Kunstig intelligens er vildt hypet, og derfor er mange virksomheder interesserede i at høste frugterne af den nye teknologi. AI er så hypet , fordi det kan anvendes i alle virksomheder, og det holder jeg stadig hårdnakket på er tilfældet. Den samme melodi nynner professor Peter Schneider-Kamp i artiklen her fra fyens.dk.
Her siger han, at hypen er berettiget, men hvorfor er der så ikke flere virksomheder, der begynder at bruge kunstig intelligens?
Til dansk automationsselskabs konference Big Data, Artificial Intelligence & Analytics var det helt klart, at der er masser af udbydere af løsninger indenfor kunstig intelligens – CGI, CapGemini og BigFinite var blot nogle af de tilstedeværende og min virksomhed, OpGo, var jo også en af dem.
Når jeg tjekker Linkedin, får jeg reklamer for IBM’s konsulenter, og når jeg kører til Syddansk Universitet hver morgen hører jeg Wall Street Journals Tech News Briefing og her har Deloitte de seneste par år kørt deres 'Look Again'-kampagne hvor de tilbyder konsulenthjælp i AI, Blockchain og IOT.
Så udbydere af løsninger er der nok af, og mastodonterne bruger rigtigt mange penge på marketing, så hvorfor er der ikke flere virksomheder, der implementerer AI til at gøre deres hverdag mere enkel?
Der er flere svar.
På toppen af listen ligger, at små og mellemstore virksomheder ikke ved, hvad mulighederne er, eller hvor og hvordan de skal tage fat - men dette er ikke mit fokus i dag.
Til konferencen var der et oplæg fra Banedanmark. Oplægget handlede om deres implementering af et neuralt netværk til at forudsige den forventede forsinkelse i de kommende år. En model, der burde være meget ligetil at implementere og sætte i drift - hurtigt!
Umiddelbart kunne jeg stille kritiske spørgsmål til netværkstopologien – som i min optik burde have været anderledes, og fremgangsmåden til det netværk de endte med, virkede også, som om de bare prøvede noget uden at have nogen bagvedliggende teoretisk forståelse.
Efter oplægget talte vi om, hvem der havde løst opgaven for dem, og hvad det havde kostet, og her blev jeg nødt til at sætte to kæmpe spørgsmålstegn.
1,2 millioner skulle Banedanmark hoste op med, og det havde taget over et år. Nu kender vi jo ikke alle detaljerne, men den resulterende model var fra et professionelt perspektiv på ingen måde kompliceret.
Jeg tænkte: 'Den model kan man da opstille på en eftermiddag', og vores CRO var overbevist, om at man kunne sætte den op på 2 minutter. Her var vi nok uenige om, hvor lang tid preprocessing tager, men under alle omstændigheder – så skulle det ikke tage over et år!
For at virksomhedsejere skal se gevinsten i kunstig intelligens, er det vigtigt at komme frem til resultater hurtigt. Virksomheder, der har succes med AI-projekter, går fra idé til prototype til drift meget hurtigt, og i min vurdering skulle et produkt som dette være i drift indenfor 1-2 måneder.
Og så er 1.2 millioner kroner er en alt for høj pris for det, vi blev præsenteret for.
Så et andet svar på spørgsmålet 'Hvorfor er der ikke flere virksomheder, der er gået i gang med at benytte kunstig intelligens?', at virksomhederne tror, pga. projekter som dette, at AI er helt vildt dyrt og tager meget lang tid at sætte i drift.
Min umiddelbare overbevisning er ikke, at konsulenthuset har handlet i ond tro eller taget en overpris samt trukket projektet i langdrag, bare fordi de kunne. De har vundet et udbud, og så kan man så diskutere, om det er blevet vurderet på de rette parametre. Hvad der helt præcist er inkluderet i denne pris har jeg kunnet finde svar på.
Løsningen, Banedanmark præsenterede for os til konferencen, mindede mig lidt om, hvordan en halvdårlig studerende ville prøve sig frem i en aflevering.
Den klassiske: Man læser de første 10 sider af en lærebog og tænker: 'Det her virker nok', og så har man ikke været helt sikker på hvordan man implementerer det, og derfor har det trukket i langdrag.
De virkede dog meget tilfredse med løsningen, og præsenterede den som en succeshistorie, og fra vores perspektiv, er det jo også fantastisk, at virksomheder og offentlige myndigheder springer med på AI-vognen - det er til gavn for hele samfundet.
I networking-delen af arrangementet talte jeg med talskvinden fra Banedanmark om opgaven og spurgte, om det var noget, en virksomhed som vores kunne byde ind på, og svaret var nej.
