LØRN Case #C0551
Anvendt AI
Hva er de beste anvendelsene av AI innen finans? Og hva er det som er så bra med deep learning, og hva er mulighetene vi får av deep learning? I denne episoden av #LØRN snakker Silvija med CTO hos Sentient AS og Ph.D. student på universitetet i Agder, Jahn Thomas Fidje, om kunstig Intelligens og om mulighetene teknologien bringer med seg er positivt for oss og samfunnet.

Jahn Thomas Fidje

CTO hos Sentient AS og Ph.D. student

UiA

"Kunstig Intelligens er, slik jeg ser det, et verktøy som må brukes. Nå er det mye fokus på at mennesker mister arbeidsplassen sin som følger av kunstig intelligens, men det er ikke riktig å se på det slik."

Varighet: 21 min

LYTTE

Ta quiz og få læringsbevis

0.00

Du må være medlem for å ta quiz

Ferdig med quiz?

Besvar refleksjonsoppgave

Utdanning og hobby?

Master i Kunstig Intelligens. Hobbyer: teknologi og vitenskap generelt. Bruker mye av fritiden på egne prosjekter, både koding og hardware.

Hvem er du, og hvordan ble du interessert i teknologi?

Jeg har vært interessert i teknologi hele livet, men da jeg begynte på universitetet hadde jeg ikke noe forhold til AI. Det var først da jeg startet master-løpet at jeg oppdaget hvor fantastisk AI-teknologien er, og byttet raskt fokus. Jeg er nok over gjennomsnittet nerd og interesserer meg for utrolig mye forskjellig, men naturvitenskap er der jeg tilbringer mest tid.

Hva er det viktigste dere gjør på jobben?

Vi bruker ny teknologi til å forbedre og/eller lette arbeidshverdagen for andre. Kunstig Intelligens er, slik jeg ser det, et verktøy som må brukes.

Hva fokuserer du på innen teknologi?

Jeg er veldig forskningsrettet og fokuserer på arbeid som befinner seg helt i spydspissen av kunstig intelligens. Spesialfeltet mitt er dyp læring.

Hvorfor er det spennende?

Feltet mitt beveger seg enormt fort, og ved å holde seg i forskningsfronten betyr det at jeg ofte får muligheten til å anvende nye metoder og algoritmer på problemer vi jobber med.

Hva synes du er de mest interessante kontroverser?

At kunstig intelligens en dag kommer til å bli smartere enn oss mennesker, og at dette fører til en eller annen form for dommedag. Jeg er ikke bekymret for dette.

Dine egne relevante prosjekter siste året?

Energioptimalisering av næringsbygg.

Dine andre favoritteksempler på din type teknologi internasjonalt og nasjonalt?

– Tesla sine selvkjørende biler – Google DeepMind sine to algoritmer: AlphaZero og AlphaStar – GPT2-Algoritmen til OpenAI som kan generere tekst så bra at de ikke har turt å publisere den før nå – DeepFakes.

Hva tror du er relevant kunnskap for fremtiden?

Å ha en overordnet forståelse av hvordan teknologien bak dagens AI fungerer. Jeg tenker også det kan være veldig lurt for barn å bli eksponert for koding tidlig.

Hva gjør vi unikt godt i Norge av dette?

Mitt inntrykk er at vi er litt trege i Norge. Det har vært litt for lite fokus på AI frem til i dag, noe som har ført til at vi henger litt etter. Jeg er også skeptisk til hvor strenge vi er når det kommer til data og personvern. Med det sagt fokuseres det mye på feltet i dag, og forskningssentre slik som CAIR gjør en fabelaktig jobb.

Viktigste poeng fra vår samtale?

Kunstig Intelligens og mulighetene teknologien bringer med seg er positivt for oss og samfunnet.

Utdanning og hobby?

Master i Kunstig Intelligens. Hobbyer: teknologi og vitenskap generelt. Bruker mye av fritiden på egne prosjekter, både koding og hardware.

Hvem er du, og hvordan ble du interessert i teknologi?

Jeg har vært interessert i teknologi hele livet, men da jeg begynte på universitetet hadde jeg ikke noe forhold til AI. Det var først da jeg startet master-løpet at jeg oppdaget hvor fantastisk AI-teknologien er, og byttet raskt fokus. Jeg er nok over gjennomsnittet nerd og interesserer meg for utrolig mye forskjellig, men naturvitenskap er der jeg tilbringer mest tid.

