Daniel Gillblad
Den industriella revolutionen automatiserade fysiskt arbete. Artificiell intelligens ersätter istället uppgifter som kräver mänskliga tankar och sinnen. Den snabba framväxten av AI innebär därmed förändrade branscher, däribland journalistiken. Här ger en av landets ledande AI-experter – Daniel Gillblad, Co-director Scientific Vision för AI Innovation of Sweden – sin syn på vad journalister och mediechefer behöver förstå inför framtiden.
Det pratas mycket om artificiell intelligens, men det saknas fortfarande en tydlig definition av vad AI är. Hur brukar du förklara vad det handlar om?
– Jag har tre olika svar på den frågan, beroende på sammanhang. Det mest övergripande är att AI är program och metoder som gör det möjligt för datorer att till exempel lära sig nya saker, resonera och dra slutsatser, saker som det ofta tidigare krävdes mänsklig intelligens för.
– Det går också att förklara AI som en generell teknik som på sikt kommer att finnas överallt och hjälpa oss människor att automatisera många arbetsuppgifter.
– Och så kan man beskriva AI som en sammansmältning av flera olika forskningsfält som tillsammans syftar till att göra datorer lite mänskligare: Bättre på att lära av omgivningen, bättre på att bedöma svåra situationer och bättre på att förstå subtila nyansskillnader.
Vilka är de viktigaste skillnaderna mot hur mjukvara utvecklats tidigare? Vad behöver reportrar förstå om AI?
– Att många av de nya systemen är väldigt datadrivna. De har inga fasta regler, där en människa talat om exakt hur de ska fungera. Istället bestäms funktionen av den data som stoppas in. Det som sen kommer ut ur ett analys- eller beslutsstödssystem är en bild av verkligheten. Den måste tolkas och förstås utifrån den data som stoppades in och de brister som finns i den. Resultatet är mer som ett ”uttalande” snarare än ”sanningen”. Men det är lätt att få en övertro på tekniken.
Man ser ibland rubriker om sexistiska eller rasistiska algoritmer. Men det du säger innebär att det inte är algoritmerna som är sexistiska eller rasistiska, utan att det är ett resultat av den data som stoppas in i ett system?
– Det finns exempel på AI-lösningar som utgår ifrån att sjuksköterskor är kvinnliga. Men det betyder inte att det är sexistiska system. Det betyder att det är så statistiken i dataunderlaget ser ut. Systemet återspeglar bara det som syns i statistiken. Det viktiga när man utvecklar AI-lösningar är därför att vara vaksam på den här typen av resultat, och tala om för systemet vad det inte ska ta hänsyn till. Så att det förstår att också män kan vara sjuksköterskor.
Vilka återkommande missförstånd om AI möter du?
– Vi som kan mycket om AI får just nu ägna mycket tid åt att hantera höga förväntningar på tekniken. Vissa saker som går att göra i dag, som bildigenkänning, kan se fantastiskt intelligent ut. Men att ta nästa steg, att skapa system som verkligen förstår världen som vi gör, som till exempel förstår relationer mellan objekten i en bild, det är oerhört mycket svårare. För personer som inte kan så mycket AI är det en utmaning att förstå var gränsen mellan enkelt och svårt går.
– Jag kan ta ett typexempel. Många verksamheter vill ha chattbottar. Det enklaste sättet är att skapa något regelbaserat, ”om människan skriver si ska roboten svara så”. Nästa steg är att använda AI, natural language processing, för att skapa en chattbott som är lite mer autonom. Det går också ganska bra. Men det sista steget är att skapa en chattbott som verkligen förstår mänskliga känslor och intentioner på riktigt. Då är det plötsligt jättesvårt.
– Och eftersom den gränsen är otydlig blir förväntningarna orimliga. Det går ibland att göra mer än folk tror, men ofta ligger förväntningarna närmare science fiction. Vi kommer nog dit, men det tar tid.
Ser du det här också i medias rapportering om AI?
– Ofta beskrivs AI som något farligt. Vi ska givetvis vara försiktiga, det är kraftfull teknologi som går att använda till otrevliga saker. Men de riktigt otrevliga sakerna beror på hur tekniken används, inte på grund av problem med tekniken i sig. I en intervju fick jag nyligen frågan om bildigenkänning kan används i vapen. Självklart kan AI användas i vapen, så är det redan.
