Robotter: Automatisering breder sig til de fleste jobs

Kunstig intelligens og smarte maskiner spreder sig fra ufaglærte rutinejobs til videnstunge opgaver, der i dag udføres af højt uddannede mennesker.

Industrirobotter har fundamentalt forandret fremstillingen af biler.
Det er sket gennem en gradvis udvikling, der har fundet sted gennem de sidste 30 år.

Flere andre områder inden for industrien har mærket de afledte virkninger af denne udvikling. Men industrirobotter er især knyttet til autoindustrien, og i dag er produktionen af biler i høj grad en automatiseret proces.

I disse år spreder robotter sig ud over mange andre brancher og fag.

Men de fleste af robotterne tilhører en ny generation, der består af software i form af kunstig intelligens.

Disse nye softwarerobotter dukker op i alle brancher, og ofte helt uventede steder.

For eksempel blev chefen for avancerede studier inden for hjertemedicin ved det nationale sundhedsinstitut i USA, sidste år tydeligt overrasket over udfaldet af en stort anlagt konkurrence, der gik ud på at udvikle en robot til fortolkning af medicinske billeder, der anvendes til diagnose af hjertesygdomme.

Konkurrencen tiltrak over 1000 deltagere.

De to deltagere, der stod bag vinderprojektet, havde aldrig haft noget med hjertesygdomme at gøre. De kom begge fra finanssektoren, hvor de har arbejdet med kunstig intelligens, der anvendes til handel med værdipapirer.

På tre måneder udviklede de i deres fritid en robot, der kan fortolke de medicinske billeder lige så præcist som trænede hjertelæger.

Robotten er baseret på frit tilgængelig, open source software.

Tricket går ud på at finde ud af, hvordan man bruger softwaren.

Det var en øjenåbner for forskningschefen fra det nationale sundhedsinstitut.
“Vi har arbejdet med det her over i 15 år, og så udvikler de denne løsning på tre måneder” sagde han i et interview med Financial Times. “Det er fantastisk.”

Årsagen til, at de to unge prisvindere fra finanssektoren på tre måneder i deres fritid kunne lykkes med noget, som det formelle medicinske forskningsmiljø ikke havde opnået på 15 år, var, at de ikke tog deres udgangspunkt i en faglig indsigt i hjerteforskning, men derimod i en kreativ anvendelse af kunstig intelligens.

I stedet for at forsøge at løse opgaven gennem en dyb forståelse af hjertesygdomme, gik de til opgaven med en helt anden vinkel.

De byggede en robot til at løse problemet, og derefter satte de robotten til at lære sig selv at kunne analysere de medicinske billeder og stille en diagnose.

Med denne tilgang kunne de på kort tid bygge en maskine, der kunne lære sig selv at blive lige så god som en erfaren hjertelæge til at analysere medicinske billeder af hjerter.

Sådan en robot bliver ikke uden videre sluppet løs i sundhedssektoren, og hele projektet er nu under grundig vurdering i det nationale sundhedsinstitut, og der skal mange undersøgelser til, før robotten kommer i praktisk brug. Måske sker det aldrig. Men så kommer der anden og bedre robot, der kan overtage analysen af de over en million hjertescanninger, der hvert år udføres i USA.

Billederne fra hver scanning bliver vurderet af erfarne hjertelæger, og vurderingen tager ca. 20 minutter for hvert billede. Så hvis robotten for eksempel kan reducere behovet for lægelig kontrol af billederne med 75 procent, så er der på årsbasis sparet omkring 250.000 timers lægefagligt arbejde bare på den ene opgave.

Eksemplet illustrerer de perspektiver, der er knyttet til den aktuelle udvikling af kunstig intelligens.

Robotten til fortolkning af hjertebilleder, er baseret på teknologi, der ikke fandtes for to, tre år siden.

Dels er der kommet nogle nye computerchips på markedet, der er særligt velegnede til at fortolke billeder.

Men først og fremmest har udviklingen af de globale datacentre i Skyen bevirket, at der i dag er adgang til enorme mængder af computerkraft til udvikling og produktion af robotter, der anvender kunstig intelligens.

Denne direkte adgang til massiv computerkraft direkte over internettet har gjort det muligt at udvikle kunstig intelligens i stor skala, der er baseret på “læring” og erfaring.

Som eksemplet med robotten til analyse af hjerte-billeder viser, så åbner denne teknologi mulighed for at udvikle og anvende kunstig intelligens til løsning af ekstremt vanskelige opgaver, uden at de, der udvikler løsningerne, behøver at have særlig forstand på det emne, som løsningen skal bruges til.

Til gengæld skal de være super skarpe til at gennemskue, hvordan softwaren skal skrues sammen for at sætte maskinen i stand til begynde at “lære” det rigtige.

Når det lykkes at skrue softwaren rigtigt sammen – og det er uhyre kompliceret – så kan den type systemer lære at slå verdensmesteren i GO, eller at optimere kølesystemerne i Googles globale datacentre, sådan at energiforbruget bliver reduceret med 40 procent eller finde symptomer på øjensygdomme baseret på millioner af øjenscanninger, uden at de programmører, der har udviklet disse systemer har nogen særlig ekspertise inden for hverken GO, kølesystemer eller øjensygdomme.

Disse systemer har potentialet til at kunne gøre sig gældende i arbejdsfunktioner, der hidtil er blevet varetaget af højt uddannede og specialiserede eksperter inden for en lang række fagområder.

Når systemerne er blevet sat i drift, fortsætter de deres “læring”, og systemerne bliver derfor bedre, jo mere de bliver brugt.

Det har desuden vist sig, at robotterne kan begynde at lære af hinanden og udvikle kompetencer på områder, der ikke nødvendigvis var forudset.

På Wikipedia anvendes der softwarerobotter baseret på kunstig intelligens til at overvåge redigeringen af millioner af opslag, og robotterne griber automatisk ind, hvis der bliver tilføjet informationer, som robotterne anser for at være forkerte.

Omkring 15 procent af rettelserne på Wikipedia bliver udført af denne type robotter.

Britiske forskere har dokumenteret, hvordan nogle af disse robotter begyndte at konkurrere indbyrdes ved at udfordre hinandens rettelser.

Eksemplet viser nogle af de problemer, der er knyttet til udbredelsen af kunstig intelligens af den type, der har evnen til at lære og til at udvikle sig.

Når først robotterne er sluppet løs på et felt, vil det kunne vise sig vanskeligt at følge med i, hvad der foregår, og det kan være uforudsigeligt, hvordan robotterne udvikler sig.

Gode gamle industrirobotter ved man, hvor man har.

De står solidt boltet fast til gulvet i en fabrikshal, og er programmeret til at udføre en enkelt eller nogle få ganske bestemte opgaver.

I dag arbejder de fleste robotter som software i Skyen, og det er ikke altid, at der findes mennesker, der har helt styr på, hvad robotterne foretager sig, hvordan de arbejder, eller hvorhen de udvikler sig.


Foto: Maskinarbejder anno 2017

Henvisninger og baggrund: 06.03.2017