Kryptovaluta og fremtiden – kun forståelig for de få

Jeg får ofte spørsmål fra personer som både ønsker å forstå kryptovaluta og blockchain, men samtidig er raske med å avfeie kryptovaluta i så måte at de anser det som tull og tøys i den forstand at kryptovaluta skal overta som en reell valuta for handel. Utfordringen til de som avfeier kryptovaluta er :

  1. De forstår ikke teknologien
  2. De omtaler kryptovaluta som helhet når de egentlig kun snakker om bitcoin
  3. De benytter dagens system og rammer til å applisere verdien til kryptovaluta

La meg forsøke å ta for meg hver av disse og se hvor langt vi kommer i økt forståelse.

Bitcoin og Ethereum

Jeg forsøkte for over ett år siden å forklare blockchain superenkelt her. Teknologien har ikke endret seg, men skutt ytterligere fart og fått flere bruksområder. Det fundamentale er veksten av andre kryptovalutaer og hva de tilfører økosystemet. Eksempelvis er Ethereum – definitivt ikke en ny valuta, men som har helt andre egenskaper enn Bitcoin. Lik som Bitcoin, er Ethereum et distribuert, offentlig blokkjedenettverk. Bitcoin og Ethereum er likevel forskjellige i både hensikt og funksjon. Bitcoin tilbyr én spesifikk tjeneste innen blokkjedeteknologi, nemlig et peer-to-peer (best oversatt til person-til-person) elektronisk betalingssystem som muliggjør digitale Bitcoin-betalinger. Bitcoin blokkjeden anvendes for å holde oversikt over regnskapet og hvem som eier hva av valutaen (Bitcoins), hvorav Ethereum fokuserer på å kjøre programmerbar kode av en hvilket som helst desentralisert applikasjon. Du ble kanskje klokere på hva Bitcoin kan gjøre, men hva betyr dette egentlig for hva Ethereum kan gjøre? Miners (de som verifiserer transaksjonene og håndterer sikkerheten i nettverket) tjener bitcoin i Bitcoin-blokkjeden, tjener miners Ether som kan benyttes som betalingsmiddel for transaksjoner og tjenester i Ethereum blockchainen.

Smart contracts

Alle ulike blockchains som eksitererer i dag har muligheten til å prosessere kode, men flere har store begrensninger. Her skiller Ethereum seg fra flesteparten. I stedet for å gi et begrenset sett med operasjoner man kan gjøre, gir Ethereum utviklere muligheten til å utvikle hvilke operasjoner de selv ønsker å kjøre på blokkjeden. Dette betyr at utviklere kan bygge tusenvis av ulike applikasjoner, der Ethereum nettverket hele tiden sørger for sikkerheten og valideringen av operasjonene. I den forstand er Ethereum ikke kun knyttet til + og – slik som Bitcoin er i form av betaling (som jo er én applikasjon). Det er her Smart contracts kommer inn.  Smart contracts er programmer kode som kjører på blokkjeden til eksempelvis Ethereum, og som automatisk vil kjøre når spesifikke kriterier er oppfylt. Dette er kode som kan fasilitere utveksling av penger, innhold, aksjer eller hva som helst som man kan anse har en reell verdi. Ingen tredjepart som tar betaling for å eksempelvis bekrefte at vilkårene er oppfylt, dette sørger smart contracten i blockchainen for å validere. Her vil det fremover trolig komme ferdigutfylte maler man kan benytte, som ikke vil kreve særlig teknisk kompetanse for å endre. Slik kan man i fremtiden legge ut oppgjørskontrakten til kjøp av hus ved hjelp av blockchain. Hva trenger man en oppgjørsavdeling hos eiendomsmeglerne til da?

Fredrik Haga forklarer i DN slik étt eksempel på smart contract:

La oss si at vi to vil handle valuta. Jeg har bitcoin og du har ether. Da kan jeg programmere mine ether slik at de kun sendes til deg når du har sendt dine bitcoin. Samtidig programmerer du dine bitcoin til å kun sendes til meg når jeg har sendt mine ether. Handelen går gjennom kun når begge har fullført sin del av avtalen. Det går direkte mellom oss to, det finnes ingen tredjepart og ingen motpartsrisiko. Vi trenger ikke kjenne hverandre og kan befinne oss hvor som helst i verden.

Det eneste vi trenger å stole på er et lite stykke kode som er helt åpent for begge og som ikke kan manipuleres.