Konsulenthuset var valgt, fordi det offentlige allerede handler med dem og gerne vil være sikre på, at de kan få support om 10 år fra den samme leverandør. Så overprisen skyldes måske, at man har valgt et konsulentbureau, der ikke er specialiseret i denne type opgaver og derfor famler 1/2 arbejdsår i blinde væk til 1.200 kroner i timen.
På mig virker det, som om dette udbud er skruet helt forkert sammen.
Kunstig intelligens er ikke sort magi – enhver semi-dygtig AI-virksomhed (eller dataloger/software engineer med den rigtige fagpakke) ville kunne yde support på Banedanmarks løsning - også om 10 år, og kunne sikkert have lavet den bedre og markant hurtigere.
De kunne sagtens have fået det, vi så, til 1/10 af prisen, og giver det så ikke mening, at staten satser lidt på de mindre virksomheder i stedet for at betale en premium sum til en international mastodont?
Jeg indrømmer gerne, at jeg nok er rimelig farvet her, fordi vi selv er en mindre startup, der aldrig ville tage et sådant beløb for en så nem opgave – hvad tænker I? Hvad skal det koste at få lavet et simpelt 5-lags feed forward neural network til at løse en sådan opgave?
Det var et sjov argument med at vælge en stor leverandør for at være sikker på support om 10 år.
om 10 år er konsulenten/konsulenterne sikkert ikke længere hos den store leverandør eller beskæftiger sig med et andet fagområde fx at være chef.
Kort sagt i er for billige til at i kan være seriøse, husk at tænke forandringsledelse ind det er trods alt ikke bare et AI projekt.
Det lyder som spændende anvendelse af teknologien, og i virkeligheden noget, som jeg gerne så mere af (med det forbehold, at man tit i iveren for at få bredest muligt træningssæt, ofte får snablen ned steder, hvor man ikke skulle).
Men jeg tror nu ikke, at dine oplevelser er anderledes end så mange andre i samme situation.
Ja, der er helt sikkert i større og ældre firmaer en udbredt tendens til at mene, at det kan man sagtens lære sig til 1200 kr i timen, og at gode piloter kan flyve hvadsomhelst, hvis bare motoren er stor nok (og selvom det langt hen ad vejen er sandt, så bliver resultatet også tit derefter).
Men du skal også kigge indad, for jeg har set mange kloge og kompetente folk udbryde 'hvor svært kan det være', og på samme tid have helt ret og tage grueligt fejl, for ja, det som de forestillede sig ville vitterligt ikke være vanskeligt (for dem), men samtidigt være helt utilstrækkeligt. Og alt det, som man overser, er 100% underestimeret!
Endeligt er det ofte med kunder, som med banklån: for at få en/et, skal man først bevise, at man ikke har brug for den/det.
Men nu var temaet AI, og lad mig så dryppe lidt malurt i bægeret:
For det første, så virker megen AI ikke til at være andet end det, som vi ved mennesker kalder for erfaring. Bevares, det kan givetvis skalere bedre og agere hurtigere, men det mangler det, som de fleste erfarne mennesker som oftest også har, nemlig sund fornuft. Og har man først 'deskilled', så sidder man i saksen.
For det andet (og her fornemmer jeg, at du meget vel kunne være enig), så bliver jeg så træt, når AI bruges som et modeord uden den store eftertanke, men betragtes som noget der nærmest er en silver bullet.
Især bliver jeg træt, når det bliver hypet ukritisk som 'fremtiden' - og når der ligefrem bliver italesat brændende platforme og måske endda et direkte våbenkapløb med Kina, hvor vi ukritisk skal følge dem ud af den tangent, som de er på vej ud af, og hvor det virker til mest at handle om, hvem som kan bruge flest penge, og ikke så meget, hvad de bruges til.
Jeg har fundet en, som deler flere af mine mine bekymringer: https://theintercept.com/2019/07/21/ai-race-china-artificial-intelligence/
I stedet for ukritisk at følge andre, som vi på andre punkter så tydeligt ikke deler interesser med, så skulle vi istedet, roligt og velovervejet, prøve at eksperimentere med, hvordan vi kunne bruge AI til at få mere af det, som vi sætter pris på - og det på en måde, hvor vi ikke samtidigt løber en større risiko for at miste andet, som vi i virkeligheden værdsætter mindst lige så meget.
Og selvom vi ikke er tyskere, så kunne det nu godt være tog til tiden.
