Mannjevning
PETERS PLASS: Året begynner med et brennbart tema: Kommer maskiner til å ta over massevis av arbeid som hittil er blitt utført av mennesker? Det kan skje, spørsmålet er bare hvilket arbeid og hvor fort.
Malcolm Gladwell, navngjeten skribent, formulerte en «lov» i boken «Outliers» som handler om de ti tusen timer. Den sier at talent ikke er nok. Folk er ikke født genier. For å komme i verdensklasse i hva som helst, må man øve i minst ti tusen timer. Det er uten betydning om det er programmering eller rock-and-roll, bare øvelse gjør verdensmester. Suksess er ikke garantert, men nok øvelse er en forutsetning. Gladwell belegger sine påstander med interessante historier, blant annet om Bill Gates og The Beatles. («Loven» er omdiskutert, Gladwell provoserer akademikere.)
Jeg skal presentere her en ny «lov». Den har jeg lært av Jack Clark som jobber i Open AI, forskningslaboratoriet som fostrer samarbeid rundt kunstig intelligens (AI). Kunstig intelligens, på dagens nivå, dreier seg om å utvikle et programsystem (som består av algoritmer) som kan lære å utføre en velavgrenset oppgave. Minst like bra, men mye raskere enn mennesker kan. Oppgaven skal ligge i skjæringspunktet mellom den fysiske og den digitale verden, for eksempel å kjøre bil eller yte assistanse til omsorgstrengende. Roboter er en variant av kunstig intelligens.
Ingen tviler vel på at dette er teknisk mulig. Maskiner kan erstatte eller assistere stadig flere mennesker. Om det vil føre til arbeidsløshet, avhenger av om samfunnet tar (eller ikke tar) i bruk sterke virkemidler. Utviklingen begynte med noe så uskyldig som sjakk for over tjue år siden, og det har ballet på seg i mange retninger. Nye eksempler blir publisert hver dag.
Det avgjørende spørsmålet er: Hvilke jobber vil dette gå ut over? En berømt engelsk-amerikansk undersøkelse fra 2013 skremte mange. Den konkluderte med at bortimot halvparten av jobbene i USA er utsatt for konkurranse fra intelligente maskiner. McKinsey Research justerte, men bekreftet funnene. En svensk undersøkelse gikk tallene etter i sømmene og reduserte anslaget for svenske forhold til omtrent en tredjedel. Vi snakker om «teknologisk arbeidsløshet». Mange analytikere mener at det ikke er globalisering som fjerner industrijobbene i USA (slik Trump påstår), det er automatisering. Globalisering vil bare være et mellomspill.
Så til Clarks lov som sier at i tilfeller der man kan registrere titusen ganger så mye data om en jobb som det et menneske kan gjøre i sin levetid, er jobben utsatt. Begrunnelsen er at kunstig intelligens baserer seg på bruk av store mengder data. Mennesker utvikler algoritmene i første omgang og trener opp maskinen til å utføre jobben ved å presentere noen hundre eksempler. Så blir maskinen stadig flinkere gjennom å utføre jobben. Den optimaliserer algoritmene sine selv. Maskinlæring eller dyplæring kalles dette.
De som er igjen blir supergode.
Her er et skisse-eksempel: Radiologi er basert helt og holdent på instrumentering. I løpet av sitt yrkesliv vil en radiolog kanskje utføre 8.000 analyser av røntgenbilder. Hun blir stadig flinkere, vil utvikle en sterk intuisjon, selv om hun også vil glemme en del underveis. La oss si at en maskin som skal gjøre det samme, baserer seg på 80 millioner analyser. Den glemmer ikke hva den har lært og blir aldri trøtt eller distrahert. Det er lett å tenke seg at den blir flinkere enn radiologene, men av og til vil den ha bruk for litt menneskelig intuisjon. Derfor tror jeg at maskiner kan erstatte mange, men ikke alle radiologer. De som er igjen blir supergode fordi de får bryne seg på de vanskeligste oppgavene.
Alle jobber der instrumenter kan registrere data som et biprodukt mens oppgaven blir utført, for eksempel bilkjøring, vil bli konkurranseutsatt.
Maskinlæring er én type kunstig intelligens der programmering i betydelig grad blir erstattet av maskinens selvlæring. Det er data, ikke mennesker, som optimaliserer programmene. Det finnes ti-15 andre former, vi er tidlig i spillet, ingen vet hvilke av dem som vil vinne frem. Det investeres mye penger og talent, ikke minst hos de store aktørene som Google, IBM, Amazon og Facebook. Pluss noen kinesiske selskaper. Minst tredve AI-oppkjøp og fusjoner ble annonsert i 2016.
Kunstig intelligens kan ikke stoppes med politiske vedtak.
Maskinlæring krever mye datakraft og forbruker voldsomme mengder med data, men Internettet og nettskyer har gjort begge deler til hyllevare. Ikke noe av dette er banalt, langtifra, men flaskehalsen vil ikke være teknologi. Det er de såkalte middelklasse-jobbene som er mest utsatt.
AI er her allerede. Mange jobber og selskaper vil bli borte. Kunstig intelligens kan ikke stoppes med politiske vedtak, men de verste negative konsekvensene kan unngås i et velorganisert land. Det vil helt sikkert oppstå nye jobber i AIs kjølvann som vi idag ikke aner noe om. Spørs om kompetanseskiftet vil gå fort nok.
Peter Hidas er konsulent i Gartner og fast kommentator i Computerworld.