Dette er et godt eksempel på hva som kommer til å bli mer og mer brukervennlig innen blokkjedeteknologi fremover. Dog bør man merke seg “det eneste vi trenger å stole på er et lite stykke kode”  som i seg selv høres ufarlig ut, men som definitivt bør ha åpne standarder og enkelt for vanlige folk uten forståelse for programmering å validere slik at svindel minimaliseres.

Smart contracts og andre applikasjoner som kjører på blokkjedeteknologi vil i fremtiden ha potensiale til å gjøre et stort antall prosesser og arbeidsflyter i mange bransjer overflødige. Hvor de kommer først og hvilke funksjoner som er enklest å implementere for bedrifter gjenstår å se, men gjerne i prosesser der det kan være mye manuell håndtering og validering av avtaler der tredjeparter spiller en stor rolle i dagens system. Men dette vil ta tid; å integrere digitale avtaler i blockchain i et grensesnitt for folk flest er krevende, og det vil kreve tillit hos forbrukerne. Men i en tenkt fremtid der dette er mulig, der data og transaksjonene er desentralisert i et sikkert nettverk, vil dette sammen med kunstig intelligens utgjøre kanskje århundrets revolusjon i hvordan vi selv må tenke nytt til hvilket arbeid mennesket skal gjøre når store deler av tredjepartsvalideringen i dagens system plutselig blir overflødig. Teknologien er fortsatt veldig ung, og man trenger mange år fremover for å bygge trygge, desentraliserte nettverk med validerte use cases og betydelig økt brukervennlighet før teknologien blir tilgjengelig for flere enn early adopters. Når og om man benytter bitcoin som ny verdensvaluta er derimot en helt annen diskusjon.

Mine tanker etter WebSummit

Kort oppsummert: utviklingen går fort (men også tregt)

Etter å ha tilbrakt 3 dager på vel noe som er en av verdens største techkonferanser i Lisboa, og forsøkt å suge til meg så mye jeg kan om selskaper, strategi og trender fremover, er det et par ting som stikker seg ut. Men oppsummert kan jeg vel si én ting: det går fort. Fryktelig fort.

Aldri vært større fokus på kollektiv utvikling

Mitt inntrykk er at den teknologiske utviklingen aldri har gått raskere. Det er nok for mange ingen nyhet, men når man møter hundrevis av startups og det generelle kunnskapsnivået om alle bransjer og hvor teknologien er på vei, blir man sittende igjen med at all teknologiutvikling er mer samtstemt nå – og samtidig ute etter å utkonkurrere hverandre.

AI, AR og VR

Ved spørsmål om hvor Jim Breyer, CEO av Breyer Capital, putter pengene sine fremover var svaret klart: AI, AI og AI. Kanskje ikke overraskende, men jeg tror at mange har misforstått hva AI er og hvor kort vi har kommet. Se min tidligere post her for en introduksjon til AI.

AR, eller augemented reality, fikk mye oppmerksomhet. Spesielt med Apples ARKit, og Android ARCore, er AR på vei til de fleste mobile enheter fremover. Ny teknologi muliggjør bedre visualiseringer, hjelpemidler og eksperimentering. Innen 10 år vil vi bruke helt andre enheter til å oppdater oss og kommunisere med andre enn dagens mobiltelefon, fortalte én av foredragsholderen. Det sier noe om utviklingen, når vi i over 20 (30?) år har benyttet oss av mobiltelefonen til å gjøre det meste av kommunikasjonen på farten. Kanskje ikke overraskende at samtidig som dette ble presentert kom nyheten (eller ryktet) om at Apple utvikler briller som skal flytte iPhone skjermen til rett foran øynene våre.
VR fikk vesentlig mindre oppmerksomhet i år enn tidligere år. Mye av det er på grunn av tilgangen til APIer og teknologien som eksisterer i dag, og hvor Apple og Android peker hvor vi skal først. Igjen ARKit og ARCore er trolig de viktigste elementene her – dette markedet kommer til å bli enormt og da er det naturlig at utviklerne, med forretningshodene, følger etter. Anvendelsesområdene er fortsatt under stadig utvikling, men vi kan garantert vente oss mye fremover innen gaming, men også innen skole og utdannelsesapper som tar for seg visualisering på helt nye måter for elever.