Hva er det viktigste dere gjør på jobben?

Vi bruker ny teknologi til å forbedre og/eller lette arbeidshverdagen for andre. Kunstig Intelligens er, slik jeg ser det, et verktøy som må brukes.

Hva fokuserer du på innen teknologi?

Jeg er veldig forskningsrettet og fokuserer på arbeid som befinner seg helt i spydspissen av kunstig intelligens. Spesialfeltet mitt er dyp læring.

Hvorfor er det spennende?

Feltet mitt beveger seg enormt fort, og ved å holde seg i forskningsfronten betyr det at jeg ofte får muligheten til å anvende nye metoder og algoritmer på problemer vi jobber med.

Hva synes du er de mest interessante kontroverser?

At kunstig intelligens en dag kommer til å bli smartere enn oss mennesker, og at dette fører til en eller annen form for dommedag. Jeg er ikke bekymret for dette.

Dine egne relevante prosjekter siste året?

Energioptimalisering av næringsbygg.

Dine andre favoritteksempler på din type teknologi internasjonalt og nasjonalt?

– Tesla sine selvkjørende biler – Google DeepMind sine to algoritmer: AlphaZero og AlphaStar – GPT2-Algoritmen til OpenAI som kan generere tekst så bra at de ikke har turt å publisere den før nå – DeepFakes.

Hva tror du er relevant kunnskap for fremtiden?

Å ha en overordnet forståelse av hvordan teknologien bak dagens AI fungerer. Jeg tenker også det kan være veldig lurt for barn å bli eksponert for koding tidlig.

Hva gjør vi unikt godt i Norge av dette?

Mitt inntrykk er at vi er litt trege i Norge. Det har vært litt for lite fokus på AI frem til i dag, noe som har ført til at vi henger litt etter. Jeg er også skeptisk til hvor strenge vi er når det kommer til data og personvern. Med det sagt fokuseres det mye på feltet i dag, og forskningssentre slik som CAIR gjør en fabelaktig jobb.

Viktigste poeng fra vår samtale?

Kunstig Intelligens og mulighetene teknologien bringer med seg er positivt for oss og samfunnet.

Vis mer
Tema: AI- og datadrevne plattformer
Organisasjon: UiA
Perspektiv: Forskning
Dato: 191206
Sted: AGDER
Vert: Silvija Seres

Dette er hva du vil lære:


Deep learning Maskinlæring Energioptimalisering av næringsbygg Konkret anvendelse av AI Deep fakes GDP2 Algoritme

Mer læring:

GameOver? (en podcast om kunstig intelligens fra UiA)

Del denne Casen

Din neste LØRNing

Din neste LØRNing

Din neste LØRNing

Dette er LØRN Cases

En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg. 

Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.

En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg. Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.

Vis

Flere caser i samme tema

More Cases in the same topic

#C0045
AI- og datadrevne plattformer

Michael Link

Forsker

Kongsberg

#C0044
AI- og datadrevne plattformer

Heidi Dahl

Forsker

Sintef

#C0043
AI- og datadrevne plattformer

Sverre Kjenne

Leder

BaneNor

Utskrift av samtalen: Anvendt AI

Velkommen til Lørn Tech, en lærings dugnad om teknologi og samfunn med Silvija Seres. Denne episoden er produsert med støtte fra stiftelsen Teknologiformidling som inspirerer små og mellomstore bedrifter å tenke nytt.

 

Silvija Seres: Hei og velkommen til Lørn i samarbeid med Teknologiformidling stiftelsen og kulturskolen i Kristiansand. Mitt navn er Silvija Seres, tema i dag er kunstig intelligens og gjesten min er Jahn Thomas Fidje som er doktorgradsstudent ved Universitetet i Agder, men også chief technology officer ved Sentient AS, velkommen.

 

Jahn Thomas Fidje: Ja takk for det.

 

Silvija: Vi skal snakke om kunstig intelligens, og hvorfor eller hvordan det vokser opp et flott miljø rundt det her i Kristiansand og Grimstad. Og så skal vi høre litt mer om Sentient.

 

Jahn:Ja.

 

Silvija: Men før vi gjør det Jan Thomas håper jeg du kan fortelle oss littegrann om deg selv.

