Människan och maskinen

Datorerna vidgar sitt synfält

Techcrunch skriver om ett pånyttfött landskap inom datorbaserat seende med bäring på artificiell intelligens. I sin linda (1980-talet) var området inte speciellt starkt utan betraktades med en hel del skepsis. Idag är det superhett i och med AI-stormen som hela tiden tilltar i styrka.

Turingtesterna utmanar smartingarna

Alan Turing Institute i Storbrittanien sysslar med just AI och maskininlärning och även vad detta kommer betyda etiskt och socialt i interaktionen med oss människor. Var drivs utvecklingen och var sker genombrotten? Inom akademin? I startups? Hos teknologigiganterna? Ja första svaret är väl att det är smarta människor som behövs för att utveckla smarta system. Sen väljer smartingarna att jobba akademiskt eller industriellt antingen i större eller mindre sammanhang beroende på sin läggning. 

Ekosystem för intelligensutveckling

AIs betydelse för nationers produktivitet uppmärksammas av regeringar. Området är hett  och efterfrågan på personal är stor och antingen forskar man eller så jobbar man med innovation, entreprenörskap eller som anställd i en större organisation. Ett vanligt "case" i ekosystemet är att ett paper eller en publikation blir till innovation och patent. En litet startupgäng utvecklar en produkt eller tjänst och talangscouterna på Google och andra sniffar upp och köper loss kreativiteten. Med startupmiljardärer som följd.

Data behövs för inlärning

Både industrin som Google, Amazon och Facebook m.fl. och akademin som bl.a. Berkeley lanserar öppna utvecklarplattformar för AI för att kicka igång kreativiteten så fältet är fritt för de agila startupgängen. Tillgången på data (BIG) är nödvändig för att lösa problem och  datamängder finns det gott om idag. Både rådata och s.k. labelled-data är viktiga och en av utmaningarna är att förstå hur människans intelligensutveckling motsvaras av dessa. Datorerna tittar på bytes och bitströmmar och barnen leker med legobitar. 

Define the problem. Then solve it!

Det har forskats och utvecklats inom AI i drygt 30 år och frågan är om det finns någon bra definition på vad mänsklig intelligens egentligen är. Det verkar svårt och följdaktligen är det svårt att efterllikna den med maskinell intelligens. Hur löser man problemet om  man inte ens kan definiera vad problemet är?