Store helsefremskritt innen bruk av data og AI vil også følge i årene som kommer. Og det er viktig å påpeke det som mange foredragsholdere var flinke til å poengtere, at AI vil trolig ikke løse de “store spørsmålene” innen sykdom og helse innen snarlig fremtid, men bistå til å evaluere symptomer og komme med forslag til behandling. Å altså gi konkrete råd innen små domener, et definert problem innen konkrete rammer.

API – there’s an API for that

APIene, eller application program interface (sjekk), er heller ikke noe nytt, men som stadig blir bedre, mer tilgjengelig og enklere og dermed bidrar til et høyere nivå av abstraksjon for utviklere å hente data fra flere kilder. Flere selskap og informasjonsskilder bygger APIer nettopp for å gi andre utviklere tilgang til selskapenes data slik at igjen deres egen tjeneste kan bli mere verdt for brukerne gjennom nye tjenester og integrasjoner. Igjen blir det desto viktigere for utviklere å kode rett – fler abstraksjoner gir flere muligheter og kall, som kan gi enda mer kompleks datahåndtering. For hvert kall med argumenter gjør altså  en utvikler flere avgjørelser om hvor dataen skal sendes – og dermed vil din brukerdata sendes mer på tvers av tjenester. En enkel analogi er: før hadde PCene våre en av/på knapp. Skrudde du av den brøt du fysisk strømmen og maskinen “døde”. Nå trykker man på av knappen, og masse kodelinjer begynner å gjøre for å stoppe ulike prosesser (også kalt daemons) for å så gå i sleep mode. Maskinene skrus ikke av lenger, de kjører bare mindre kode.
Ved at mer data blir tilgjengelig i skyen som gjør at data vil flyte på tvers av tjenester og selskaper vil t rolig dette være til forbrukernes (forhåpentligvis) beste i form av tettere integrasjoner mellom alle de andre produktene og tjenestene vi bruker. Tenk Amazon Alexa koblet opp mot Peppes Pizza. Et annet viktig poeng her er privacy og datahåndtering. Dette blir bare mer og mer kritisk, der god datahåndtering og sikkerhet samt brukerne er klar over hvilken data de gir fra seg og hvordan den brukes.

Godt innhold og taleassistenter

Amazon poengerte at neste revolusjonen nå er stemmen din. Fra tidlig av har vi gått gjennom dataevolusjonen gjennom stegene tekstinput, GUI, web, mobil og nå altså tale. Stemmen vår er naturlig, det er det vi bruker som kommunikasjonsverktøy i menneskelig interaksjon, men hittil har vi blitt “tvunget” til å benytte oss av tekst og andre hjelpemidler for å kommunisere med hverandre. Det er har blitt både lettere for alle å benytte oss av teknologi til å kommunisere, men det krever fortsatt mye investering fra mennesker som ikke har et forhold til teknologi å kommunisere med barnebarna gjennom eksempelvis Facebook Messenger. Amazon ønsker å løse dagens kommunikasjonsutfordring med altså bruk av taleassistenter. Utvilsomt et godt poeng og som definitivt vil gjøre at flere vil ta i bruk teknologi til kommunikasjon eller til andre hjelpemidler. Ett eksempel som Werner Vogel (CTO i Amazon) presenterte: en eldre mann som led av demens var i ekstase over Alexa. Endelig kunne han stille “en person” det samme spørsmålet 20 ganger om dagen og få det samme svaret hver gang, uten å motta den minste form for irritasjon som vi mennesker kan bli. Alexa hadde gitt han uvurdelig hjelp til å forstå og hjelp til hverdagen. Kanskje ikke rart Apple, Google og Amazon alle satser på taleassistenter. Hvordan vil mediene stille seg til taleassistentene når de virkelig har inntatt stuene våre i årene som kommer? Og glem heller ikke min tidligere post om hvordan høyttalerprodusentene bør stille seg til Amazon, Apple og Google.