 

Jahn: Ja. Litt om Jahn Thomas. Jahn Thomas er veldig teknologinerd, jeg har vært opptatt av datamaskiner og teknologi siden jeg var liten. Så for meg å ta den utdanningen var veldig naturlig. Planen var opprinnelig og så følge min far, han har jobbet i olje i mange år så jeg hadde tenkt å ta en tilknyttet utdannelse hvor jeg havner ut på en plattformen, men det, slik ble det ikke. Jeg begynte på Universitetet i Agder og, og begynte å studere datanettverk og sikkerhet. Og når jeg gikk videre inn i masteroppgaven da så støtet jeg på kunstig intelligens og skjønte veldig fort at det var det, var det jeg skulle drive med og jeg

 

Silvija: Du fant kallet.

 

Jahn: Jeg fant det, jeg fant kallet, og fikk liksom åpnet opp min egen verden for å drive med forskning, og det var ikke før masteroppgaven jeg ble ordentlig interessert i det heller, men siden så er det de har gjort da.

 

Silvija: Hva, hva er doktorgradsoppgaven om?

 

Jahn: Doktorgrad det handler om anvendt kunstig intelligens i finans, og det, det går veldig mye på det praktiske, så prøv å forske på det som er state-of-the-art idag, og finne måter å anvende det på i industrien så det kan bli brukt. Finans er den, den veien som jeg havnet, det var litt tilfeldig mer enn noe annet. Jeg fikk et jobbtilbud hos et lokalt firma her i Kristiansand så begynte på en sånn innærings-phd  som det kalles, og de, Bilagos heter de, de skal.

 

Silvija: De er veldig kule, de må du si littegrann om.

 

Jahn: Ja det er, det er veldig veldig kult det de driver med. De, de skal automatisere regnskap, så da mye av mitt arbeid der var å prøve å forske på metoder som kunne brukes til det og så finne måter å anvende det på direkte i de sitt produkt.

 

Silvija: Og hva er de beste anvendelse av AI i finans da eller kan du gi oss 2 eller 3 konkrete eksempler for både AI er et sånt enormt buzzword ikke sant. Og Fintech har også nesten i samme kategori, men et par konkrete eksempler så folk kan forestille seg noe.

 

Jahn: Ja, ja det finnes veldig mange eksempler på det, og finans er jo ekstremt stort, innledende forskning som jeg drev med var egentlig bare å kartlegge hvilke områder man kunne bruke de, og regnskap, og, og de delene der er jo bare et lite område da. Konkurs produksjon er jo noe jeg har drevet med så det er jo en anvendelse. Ta inn historiske...

 

Silvija: Prediksjon av konkurser?

 

Jahn: Ta inn historiske regnskap for et tema og prøve å komme på en prediksjon om hvorvidt det firma og komme til gå konkurs om ett, to eller tre år frem i tid. 

 

Silvija: Men jeg bare tenker at dette her har det sikkert kjempefine overføringsmuligheter også til prediksjon av de som ikke betaler i tide for eksempel, personer?

 

 Jahn: Ja definitivt, det, det, det blir gjort og i til viss grad, de eksemplene som jeg har hørt om i eller lest om i litteraturen så et av problemene er jo at firmaer som driver på med kunstig intelligens finans, det veldig lite forskning som blir publisert, men folk sier vi bruker kunstig intelligens til x, y, z, og så får vi aldri vite på hva de gjør. Det er litt treff buzzword. Men, men definitivt bruksområder.

 

Silvija: Jeg tror delvis er det fordi det er litt for mye dreamware og litt for lite software foreløpig, men forhåpentligvis er det nok folk som innser det, både det enorme kommersielle potensiale, men også hva skal jeg si, det sosiale potensiale da.

 

Jahn: Ja det er, ja absolutt.

 

Silvija: Hva gjør Sentient?

 

Jahn: Sentient som et nyoppsatt selskap er et år gammelt nå. Hvor vi driver egentlig med kunstig intelligens,og bare det så vi kan hjelpe til som konsulenter hos bedrifter som ønsker å innføre kunstig intelligens i diverse arbeidsprosesser, men vi har vært involvert i et par store prosjekter hvor vi har den prosjektlederrollen og står for, for hele idéen da. Så, så, men det er mer å bringe kunstig intelligens ut til så mange som mulig. Så det ikke bare blir en sånn en buzz-ting, men hvor vi faktisk kan anvende det og finne virkelig gode bruksområder, men samtidig passe på at vi hele tida prøver å ta i bruk det som finnes av ny teknologi.

