Ole-Erik Vestøl Endrerud

er daglig leder og gründer i selskapet Shoreline og PhD-stipendiat ved CIAM – Cluster on Industrial Asset Management ved Universitetet i Stavanger.

Men hva er egentlig alt oppstyret rundt denne teknologien? Og kan den føre til økt produktivitet i samfunnet vårt?

Delt syn på kunstig intelligens

Synet på kunstig intelligens er delt. Noen mener det kan føre til uante negative konsekvenser, slik som Elon Musk, den kjente sør-afrikanske Paypal, Tesla og Space X gründeren, og Stephen Hawking, den verdenskjente astrofysikeren fra Cambridge.

Andre mener kunstig intelligens kan være svaret på mange av menneskehetens problemer, og vil føre til en velstandsøkning som vi ikke har sett maken til. Det finnes mange selskaper som jobber med AI-teknologi i dag, og vi har sett noen applikasjoner av kunstig intelligens.

Noen har kanskje vært borti automatiske chattebot`er du kan møte på nettsiden til banken eller forsikringsselskapet ditt, som hjelper deg med valg av forsikring eller andre enkle henvendelser. Relativt enkle applikasjoner altså.

Så hva er kunstig intelligens og hva kan det brukes til?

Men bak disse relativt enkle applikasjonene ligger det noen svært interessante teknologiske fremskritt.

Kunstig intelligens har flere grener, og den mest kjente av disse er maskinlæring. Maskinlæring er en metode hvor maskiner kan lære seg å gjenkjenne mønstre i data.

Et slikt mønster er for eksempel språket vårt. På samme måte som et barn lærer seg nye ord og setningsoppbygging gjennom å høre på sine foreldre og andre rundt seg, kan en maskinlæringsalgoritme lære maskinen å gjenkjenne språk.

Fordelen med maskinen er at den kan lære seg ufattelig mange språk på kort tid, og oversette mellom disse. Du har kanskje hørt om Googles TensorFlow, et system for såkalt dyp læring (en mer avansert type maskinlæring). TensorFlow gjør at Google kan tilby Google Translate, en tjeneste de fleste har prøvd en gang eller to for å oversette tekster på andre språk.

Ulempen med maskinlæring er at det er en dataintensiv metode. Med andre ord, den krever store mengder data som disse algoritmene kan søke igjennom for å fange opp interessante mønstre.

Vindkraft og vannkraft

En annen gren av kunstig intelligens er agentbasert modellering, en metode for å simulere komplekse systemer på en veldig virkelighetsnær måte.

Eksempler på komplekse systemer er økosystemet i en regnskog, eller store industrielle anlegg som oljeplattformer, vindparker, vannkraftanlegg og transportsystemer, for å nevne noen.

Komplekse betyr noe annet enn komplisert. Komplekse systemer er systemer hvor det er vanskelig å beskrive sammenhengen mellom de forskjellige delene, og de er ofte ikke-lineære.

En klokke er et komplisert system. En klokke har mange deler, men vi kan forutse nøyaktig hvordan den oppfører seg – ett minutt er ett minutt.

Regnskog

En regnskog ser tilsynelatende ut til å ha orden, men om man skulle utrydde en av de tusenvis av dyre- eller planteartene som lever der kan hele systemet komme ut av balanse og noen ganger kollapse – uten at vi kan spore kollapsen tilbake til at en dyre- eller planteart er borte.

Slike systemer kan ikke maskinlæring forstå, for det finnes ikke nok data til å lære seg noen mønstre, og disse systemene utvikler og tilpasser seg hele tiden.

For å kunne forutse hva som skjer med slike systemer, og planlegge hva vi skal gjøre for å forbedre de, må vi modellere dem slik at de kan simuleres. Dette kan vi bruke agentbasert modellering til.

Tar vi regnskogen som eksempel så kan denne metoden brukes til å beskrive hvordan hver enkelt gruppe av dyr og planter og miljøet rundt oppfører seg – hvordan dyrene og plantene vokser, tar til seg næring, får avkom, dør, osv. Etter at man har modellert alle gruppene med dyr og planter – hver med helt egne karakteristikker – så kan man simulere hvordan disse oppfører seg sammen, og hva som skjer om man fjerner en av dem.