HBO satser videre på godt innhold fortalte CDO i HBO Diane Tryneski. Det er deres merkevare og den skal de jobbe med å bli enda tydligere forbundet med. De har ikke like tro på binging av innhold, altså å slippe hele serien samtidig, de ønsker at vi fortsatt skal ha det sosiale konseptet ved at man hver uke kan diskutere innholdet i siste episoden av serien alle ser på. Fornuftig, tenker jeg, da HBO ikke har bredden og mangfoldet til Netflix og er avhengig av å skape større engasjement til innholdet deres. Unikt innhold kommer sjeldnere, og det er HBOs strategi. Samtidig slår det meg hvordan kulturen til HBO er annereldes til Netflix. Jeg diskuterte deler av dette i én av mine tidligere posts her, men det innlegget fokuserte mer på distribusjonsstrategien. Netflix skal ha innhold til alle, distribuert til alle. De er avhengig av at alle finner og oppdager nytt innhold, raskt og enkelt hver gang man går inn på Netflix. Netflix sine apper er bygget rundt innholdet sitt ved at det kommer stadig forslag til nytt innhold som kan passe for deg, basert på din historikk og interesser. Og på grunn av Netflix sin enorme katalog kan de hele tiden tilby deg nytt innhold, servert i et enkelt brukergrensesnitt. HBO sin strategi er å fokusere på better content, og fokuserer på nisjeinnhold. Det er innholdet som produktet til HBO, man vet at man får godt innhold hos HBO, men ikke nødvendigvis for alle og heller ikke nytt innhold for hver gang man går inn. Slik er også kulturen i HBO med på å definere hvor HBO legger innsatsen sin. Ved å være dødsfokuserte på godt innhold, gjør det også at HBO ikke har tilstrekkelig fokus på sine tjenester og brukeropplevelse eksempelvis. Ingen av HBO sine apper er i nærheten av Netflix sine når det kommer til brukeropplevelse. Nylig gikk HBO sine servere i Norden ned da siste episode av Game of Thrones kom ut. De har ikke samme infrastruktur eller fokus på brukeropplevelse – de satser på innholdet. Når de prioriterer, prioriterer de å gjøre én ekstra runde på innholdet fremfor å jobbe med brukeropplevelsen av sine tjenester. Jeg sier ikke at de ikke jobber med det, selvsagt gjør de det, men jeg tror at man som brukere er i større grad villig til å tolerere en dårlige brukeropplevelse hoa HBO enn Netflix, nettopp fordi man MÅ se siste episode av Game of Thrones eller Westworld, og dermed kan HBO tillate seg at brukeropplevelsen ikke er på samme nivå som Netflix som i motsatt fall satser på bredde og mindre unikt innhold. Det er faktisk færre eksempler av innhold fra Netflix som gir lock-in av brukerne enn HBO, og som dermed gjør at Netflix må fokusere mer på brukeropplevelse og katalog enn HBO, som igjen spiller inn på kulturen i de to selskapene.

Men hva går sakte da?

Hvis utviklingen går så rask som man får inntrykk av, hva er det som går sakte? Vel, paradokset er at mens alle på konferansen diskuterer kunstig intelligens, AR og VR, og nye betalingstjenester aksepterer fortsatt omtrent Det forteller litt om hvor lang tid visse deler av den teknologiske utviklingen ofte ligger foran infrastrukturen i samfunnet, og ikke minst kulturen.

 

Det er ikke alt som har kunstig intelligens i seg som er intelligent

Det er mange ulike begreper som brukes når man snakker om kunstig intelligens. Hvilke gjelder, hvordan hører de sammen og hvor er vi i dag? Så kan vi se på eksemplet chat-boter som i disse dager har blitt veldig populære for å håndtere kundeservice.

Hva er kunstig intelligens?

Kunstig intelligens, eller AI, er den overordnede klassen over programvare som benyttes til å hjelpe en datamaskin til å respondere til ulike situasjoner, små som store. Nærmest all programvare har et snev av kunstig intelligens i seg fordi det har muligheten til å ta valg basert på ulike premisser eller betingelser.

Mange snakker om kunstig intelligens, maskinlæring og kanskje også deep learning, narrow og strong AI. Hva er forskjellen?

AI, ML og DL subsett

ML, eller maskinlæring, og DL, deep learning, er enkelt forklart undergrupper (også kalt subsett) av kunstig intelligens.

Kort oppsummert:

  • AI
    • Basert på regler (ikke maskinlæring AI)
      • Regler som forteller hvordan programmet skal respondere gitt ulike situasjoner
      • Kalles ofte ekspertsystemer
      • Statisk
  • Maskinlæring
    • Maskinlæringsalgoritmer tilpasser seg når de eksponeres for ny datakunnskap
    • Kan justere seg for å forbedre ytelse innen begrensede, definerte oppgaver
    • Dynamisk
  • Deep learning
    • Tung databehandling
    • Meget presis
    • “State of the art”

Som forklart over er maskinlæring og deep learning mer avanserte former for kunstig intelligens, som brukes der læring er et kritisk element for at algoritmen skal være tilpasningsdyktig og bli mer presis over tid. De er ikke nødvendigvis smartere enn standard AI, men altså mer dynamiske og frigjorte enkle regler og domener.