 

Silvija: Jeg tenker at det er veldig viktig, for det er veldig mange som har hørt at AI er viktig, det kommer og det burde de se på nærmere, men terskelen eller hva skal jeg si, gapet da, mellom der man er og det man tror man må være virker litt uoverkomløst til å bygge den broen og få folk til å forstå at ok det er sånn du bør tenke på hvilke, altså hvilke data du har, hvilken spørsmål kan du stille på basis av de data, hvordan må du rydde i data, hvor store er disse jobbene, hvor? Altså det jeg antar at det er en del sånne prosesser dere må rett og slett hjelpe dem å komme i gang med.

 

Jahn: Helt korrekt. Det er veldig veldig bra. Det, det er nettopp det som er veldig mye av det problemet. Når jeg går ut i firma å prater med de så opplever jeg at det er en mangel på forståelse av hva er egentlig kunstig intelligens, nettopp fordi at det har blitt løftet også veldig opp og fremstår som noe som kanskje er uoverkommelig, men det er ikke det. Så jeg kan gjerne sitte meg ned et møte og så har vi en god workshop, også diskutere hva slags problemer har dere, hva slags data har dere, også diskuterer vi oss fram til mulige løsninger hvor kunstig intelligens en del av den løsningen. Og da finner vi veldig veldig ofte at det gapet som vi trodde var stort egentlig ikke det. Så ja det er veldig, veldig sant. Det er veldig få som innser akkurat det du spør om.

 

Silvija: Ja. Hvordan, hvordan, altså du sa at du fikk et sånt hva skal jeg si, åpenbarings opplevelse med AI, men, men kan, vet du hvorfor? Altså hva var det som traff deg så veldig?

 

Jahn: Jeg husker det veldig godt i de innledende forelesningene jeg hadde. Det å, det å kunne være i stand til å programmere en datamaskin til å lære og utføre en oppgave du ikke klarer å gjøre selv var veldig veldig kult. Det var liksom det som startet hele greien for meg. Det å få datamaskiner til å tenke. For, for meg så er det jo egentlig det som skjer, det er bare ikke i like stort skala som hos oss da men.

 

Silvija: For meg, det er da noe rundt dette her med at jeg syns vi lærer utrolig mye om hvordan vi tenker også når vi ser på hvordan, hva maskinen kan og ikke kan gjøre. Det er utrolig fascinerende å se "ok den har masse regnekraft og masse data, den kan finne veldig spennende mønstre som er usynlige for oss", men det er når jeg begynte å se disse deep-learning løsningene, det derre videoen av, det er ikke AlphaGo, det er før AlphaGo, men når den begynner å spille disse Atari spillene, og den klarer, klarer å grave seg en tunnel på siden som de færreste mennesker kommer på, det var da jeg fikk helt sånne positive frysninger da.

 

Jahn: Ja det, det er veldig kult, og det er akkurat denne effekten der, den utnyttelsesevnen kunstig intelligens har, det, vi ser de i veldig mange, mange områder da. At man, man finner, han finner en måte å løse et problem på man ikke selv klarer å komme på.

 

Silvija: Det er nesten som at man er stolt av barnet sitt.

 

Jahn: Ja det kan fort bli sånn altså.

 

Silvija: Men, men, men de kan bli i noen områder for flinke og veldig mange er redde for at de mister jobben sin, og da tenker jeg at vi er nødt til å forklare folk som skal innføre AI litt som velvillig og frivillig at det er plass for mennesker. Hva er den plassen?

 

Jahn: Det, akkurat det du tar opp der det er jo en av de tingene som, som jeg irriterer meg litt for. Det er fordi det veldig mye fokus på at kunstig intelligens er negativt nettopp fordi her kommer en ny algoritme som skal erstatte mennesker og folk mister jobben og osv osv. Og det, men det er egentlig ikke et problem i det hele tatt. Vi har vært gjennom flere sånne revolusjoner tidligere hvor det har gått helt fint. Prosesser blitt automatisert og erstattet med nye ting, men mennesker har alltid hatt en plass. Og kunstig intelligens er bare et verktøy på lik linje med alt annet som vi mennesker kan bruke til å effektivisere arbeidet vårt, til å flytte tiden, fokuset på ting som er bedre da å bruke tid på. En lære for eksempel kan bruke kunstig intelligens til å rette oppgaver og heller fokusere på elevene sine. Finansmannen kan bruke kunstig intelligens til å regne ut sine tall, og heller bruke mer tid med ledelsen og presentere disse dataene. Det, det der er mine fokus på hver. Også kan det jo være at i noen tilfeller så vil noen miste jobben. Sjåfører kanskje. Taxisjåfører hvis bilen blir selvkjørende, men jeg tror alternativet så, det å automatisere kjøring gjør jo ikke at de aldri vil få jobb igjen. Det vil alltid være en plass for mennesker likevel.

