive teknologier, at det tager tid at oplære de neurale netværk. Selv med den voksende computerkraft i verden er oplæringsfasen lang. Men IBM drømmer om et scenarie, hvor det er muligt at oplære neurale netværk i noget nær realtid.

“Hvis jeg f.eks. har en selvkørende bil, behøver jeg kun at kigge på trafikken ét sekund, så kan jeg fortælle bilen, hvad den skal gøre det næste sekund. Eller jeg behøver kun at kigge på sociale medier et splitsekund, så kan jeg fortælle dig konkret, hvad der sker ude i verden. Der er vi ikke endnu med neurale netværk,” siger Peter B. Lange.

Skal det blive virkelighed, eller skal vi bare minimere oplæringstiden betragteligt, er det behov for kraftigere computere end de GPU'er, som i dag bliver brugt flittigt i supercomputere.

“I dag har vi puttet nye former for software på en traditionel hardware. Så det næste store projekt er at udvikle hardware, som er optimeret til neurale netværk,” siger han.

På længere sigt kan kvantecomputere ormentlig løfte de kognitive teknologier til helt nye højder. De bruger meget lidt strøm, og fordi qubit-teknologien i teorien kan udføre mange beregninger på samme tid, får kvantecomputeren en ufattelig regnekraft. Men på den korte bane arbejder IBM på at give Watson flere muskler med eksisterende chip-materialer. Det kan formentlig udnyttes, at det ikke så afgørende, at en computer er 100 procent præcis, hvis den skal bruges til Watson.

“Neurale netværk er kendetegnet ved, at når vi ændrer koefficienterne i dem, så ændrer vi dem ofte kun ganske lidt. Og selv et neuralt netværk, hvor koefficienterne ikke står helt præcist, giver stadig rimelig gode svar. Så derfor kan vi måske lave computere, som er mere approximerende og sjuskede, hvor de til gengæld bruger eksisterende materialer som f.eks. silicium,” forklarer Peter B. Lange.

Pointen er, at hvis et billede består af 5000 pixels, og der mangler 500, så kan vi stadig se, hvad det forestiller.

“Sådan kan jeg ikke administrere min bankkonto, men jeg kan måske godt lave et rimelig godt neuralt netværk,” tilføjer Peter B. Lange.

Han fortæller, at man hos IBM forventer, at i løbet af en kortere - ikke to-cifret - årrække kan skabe “neurale netværk i en chip”, der er 25 gange hurtigere og måske bruger 200 gange mindre strøm end en GPU. En chip som vil være mere approximerende i sin måde at arbejde på, men som til gengæld er velegnet til neurale netværk.

En anden ting IBM kontinuerligt arbejder på er sproget. Lokalt har vi i Danmark f.eks. udfordringer, mens Watson på de store sprog er tættere på målet.

“Vores chatbots på engelsk forstår talemåder. Det gør de ikke på dansk. Der forholder Watson sig objektivt til, hvad der står,” siger han og nævner sætningen “Min kone og jeg er ved at gå fra hinanden” som eksempel. Her vil Watson formentlig ikke fange, at der er tale om en skilsmisse. Der er intet, der forhindrer, at den lærer det, men det kræver oplæring, og det er krævende hvis det skal gøres universelt.

“Vi har kraftigt reduceret, hvad det koster at implementere et nyt sprog i Watson. Men det er stadig en omkostning, der gør, at vi ikke kan lægge et roadmap for, hvornår alle verdens sprog vil være klar i Watson,” siger han.

Watson vil forlænge mennesket

Mange af de services, som Watson tilbyder, har potentiale til at løse opgaver, som i dag bliver løst af mennesker. En af 2016s mest omtalte rapporter var World Economic Forums analyse, der pegede på, at mere end 7 millioner jobs står til at forsvinde, og blot 2 millioner vil blive skabt.
Men Peter B. Lange mener, at rapporten overvurderer den negative side og undervurderer jobskabelsen ved en stigende automatisering.

“Jeg tror, det der med, at Watson kommer til at overtage, det er en misforståelse. Den måde vi ser Watson, cognitive computing, artificial intelligence - hvad du nu vil kalde det - er, at det forlænger mennesket. Men det overtager ikke mennesket,” siger han og fortsætter.

“Ingen kan den store tabel længere, fordi vi bruger lommeregner. Men lommeregneren har jo ikke taget magten fra os, den har gjort os stærkere”.

IBM dannede sammen med blandt andre Google, Facebook, Amazon og Microsoft “Partnership on Artificial Intelligence to Benefit People and Society”, der har til formål at skabe transparent i forhold til kunstig intelligens og lave best practice-anbefalinger. De står blandt andet bag et brev til offentligheden, hvor de beskriver teknologiens mission og vision, og at det handler om at skabe stærke samarbejder mellem mennesker og kunstig intelligens. Og Peter B. Lange mener heller ikke, at der bliver set på teknologien i et historisk lys, når f.eks. World Economic Forum anslår, at robotter og kunstig intelligens overtager millioner af jobs.

“Skabte dampmaskinen arbejdsløshed? Ja for den enkelte, men ikke for samfundet. Og sådan kan vi se på andre store teknologiske turning points. Og der, hvor den offentlige debat ofte går galt, er, at vi kigger på det enkelte job. For ja, der er nogen, der skal lave noget andet,” siger han.

Han har dog samtidig en stor tro på, at der også er jobs til de fleste faggrupper i fremtiden. F.eks. er det måske buschaufførerne, der er de bedste til at sidde i de kontrolrum, der overvåger selvkørende busser. Og dem der vil være allerbedst til at hjælpe med at få de selvkørende busser til at blive gode selvkørende busser. Så kunstig intelligens vil transformere arbejdsmarkedet, men man kan ikke forstå det ved at kigge på det enkelte job, mener han. Og selv om der er sket meget inden for kunstig intelligens de seneste år, er der også fortsat et stykke til artificial general intelligence på niveau med den menneskelige hjerne.

“Vi er nødt til at snakke om de her ting, og singulariteten er interessant at beskæftige sig med, men jeg opfatter den som værende urealistisk. Vi har masser af manuelle, trivielle, repeterende arbejdsgange, som er fjernet fra den industrialiserede verden. Vi står over for den fjerde industrielle revolution, og det vil transformere jobs, men det vil ikke overflødiggøre mennesket”.

Og står du overfor at skulle vælge uddannelse, eller har du børn på vej på universitetet, vil Peter B. Lange også gerne pege på kunstig intelligens som et område, hvor du ikke bliver overflødiggjort foreløbigt.

“Min generation blev ingeniører, men når jeg taler med min teenage-datter, så opfordrer jeg hendes generation til at blive data scientists,” siger han.

“Vi er kun ved begyndelsen, men hvis man har børn, der skal vælge universitet, så få sendt dem i den retning. For kunstig intelligens og evnen til at få ny viden viden ud af data kommer til at boome”.

Vil du have et kig under motorhjelmen på Watson? Peter B. Lange gæster IDA i marts og juni, hvor han vil fortælle mere om IBM's supercomputer

TEKDEB
TEKDEB

TEKDEB er det korte navn for 'teknologiudviklingsdebatkonference', og her tager vi debatten om fremtiden til nye højder. TEKDEB blev afholdt d. 27. februar 2017 og vi glæder os til at gentage su ...

Læs mere
Machine Learning
Machine Learning

Få emner er så hypede i disse år som machine learning og kunstig intelligens. Potentialet er enormt, og derfor har giganter som Apple, Microsoft, Amazon, IBM og Intel heller ingen skrupler ved at ...

Læs mere

Deltag i debatten

luk
close