Deep learning er det klart, mest spennende feltet fremover og benyttes til blant annet selvkjørende biler. Da benyttes deep learning gjennom nevrale nettverk som etterligner hvordan vår egen hjerne fungerer. Slik kan flere algoritmer kjøre samtidig og hjelpe hverandre med bedre input etterhvert som de klarer å analysere dataen de selv får til å gi bedre, mer presise output til andre algoritmer.

Chat-bots

Dinside gjennomførte nylig en interessant test av chat-boter hos flere store, norske bedrifter.

 Chatbot-ene framstår foreløpig mer som glorifiserte søkemotorer enn tenkende dataprogrammer.

Interessant nok er det her de typiske løsningene for chat-boter er i dag. Spørsmålene fra kunden blir splittet og analysert for å kunne sannsynliggjøre hva det er kunden spør om, for å så hente svaret fra en database med ferdigdefinerte svar. Sannsynligvis med lite maskinlæring inne i bildet – dette er ferdigdefinerte rammer med beslutningstrær for chat-boten som definerer hva den svarer ved neste spørsmål. Dersom den flere ganger ikke klarer å svare, kan spørsmålet flagges for manuell oppfølging i etterkant. Med andre ord, den laveste formen for kunstig intelligens. I enkelte tilfeller kan setninger og ord defineres med en kalkulert sannsynlighet at de tilhører grupper av spørsmål og svar slik at disse ordnene eller situasjoner fra brukerne kan klassifiseres inn i datasettet som boten bruker – da oppstår læring.

I tilfeller som over kan, dersom datasettet er godt nok, erstatte deler av kundebehandling og repetitive oppgaver.

– Tiden er allerede moden for å la teknologien ta over enkelte oppgaver. Områder som førstelinje kundekontakt, kunderegistrering og registrering av informasjon i bedriftens økonomisystem er typiske områder hvor man allerede kan bruke kunstig intelligens

forteller Max Herner i IPSoft.

Som vi ser benytter bedrifter i dag kunstig intelligens for å løse enkle, repetitive oppgaver. Slik kan teknologien identifisere hva brukeren har for et problem, og lettere tilby veiledning eller sette brukeren over til en kundekonsulent som raskere kan diagnosistere feilen og hjelpe brukeren. De bedriftene som ønsker å benytte seg av denne teknologien i dag må tydelig kommunisere til brukerne hva de kan forvente av tjenestene de tilbyr, hvis ikke kan tjenestetilbudet og kundeservicen ende opp med å bli dårligere enn dagens nivå. Bedrifte må altså stille seg spørsmålet: blir tilbudet vårt til brukerne bedre med en chat-bot? Basert på testen til Dinside kan det i noen av tilfellene virke som botene hadde motsatt effekt, og de heller burde hatt en bedre FAQ.

Det altså en stund til bedrifter tar steget til å benytte maskinlæring til mer avanserte oppgaver og begrepet kunstig intelligens gir større kredibilitet til ordet intelligens.

Differential privacy – Apple vs Google

Jeg har lenge hatt lyst til å beskrive Apples metodikk for å analysere kundedata og sammenligne den med Googles. Apple har tatt et klart steg mot å beskytte brukernes personvern gjennom å benytte en metode kalt differential privact, mens Google i de fleste tilfeller anonymiserer kundedataen for sikre brukerens personvern. Disse to metodene bygger på de to selskapenes ulike strategiske inntektsretning fremover: Apple mot abonnement- og tjenesteinntekter mot Googles annonseinntekter. Men hva betyr Apples valg av differential privacy for personvern og Apples forskning innen AI?

Differential privacy

eller differensial personvern om du vil, er enkelt forklart at man legger til støy i datagrunnlaget man innhenter fra et stort antall individer eller datapunkter. Det vil si at for hver gang man ønsker å gjøre en spørring eller hente ut informasjon om datagrunnlaget, vil algoritmer legge til støy som eksempelvis kan være falsk data som gjør at datagrunnlaget er såpass  mer generelt og ikke kan spores ned til den enkelte bruker. Differential privacy handler om å hente inn data, men ikke din data. En god billedlig forklaring kommer i bildet under:

Kilde: Staff Reports, Wall Street Journal

Om noen ønsker å finne linker i datagrunnlaget vil de aldri kunne determinere om én person/entitet svarte på dette spørsmålet. Slik kan forskere analysere sensitiv data og se trender i datagrunnlaget, uten å kunne linke trendene mot spesifikke individer.