 

Silvija: Jeg tror at det er, det kommer til å alltid være situasjoner hvor den menneskelige tolkningen av situasjonen vil være nødvendig i tillegg til alt den analysekraften som vi må bruke som verktøy.

 

Jahn: Jeg er helt enig.

 

Silvija: Og det tror vi ser veldig både i medisin og i altså legene må gjerne få masse hjelp til diagnostisering, men det er, hvordan tolker vi det, hvordan formidler vi det som de menneskene, vi vil vite det fra et menneske tenker jeg, men gjerne vite at det menneske har brukt alle de verktøyene som er tilgjengelige da. 

 

Jahn: Ja ikke sant, absolutt.

 

Silvija: Har du noen konkrete prosjekter, nei før vi gjør det. Jeg har lyst at vi skal nerde i bare 2 minutter om forskjellen mellom dyplæring og maskinlæring.

 

Jahn:  Ja.

 

Silvija: Jeg må innrømme at jeg var, ja fiklet littegrann i kunstig intelligens gjennom min doktorgrad og siden, men da var jeg fortsatt i den tiden før dyplæring ble kult, og vi lo av alle som drev med dyplæring.

 

Jahn: Ja.

 

Silvija: Jeg husker at vi sto på en konferanse hvor det var en av lederne innenfor et kunstig intelligens som sto med et glass vann, helte det ut på scenen og sa at det er ikke, "that´s not computation" ikke sant. Og det er fascinerende hvordan dyplæring har fått rett, og i mitt hode regnes som at nå driver vi med statistikk, veldig avansert statistikk med ekstrem regnekraft og ekstreme data ikke sant, som faktisk fungerer bedre enn logikk. Og vi datamaskin folkene er vant til å bruke, å tenke logikk.

 

Jahn: Ja. Ja.

 

Silvija: Hva, hva, hva elsker du med dyplæring om jeg kan spørre deg sånn eller hva, hva, hva, hva slags inspirasjon får du i forhold til kunnskap eller si, si hvorfor du liker det.

 

Jahn: Ja det som er kult med dyplæring er jo evnen de typer algoritmer har til å løse problemer vi aldri har kunnet løst før. Du nedover innom Atari så kom Go, og Go algoritmen ble utvidet til sjekk og shogi, og etter det igjen så er vi innom på StarCraft. Og det, ikke sant. Det er problemer man trodde ikke kom til å bli løst før om 10-15 år til som vi har klart å løse i dag med dyplæring. Selvkjørende biler er jo en ting. Så det, evnen dyplæring har til å løse sånne oppgaver er, det synes jeg er helt utrolig kult. Men forskjellen det, de lærde trives her altså. Hvis vi kan dra det enda et hakk opp så tror jeg det er bedre, for kunstig intelligens er jo et ord som blir veldig mye brukt, og definisjonen på kunstig intelligens er et dataprogram som utfører en oppgave på en slik måte at det virker intelligent, men det trenger ikke å være det. Så her gjelder jo regelstyrte program i tillegg, det kan kunstig intelligens per definisjon. Når du snakker om maskinlæring så er du fremdeles inne i kunstig intelligens-bobla, men det er en underkategori hvor forskjellen er at nå har du et dataprogram som utfører en oppgave uten at du har eksplisitt programmert den til å gjøre det. Men den lærer på historisk data. Så der har du maskinlæring, sånn nå lærer du hvordan du skulle ta oppgaven. Dyplæring er bare et lite subset av maskinlæring, så det er egentlig maskinlæring der og, det er bare en helt spesiell type algoritme som, som har en helt egen arkitektur da. Veldig inspirert av menneskehjernen, det var jo sånn det startet, men kanskje ikke bruke de ordene lenger for det er så forskjellig.