Jeg indrømmer gerne, at jeg nok er rimelig farvet her, fordi vi selv er en mindre startup, der aldrig ville tage et sådant beløb for en så nem opgave – hvad tænker I? Hvad skal det koste at få lavet et simpelt 5-lags feed forward neural network til at løse en sådan opgave?
Hvad er det, der har kostet?
Er det selve det at bygge modellen? Eller er det alt det bureaukratiske med at få adgang til data fra forskellige kilder, muligvis ejet af forskellige interne afdelinger, supporteret af forskellige eksterne leverandører?
If it is written in Python it is Machine Learning.
If it is written in Power Point it is AI.
;-)
Måske er det bare mig, der har overset et eller andet (mens jeg har haft travlt med at passe mit job som ganske almindelig programmør). Men hvorfor er det lige netop nu, at AI/ML er blevet så pokkers populært?
Der er jo ikke sket noget nyt på teknologistakken. Kvantecomputere er ikke blevet hvermandseje, så det er stadig den traditionelle computer, der ligger under det hele. Der er selvfølgelig kommet mere processorkraft, ram, storage, men i det store hele kan en computer ikke noget, som den ikke kunne for 15 år siden. Så hvorfor mener alle disse leverandører nu pludselig, at de kan et eller andet på grænsen af magi? Og hvorfor gjorde de ikke det for 15 år siden? AI er jo IT-branchens svar på alkymisternes jagt efter guld. Drømmen har været der i mindst 50 år.
Der er selvfølgelig kommet mere processorkraft, ram, storage, men i det store hele kan en computer ikke noget, som den ikke kunne for 15 år siden.
Mit bud er at det er en kombination af ting...
De sidste par generationers GPU'er, ikke mindst med cloud-level skalering, gør at der nu kan trænes nogle modeller der tidligere krævede for meget supercomputer-tid i forhold til det udbytte man fik ud af dem.
Der er kommet nogle store taggede datasæt - det har krævet en blanding af fx harvesting fra Captcha, udnyttelse af billig arbejdskraft fra de digitale slave-labour platforme, mining af social medier osv.
Ovenstående har gjort at nogle af de store firmaer som fx Google sandsynligvis kan høste reel værdi, og samtidig lave nogle cool præsentationer der får alle der Gartner magic quadrant liderlige CEO-fjolser til at tænke "so ein Ding müssen wir auch haben", og så står konsulenthusene og gnider sig i hænderne :-)
Da jeg var lille ingeniør, var maskinerne store! Ikke at programmerne, der skulle afvikles, nødvendigvis var svære (der var trods alt begrænset RAM i maskinerne og koden skulle jo afleveres på hulkort). Men jobschedulering og levering af print og sådan noget krævede dygtige PROSA-mennesker, der var små guder i maskinstuen.
Så kom PC'erne og flyttede alt dette hjem på køkkenbordet. Nu kunne jeg sidde hjemme og fokusere på selve programmet - altså det, der skulle lave det arbejde, jeg gerne ville have lavet.
Måske står AI i samme situation nu? Nogen har 'opfundet' AI og det kræver store computere for at fungere. Og PROSA-folket er skiftet ud med dyre konsulenter.
Der findes med garanti nogle gratis eller billige AI-kerner, som kan afvikles på min hjemmepc. Og så mangler jeg bare de rette spørgsmål for at kunne lege med AI hjemme. Hvad med f.eks. at finde ud af, hvornår fuglefoder-automaten er tom - baseret på dato og hvornår jeg senest fyldte den op? Det ville, som Bjarne Nielsen udtrykker det, basalt set være at formalisere den erfaring, jeg har fået gennem årene - men det vil også give mig en mulighed for at vurdere kvaliteten af AI-udregningerne meget direkte.
Når jeg så tager på arbejde, vil jeg sandsynligvis kunne se AI-opgaver en masse steder, hvor jeg absolut ikke kan se dem nu. For jeg har ingen erfaring med AI og har ikke lyst til at starte et projekt til én eller flere millioner for at finde ud af, om AI er det rette til at løse den opgave.
Altså, Jonathan: Hvis du vil have mig som kunde i din forretning, så må du hjælpe mig igang hjemme på køkkenbordet først. :)
Venlig hilsen
Jan Ferré
En stor del af forklaringen er også at algoritmerne er blevet MEGET bedre og nemmere at kontruere - især indenfor områder som computer vision og sprogteknologi. Derudover er det ikke nødvendigt mere at have kæmpe store datasæt, som kun teknologigiganterne har adgang til, for at lave noget der er rigtig godt - og højst sandsynlig meget bedre end hvad der var state-of-the art bare for 5-10 år siden.
Der var også gode algortitmer i gamle dage, disse var dog ofte mere afhængige af domænespecifik viden.