Vi er allerede i gang 

Så hvordan kan næringslivet, industrien og samfunnet dra nytte av kunstig intelligens? I Tyskland og USA blir dette kalt den fjerde industrielle revolusjonen – eller Industry 4.0 som Angela Merkel har navngitt den.

Det handler om at alt rundt oss blir koblet sammen og instrumentert for at det skal kunne overvåkes og styres av maskinene selv – av mange døpt smart teknologi.

Mye av dette har jo allerede blitt brukt i styringssystemer lenge, men da har det vært mennesker som har tatt seg av beslutningene og det å styre systemene. Nå vil maskinene med kunstig intelligens ta over stadig flere slike funksjoner.

Bilkjøring

Ta et eksempel som vi kjenner godt: å kjøre bil. Tradisjonelt har sjåføren av en bil måttet ha tilstrekkelig trening i å ta beslutninger om hvordan man skal kontrollere bilen i trafikken.

Nå kan man overlate kontrollen til bilen selv. Den kan basert på målingene den får fra sine omgivelser, og den kunstige intelligensen som er programmert inn i den, kjøre langt bedre og sikrere enn jeg som menneske kan.

Dette er jo ikke bare noe som påvirker transportsektoren på hjul. Amazon bygger ut dronenettverk i Storbritannia for å kunne levere pakker med autonome droner styrt av kunstig intelligens. Disse leverer langt mer effektivt og ikke minst billigere for Amazon sine kunder og miljøet enn om man skulle brukt vanlig veitransport.

Domino’s, som er en av verdens største pizzakjeder, vil også begynne å levere pizza med droner om ikke lenge. Smarte byer er også et interessant eksempel. Her er Stavanger i godt selskap med verdensbyer som Singapore og San Francisco, for å implementere bedre styring av blant annet transport og energibruk og dermed skape fremtidens bærekraftige byer.

Industrien er det neste området 

Jeg vil påstå at å kjøre bil er en kritisk operasjon som de fleste av oss gjør daglig, og noen er allerede komfortable med å overlate kontrollen over bilen til en maskin.

Dette vil også skje med industrielle prosesser.

Planlegging av produksjon og vedlikehold kan etterhvert støttes av, eller til og med tas over, av kunstig intelligens.

Slike applikasjoner av kunstig intelligens har muligheten til å bruke et stort og økende antall datakilder til å ta optimale beslutninger, lære seg hvilke beslutninger og strategier som gir økt produksjon eller kostnadsbesparelser.

Noen vil kanskje si dette er hva reguleringsteknikk gjør i dag. Men noe av det essensielle her er at kunstig intelligens kan tilpasse seg systemet det skal kontrollere over tid, lære hvordan det virker og bli bedre over tid på å optimalisere driften.

Se for deg at produksjonslinjen hos Kværneland endrer seg av seg selv over tid slik at den produserer ploger mer effektivt og kostnadsoptimalt.

Eller at styringen av produksjon og vedlikehold av alle vannkraftverkene vi har rundt om i Norge kan tilpasse seg selv til hvordan strømprisene varierer og når maskinene trenger vedlikehold. Det er utrolig mange slike prosesser og systemer som vil gjennomgå store endringer i tiden som kommer.

Bidrag til nye energikilder

Skal vi se inn i krystallkula, så vil dette være en av de virkelig viktige bidragene til at bærekraftige energikilder som vind og sol skal utkonkurrere tradisjonelle energikilder. At kostnadsnivåene på prosjekter faller betraktelig for eksempel innen havvind kan vi se allerede i dag.

Det vil kreves en digitalisering av tidligere manuelle oppgaver som drift- og vedlikeholdsstyring for å nå disse kostnadsnivåene, som kan oppnås med kunstig intelligens.

Kunstig intelligens er noe man har snakket om i mange tiår, men vi har aldri vært så nære som vi er i dag til å realisere teknologier basert på AI som kan bidra til økt produktivitet i samfunnet vårt.

Og de teknologiske fremskrittene skjer fortere og fortere, samtidig som interessen og aksepten for slike løsninger øker drastisk for hver dag som går. Selskaper, både på leverandør- og brukersiden, som i dag har mot til å satse på en digitalisering av prosesser og systemer som i dag blir håndtert av mennesker, vil gå en spennende fremtid i møte.