Fint, men hvorfor gjør ikke alle det slik?

De fleste andre selskaper benytter seg av anonymisert data. Utfordringen med anonymisert data er at teknikken som benyttes for å anynomiseres kan (ofte) reverseres, det vil si at nøkkelen til anonymiteten er lagret et sted og dermed er sårbar for hacking eller andre feil som i verste fall avsløre identiteten til personen bak. Med differential privacy er ikke dette mulig, på grunn av støyen som blandes inn i datagrunnlaget. Dette gjør igjen det vanskelig for Google å benytte differential privacy, fordi de er avhengig av å kunne knytte dataen de lærer om deg til å servere deg personlige annonser – og i tillegg lære mest mulig om hver enkelt brukere for å personalisere tjenestene. Apple må ta den lengre veien å lære mønstre fra brukerne, noe som igjen skaper hindre i deres kunstig intelligens forskning. Kunstig intelligens handler oftest om å lære mest mulig av datagrunnlaget man blir gitt, og som fortrinnsvis stadig vokser som kan videre gi økt læring. Den enkleste og direkte måten for å bygge smarte nye tjenester på er å benytte seg av kundenes data, og å bruke store mengder av denne dataen til å trene tjenestene til å bli bedre. Ved at Apple har valgt en strengere retning innen personvern, gjør at de må gå en rekke lengre veier for å oppnå samme ytelse og presisjon. Det blir spennende å se hvorvidt Apple klarer å henge med i kunstig intelligens racet fremover og tilby brukerne de personlige tjenestene og funksjonene konkurrentene kan levere, eller å velger et suboptimalt produkt som har et høyere nivå av personvern.

Spennende temaer å følge med i året som kommer

2017

Hva kommer til å prege teknologibildet i året som kommer? Utvilsomt mye. Mer enn hva jeg klarer å dekke her, og temaer jeg ikke har grunnlag for å diskutere. Under har jeg gjort et forsøk på å presentere et knippe temaer jeg tror vil være veldig fremtredende i året som kommer.

  1. VR

    Kanskje er VR en av de mest frekventerte temaene på alle 2017 lister. 2017 er året der VR kanskje endelig vil ta steget frem som et mer allment verktøy. Tilgangen på hardware vil gjøre at distribusjonen av innhold gjør det definitivt mer attraktivt å lage mer innhold for produsentene. Til nå har det vært forbehold utviklere og teknisk interesserte, men tidligere i år demonstrerte Facebook sine planer med VR. Facebook tilbyr enorm distribusjon, og med billigere hardware (og stand-alone VR produkter) gjør at teknologien mot slutten av 2017 vil være betydelig billigere å anskaffe enn dagens priser på Occulus Rift (omtrent 8000,-). Til de forbrukerne som ikke har anledning til å skaffe egen hardware, ser vi at det er planer om å lage VR stasjoner på større møteplasser for å demonstrere VR og lage en live-følelse av konserter og andre lignende arrangementer.

  2. Bots

    Slik som chat-appen Slack har integrert botter inn i deres chat-tjeneste, vil flere og flere selskaper se på muligheten for å integrere botter og enkel kunstig intelligens for å håndtere enkle arbeidsoppgaver.
    Vi så flere av de store konsulentselskapene begynte å markere seg i mediebildet om roboter og annen automatisering, og når de store konsulentselskapene posisjonerer seg innen robotics, rpa og automatisering er det store penger å hente.
    Den norske startupen Konsus slapp tidligere i år sin samtalebot til rekruttering av freelance og vikarer. Flere vil følge.