– Men det finns en sak som skiljer AI från annan teknik, och det är möjligheten att göra dumma saker i stor skala. Eftersom det handlar om mjukvara och inte saker som ska tillverkas går det snabbt att få stor spridning på teknik som gör dåliga saker. Det vi måste diskutera är hur tekniken får och ska användas. Inte vilka algoritmer som får skrivas, utan hur de används. Det vi kan reglera är effekterna av systemen. Precis som människor inte får göra dumma saker ska inte tekniken göra det heller.
Om du får skicka med en eller två återanvändbara frågor som journalister kan ställa när de gör intervjuer om AI, vilka skulle det vara?
– ”Vad är det för data den är tränad på?”.Då kan man börja förstå om det är gjort på ett systematiskt och grundligt sätt, eller om det finns en risk att det innehåller just den här typen av skevheter i data. En annan sak som man kan fråga är ”Hur är det testat, hur är systemet validerat?” Den som utvecklar eller använder ett AI-baserat system måste noga undersöka vilken typ av svar och rekommendationer det ger ifrån sig.
Vad behöver mediechefer och medieägare förstå om AI?
– Man behöver förstå hur AI kommer att effektivisera och automatisera medieproduktionen. De grundläggande möjligheterna med datadrivna system skapar förutsättningar för helt nya typer av journalistik. I till exempel researchfasen kommer allt mer avancerade lösningar för informationssökning och sammanställningar att hjälpa till. Det bästa vi har i dag är Google, men det väntar ännu bättre verktyg runt hörnet.
– Samtidigt blir så kallade generativa modeller allt vassare. De tar data och kan sen skapa nytt innehåll i form av text, grafik och bild. Det behöver man också förstå. Allt detta förändrar förutsättningarna för medieaffären precis som det förändrar alla andra verksamheter och branscher.
– Och så måste man vara öppen för att utforska teknikens möjligheter. Man måste ha en förståelse för verktygen för att veta vad som finns. Först då kan man börja fundera på hur den kan användas. Ta teknik som kan omvandla tal till text. Det går inte att ta AI-experter och be dem bygga om mediebranschen, de kan inte tillräckligt mycket om den.
Vad krävs för lyckad tillämpning av AI?
– Det finns två sätt. Sitter man på unik och speciell data kan man börja där, att fundera på hur den kan användas. Men det absolut vanligaste är att börja från andra hållet: Fundera på hur affären ser ut, vilka processerna är och hur de kan automatiseras. Då kommer man hitta rätta ställen att använda AI i en verksamhet.
– Och det här är inte något som går att lägga i knät på en IT-chef. IT-avdelningen har fullt upp med att driva och supporta system. AI är inte en del av IT, utan en del av affärsverksamheten.
Finns det en risk att det just nu ställs så stora förhoppningar till AI att man glömmer bort enklare verktyg?
– Utan tvekan. Ibland blir man för fokuserad på att lösa något med AI när enklare alternativ hade varit bättre.
Det låter som om det behövs projektgrupper med många olika kompetenser?
– Absolut. Gärna personer med en fot i vardera världen. Som förstår både teknik och affär och kan prata båda sorternas fackspråk och som allra helst har mycket praktisk erfarenhet av att göra. Att tillämpa AI i en verksamhet är mer hantverk än vetenskap. Utmaningarna är sällan tekniska, utan organisatoriska.
Om Daniel Gillblad
- Daniel Gillblad har en central roll i det svenska ekosystemet för artificiell intelligens.
- Sedan 2019 är han Co-Director – Scientific Vision för AI Innovation of Sweden på halvtid. Sin andra halvtid är han forskningsansvarig inom AI på statliga forskningsinstitutet RISE.
- På RISE har Daniel Gillblad varit sedan 1999, med ett antal olika befattningar där maskininlärning, dataanalys och artificiell intelligens löper som en röd tråd.
- Grundutbildningen kommer från KTH, precis som doktorshatten.
- Våren 2020 är en av hans favorittillämpningar av AI sökmotorer som använder NLP för att hjälpa framför allt forskare att hitta relevant information om covid-19 i alla de vetenskapliga artiklar som publiceras.