 

Silvija: Ja, men det som var så fascinerende å lese noe, noe av den nye forskningen i psykologi hvor de har faktisk lært ganske mye mere om våre nevroner og hvordan vi tilegner oss kunnskap gjennom å, å, å ha jobbet med dyplæring på maskiner. Det er vakkert. Det er rett og slett vakkert.

 

Jahn: Ja det er veldig veldig kult, den overføringsevnen der ja.

 

Silvija: Jeg har lyst å spørre deg littegrann om dine prosjekter. Du nevnte for meg energioptimalisering av næringsbygg. Hva har dette med AI å gjøre?

 

Jahn: Ja, det er et av de største prosjektene vi har vi i Sentient som vi står for selv. Vi har et samarbeid med Avitell her i Kristiansand og Statsbygg som drifter universitetet her i Kristiansand da. Da, vi bruker kunstig intelligens til å så styre hvordan energien forbrukes på universitetet her i Kristiansand. Og da er jo formålet også å redusere forbrukt energi, jeg reduserer energitopper, og på sikt med på å balansere strømnettet jeg har hatt. En algoritme finner ut av når det lurt å bruke energi for å kunne spare energi fram i tid da. Så det er veldig stort prosjekt, men det er veldig veldig kult, og potensialet er jo kjempestort, det er mye energi som kan spares, og da har vi litt mere frihet.

 

Silvija: Istedenfor å fastprogrammere en rytme så er dette her nærmest en smart vaktmester som kunne på måte ladet noe batterier og løpt rundt og skru ting av og på, ut ifra hvordan vi lærer om bruksmønster ikke sant?

 

Jahn: Helt korrekt, og det, den, han står hele tiden også føler på sensoren føler på bygget, og han tar et valg som skal gjelde for den neste timen, men når han tar det valget så har han selv tenkt frem, et helt døgn frem i tid. Hva, hvis jeg ta dette valget nå, hvordan vil det påvirke frem i tid? Så det er jo det som er mønsteret, at vi hele tiden kan analysere bygget og ta smarte valg på kort sikt, men som, som er tenkt langt frem da.

 

Silvija: Ja. Spennende. Veldig gøy. Veldig viktig med konkrete eksempler sa hun når det gjelder AI eller så kan man snakke seg bort, og der mente du for meg noen inspirerende eksempler for deg da. En av Tesla sine selvkjørende biler og Googles DeepMind med da Alpha, Zero Alpha Go og Alpha Start, men jeg har lyst at du skal si veldig kort noe om GPT-2 og deepfakes.

 

Jahn: Ja, så de tingene der er jo er litt mer sånn nervøs så får vi se noe. Jeg skal være nervøs for å si det slike ting som GPT-2 og deepfakes. For algoritmer har blitt vanvittig gode til å produsere tekst eller å produsere video og bilder. Så gode at Ola og Kari Nordmann og meg selv da inkludert ikke klarer å skille det i mange tilfeller.

 

Silvija: Si, hva gjør GPT-2 og hva gjør deepfakes?

 

Jahn: Så GPT-2 er en algoritme som genererer tekst, OpenAI tror jeg som står bak den, og de har, den er trent opp på nesten hele internett hvis du kan kalle det det. De har scrapet vanvittig store mengder tekster rett i fra internett, og trent algoritmen opp til å produsere tekst.

 

Silvija: Altså journalistikk eller poesi eller hva som helst?

 

Jahn: Av alt ja. Både journalistikk og poesi og fakta og fiksjon og det er masse tekst de har funnet.

 

Silvija: Og det er lesbart? 

 

Jahn: Og det er lesbart, definitivt. Og du kan, du gir en setning til algoritmen, du kan starte en setning foran, du kan si at "jeg mener klima er naturlig i dag", også kan algoritmen fortsette å argumentere for det du har primet den med, og det ser så realistiske ut. Og teksten som kommer jeg er full av argumenter og kilder som, som algoritmen bare finner på underveis, men, men å skille det i mange tilfeller fra det som er skrevet av mennesker, det er nesten helt umulig. Så potensialet her er jo, er jo dette med fake news og sånn er jo enormt sant. Dette kan jo misbrukes.

 

Silvija: Og deep fakes?

 

Jahn: Og deep fakes er en teknikk som brukes til å generere falske bilde, for eksempel så kunne man tatt et bilde av du og meg, også kunne vi ha byttet ansikt, og det blir gjort så realistisk at det, det ser helt naturlig ut.