Så jeg synes egentlig ikke, at det er falsk varebetegnelse at kalde det for magi sammenlignet med for 15 år siden :)
De algoritmer der bruges til ML i dag, er 'stort set' opfundet i 80'erene. Dengang havde man dog ikke computerkraften til at komme langt nok med det, og arbejdet/forskningen stoppede lidt. For få år siden kom det så til overfladen igen, og tog fart især da både computerene var blevet væsentlig kraftigere, samt at der kom flere store frameworks på banen (fx Tensorflow fra Google og mange andre), som gjorde det nemmere at implementere. Man opdagede også at grafik-processere var ret effektive til ML også, da den matematik som GPU'erene er blevet optimeret til i årevis også bruges i ML-algoritmer.
Så nej! der er ikke noget kvante-magi over ML (indtil videre) - det er kvik matematik som lader dig implementere hvad jeg plejer at kalde "digitale vurderinger", hvor det meste vi har lavet med IT før, har været ting der enten går helt godt, eller fejler. Med ML kan vi så nu lave it-systemer som kan lave vurderinger lidt som en person kan, hvilket så kan bruges i it-systemer til opgaver, som vi hidtil stadig blev nød til at have personer til. (altså til de opgaver, hvor det er okay at computeren kun kan gøre det 'næsten' perfekt).
Og jeg kan godt forstå at det er frustrerende for AI-virksomheder at se at noget de ser som simpelt, kan have taget lang tid at implementere. Men der er alligevel en del ting der kan tage tid ud over netop ML-algoritmen i et ellers ML-fokuseret projekt. Det er nemt at glemme når man er vild med det spændende ML :)
Hov og bemærk at jeg kun skrev ML... AI er noget ganske andet i min verden.
1,2 millioner skulle Banedanmark hoste op med, og det havde taget over et år. Nu kender vi jo ikke alle detaljerne, men den resulterende model var fra et professionelt perspektiv på ingen måde kompliceret.
...så hvorfor er der ikke flere virksomheder, der implementerer AI til at gøre deres hverdag mere enkel?
En faktor skribenten negligerer er hvordan man definerer et mål og kommer frem til det. Det er hverken trivielt eller samme vej for alle virksomheder. Særligt for data-mæssigt umodne virksomheder.
Når selv AI/ML/whatever-leverandører ikke er opmærksomme på det, er det klart at virksomheder er påpasselige med at kaste sig ud i sådanne projekter, når man ikke selv har de rette ressourcer til at styre processen.
Og siden hvornår har de mest værdiskabende projekter været drevet af at bruge en bestemt teknologi, frem for at løse et konkret problem?
Anyways, held og lykke med det hele!
Konsulenthuset var valgt, fordi det offentlige allerede handler med dem og gerne vil være sikre på, at de kan få support om 10 år fra den samme leverandør.
Jeg kender udmærket situationen, godt nok inden for miljøområdet, men samme historie.
Myndighederne går til "The Usual Suspects" og vil på ingen måde drømme om at tage en lille leverandør ind, bla. ud fra et argument om størrelse - at det så i praksis viser sig at den lille leverandør faktisk har flere fagmedarbejdere inden for det konkrete område, og en langt højere grad af viden, det kerer man sig ikke om.
Tilsvarende hvis man tilbyder at lave en løsning til, lad os sige, 1-2 millioner (og man dermed absolut har en god forretning ud af det) så bliver man slet, slet ikke taget seriøst, for sådan en løsning skal per definition koste mindst 10 millioner.
Se bare farcen omkring FOA (den fællesoffentlige adressedatabase) som var en latterlig lille database med nogle nogle få tusinde records, som kostede over fem millioner om året i drift:
https://www.version2.dk/artikel/statslig-telefonbog-til-fem-millioner-om...
Det er tragisk at vi i her i landet har offentlige myndigheder som aktivt gør alt hvad de kan for at gøre livet for små virksomheder svært, og det klinger umådeligt hult når politikerne i skåltalerne med stor patos udbreder sig om vi skal have flere iværksættere og opstartsvirksomheder (og - julelys i øjnene - eksport), når det samtidig er umådeligt svært for disse små virksomheder at overleve og skabe et hjemmemarked, med mindre deres forretningside 100% er baseret på private kunder.
Endvidere er eksport meget sværere når man ikke har et hjemmemarked at læne sig op af - og så det gør såsandelig heller ikke livet lettere at vi har hele det korrupte SKI cirkus til at holde en lukket fest.
- Danmarks største job- og karrieresite for ingeniører og it-professionelle.