  3. Selvkjørende biler vil bli en hel del smartere

    Med både Tesla og Uber som aktivt utvikler selvkjørende biler, vil 2017 være året der begge selskapene (og fler) får samlet inn enorme mengder data med selvlæring fra de selvkjørende bilene. Restriksjoner vil ytterligere bli satt på prøve, og politikerne må gå dette i møte.
    Bilene vil etterhvert kunne “snakke sammen” og dele informasjon kontinuerlig for å ytterligere redusere sjansen for ulykker. De vil dele informasjon om hverandre og generell trafikkinformasjon som i sanntid gjør at bilene kan ta bedre informerte avgjørelser. Antallet biler som har Tesla Autopilot er over 70 000, og sammen med Googles (antallet biler anslås til å være i underkant av 100) vil all dataen som samles bare av disse to selskapene drive utviklingen innen både regulering, r&d og økt forbrukerkunnskap.
    Interessant selskap å følge med på i 2017: Zoox

  4. Andre temaer
    1. Healthkit og andre helserammeverk. Apple Watch, Fitbit og andre selskaper som fokuserer på helse vil få betydelig flere brukere og økt nøyaktighet som gjør at selskaper som fokuserer på å muliggjøre slik at helseinstitusjonene kan benytte seg av disse dataene vil være spennende å følge i året som kommer
    2. AR – broren til VR altså augmented reality vil fortsette å øke i popularitet. Lignende spill som Pokemon Go og andre tjenester vil øke i populæritet. Faktisk vil Augmented reality vinne over VR i brukeraktivitet neste år på grunn av at AR ikke krever ny hardware, men kan brukes gjennom mobilen og andre smart devices.
    3. AI – selvsagt vil kunstig intelligens fortsette å øke i popularitet. Mange forståsegpåere vil nok også prege mediebildet om AIs inntog i arbeidsmarkedet. Både gjennom bots og andre nyttetjenester. De store gigantene vil legge til økt personalisering og Siri, Google Now etc vil øke funksjonaliteten i form av personlige assistenter.

Kunstig intelligens – åpenhet om fremgangen

Som tidligere student innen datateknikk og kunstig intelligens, og i tillegg genuint interessert, kjenner jeg til de enorme begrensningene kunstig intelligens har. All frykt om at kunstig intelligens plutselig skal bli selvbevisst er utenfor rekkevidde, hvertfall det neste tiåret. Den frykten som er nærmere realiteten er hvilke jobber kunstig intelligens kan delvis erstatte, men det er en annen diskusjon.

2016 markerer seg som et år der temaet åpenhet rundt forskning av kunstig intelligens virkelig har skutt fart.

  1. Etikk, forståelse samt konsekvenser til kunstig intelligens har vært hyppig diskutert i året som snart er forbi
  2. OpenAI og andre offentlige non-profit organisasjoner driver frem publisering av metoder og åpen kildekode

Elon Musk støttet nylig det åpne forskersamarbeidet OpenAI, som publiserer forskning innen kunstig intelligens. Apple publiserte i går sin første artikkel innen deres forskning av kunstig intelligens. At Apple, av alle, velger å publisere forskingen deres innen kunstig intelligens er en stor nyhet og trolig selskapets første forskningsartikkel som blir publisert.  Grunnen til at vi nå ser dette skiftet av åpenhet i stedet for lukkede grupper som arbeider med sin egen teknologi, er på grunn av at kunstig intelligens er et utrolig bredt felt, fremgang i arbeidet krever åpenhet i stedet for at “alle sitter og forsker på det samme i separate leirer”. Gjennom samarbeid har de store selskapene og instituttene nå skjønt at fremgangen vil mangedoble seg. Det lønner seg rett og slett å samarbeide.

Gjennom forskning innen et emne som skaper mye bekymring, kan selskap som OpenAI være en middel for å kjempe mot skadelig eller ondsinnet kunstig intelligens. Ved å dele kunnskap i stedet for å begrense er man trolig med på å både dempe bekymringene og dele viktige erfaringer.

Som et resultat deler også Google nå mye av deres forskning innen kunstig intelligens. Tidligere i år delte Google ut kildekoden til motoren bak deres neurale nettverk som blant annet står bak bildegjenkjenningsmotoren til Google Photos.

Å gi opp kontroll er essensen bak åpen kildekode. Hvis nok mennesker arbeider mot et felles mål, vil sluttresultatet triumfere alt som utarbeides i skjul. Men hvis kunstig intelligens til slutt blir så kapabel som mange lover, endres ligningen. Da er det viktig at felleskapet setter premissene for hva kunstig intelligens skal være kapabel til og hvilke rammer og domener de har anledning til å operere innenfor. Google, Elon Musk og nå Apple plasserer sin tro på fellesskapet. Men hvis de har rett, så vil kanskje ikke fellesskapet i fremtiden kun bestå av mennesker…