 

Silvija: Og det ser ut som jeg sier det du sier og du sier det jeg sier?

 

Jahn: Ja, helt korrekt, og det har..

 

Silvija: Det er en Nixon sak som er ute og går nå, og det er virkelig umulig å se at det er fake.

 

Jahn: Ja det er, det er faktisk det. Og da kan vi nå se forskjell at hvis man lage en fake video av for eksempel presidenten i USA som sier noe han virkelig ikke burde ha sagt så kan jo det gå veldig galt da, men.

 

Silvija: Jeg tror det er to ting. Det ene er at vi kommer fortsatt til å være nysgjerrige på hvordan akkurat Jan Thomas mener noe og liksom. Det er ingen GPT-2 som hadde klart å gjennomføre dette intervjuet på akkurat den måten som det du gjør, ikke sant. Det er nettopp din tolkning vi nysgjerrig på, og så tenker jeg at vi må bli veldig mye bedre at du fører på kildekritikk fremover.

 

Jahn: Ja absolutt, jeg er hundre prosent enig. Det er kjempeviktig.

 

Silvija: Stol ikke på noen ting lengre du ser. Hvor mener du folk kan gå for å lære nok om disse tingene? Hva, hva er, hva, hva er relevant læring?

 

Jahn: Da bruker jeg anledningen til å skryte litt av en podcast som vi har gjennom UiA, altså Morten Goodwin og Maren har en podcast som heter Game Over som kommer en gang i uka hvor de prater om kunstig intelligens, anvendelsesområder, hva det egentlig er, på en veldig lett forståelig måte. 

 

Silvija: Så gøy. Noen fordeler ved å gjøre dette her fra Agder eller Norge?

 

Jahn: Universitetet i Agder og spesielt i Grimstad og Ker og de som står bak Morten Goodwin og Ole-Christoffer Granmo er, de er utrolig gode drivere, og de står virkelig på. Så sørlandet og Universitetet i Agder har jo, er jo nå fremst i landet kanskje når det gjelder forskning på kunstig intelligens. De legger veldig til rette for studenter og næringsliv i området. Man får, sånn som vi nå som får lov til å bruke Universitet i Agder til å teste ut helt nye algoritmer for energisparing, samtidig så får jo oss som elever på Universitetet i Agder har jo tilgang til superkraftig kraftige datamaskiner og vanvittig dyktige folk, med alt blir bare lagt til rette. De gjør jo et vanvittig godt arbeid ut av det og.

 

Silvija: Ja. Det er, det er spennende å følge med miljøet. Har du et lite sitat som du vil legge til våre lyttere som en liten gave?

 

Jahn: Nei vet du hva jeg..

 

Silvija: Du sa du vil ikke?

 

Jahn: Jeg vet ikke hva en skulle..

 

Silvija: Kan jeg finne på en for deg?

 

Jahn: Ja kan du?

 

Silvija: Da, da er det Sylvija sin naturlige genererte sitat. "Kom til AIgder".

 

Jahn: Ja veldig god, den likte jeg veldig godt.

 

Silvija: Hvis folk skal huske en ting fra vår samtale, hva vil du at det skal være?

 

Jahn: Jeg mener at det er veldig viktig at vi ser på kunstig intelligens som noe veldig positivt, et godt verktøy man kan benytte i fremtiden, og at det ikke er så farlig som noen vil ha det til.

 

Silvija: Ja kanskje uungåelig, og ikke så veldig farlig.

 

Jahn: Ja det vil jeg, helt enig.

 

Silvija: Jahn Thomas Fidje, PhD-student ved Universitetet i AIgder og teknologisjefen i Sentien. Tusen takk for at du var her med oss i Lørn og inspirerte oss masse om kunstig intelligens.

 

Jahn: Tusen takk for at jeg fikk komme.

 

Silvija: Takk til dere som lyttet.

 

Du har lyttet til en podcast fra Lørn Tech, en læringsdugnad om teknologi og samfunn. Følg oss på sosiale medier og på Lørn.Tech

 

Quiz for Case #C0551

Du må være Medlem for å dokumentere din læring med å ta quiz 

Allerede Medlem? Logg inn her:

Du må være Medlem for å kunne skrive svar på refleksjonsspørsmål

Allerede Medlem? Logg inn her: