INTERVJU I FORKANT AV PODKASTINNSPILLING MED

Navn
Lars Løvlie

Tittel og selskap?
Senior manager / forretningsutvikler AI, Sopra Steria

Utdanning og hobby?
Utdanning: PhD i halvlederfysikk, med litt ekstra innslag av softwareutvikling.
Hobby: Enkel spillutvikling og toppturer til fots eller på ski den gangen jeg hadde tid til hobbyer. 

SoMe tagger og linker?
https://www.linkedin.com/in/larslovlie/
https://www.linkedin.com/company/soprasteria/
https://www.facebook.com/soprasteria.no/

Hvem er du, og hvordan ble du interessert i teknologi?
Jeg er forretningsutvikler for AI og data science i Sopra Steria. Jeg har alltid vært interessert i teknologi (men også i samfunnet). Født sånn, ikke blitt sånn med andre ord 🙂

Hva er det viktigste dere gjør på jobben?
I Analytics-miljøet så vil jeg si at det viktigste vi gjør er å gi råd og lage løsninger som skaper overblikk og innsikt for kundene våre! De fleste ønsker å bli data-drevne – i den forstand at de kan ta beslutninger som bunner i analyser av data – i stedet for på magefølelse, men mange vet ikke helt hvordan de skal komme seg dit. Vi hjelper de på denne reisen både mtp det tekniske og til en viss grad det forretningsmessige.

Hva fokuserer du på innen teknologi?
Analyseplattformer, med datainnsamling, prepping, maskinlæring der det er relevant og presentasjon / visualisering. For det meste på skyplattformer som Microsoft Azure og Amazon Web Services.
Selvkjørende bilder vs resonnering / automatiske prediksjoner

Forstår folk forskjellen?

Er det smart av virksomheter å starte med et ønske om å bruke AI, eller bedre å starte med å finne ut av hvilken utfordring de ønsker å løse og hvilke data som kan være nyttige for å løse dette? AI kan være riktig verktøy, men man kan også oppnå mye automatisering med f.eks. robotic process automation…

Hvorfor er det spennende?
Fordi jeg synes det er utrolig morsomt å dra informasjon ut av rådata. Vet ikke helt hvorfor, men det er utrolig tilfredsstillende å se hva som ligger “gjemt” i data. Det kan være gleden i så “rotete” data bli strukturerte og begynne å fortelle en eller annen historie. Også er det morsomt å effektivisere prosesser og skape noe som folk setter pris på.

Hva synes du er de mest interessante kontroverser?
DeepFake og tilsvarende problemstillinger. AI for good or bad…

Hvordan ta i bruk AI når man sitter på masse muligens sensitive opplysninger, som f.eks. person-identifiserende opplysninger, slik store deler av offentlig sektor, helsesektoren, finansbransjen, etc gjør. Her tror jeg det vil skje veldig mye fremover – det vil tvinge seg frem – som gjør det mulig å ta i bruk AI også i slike tilfeller.

Dine egne relevante prosjekter siste året?

Nå jobber jeg mye med forretningsutvikling og mindre med å levere egne prosjekter for tiden, men det er generelt stor aktivitet innen automatisk risikoklassifisering, kundeinnsikt i varehandelsbransjen og diverse problemstillinger knyttet til prosessoptimalisering og prediktivt vedlikehold i industrisektoren. Personlig tror jeg at offentlig sektor har utrolig mye å hente ved å ta i bruk AI i saksbehandling, tilsynsaktivitet, språkteknologi / dokumenthåndtering, og mye mer.

Dine andre favoritteksempler på din type teknologi internasjonalt og nasjonalt?
Generativt design er utrolig kult. Det er kanskje ikke strengt tatt AI (usikker på hvilken teknologi de har brukt), men f.eks. Autodesk har blant annet begynt å levere den type funksjonalitet i CAD-programmet sitt. Det ville vært science fiction for bare noen få år siden.

DeepFake – altså det å generere (“fake”) ansikter på en annen aktør – er utrolig spennende og kontroversielt. Det er nok mange spennende både legitime og tvilsomme bruksområder her.

Man bør huske at man ikke nødvendigvis trenger 100 mill for å få gevinst fra AI. Dette feltet har nå blitt så modent at det mest sannsynlig finnes massevis av use cases i enhver virksomhet med et mye, mye lavere budsjett som gjør hverdagen enklere og raskere.

Generelt synes jeg det er morsomt med nye spenstige AI-algoritmer, men mye mer tilfredsstillende når jeg hører om at virksomheter i Norge faktisk har tatt steget og begynt å bruke maskinlæring i produksjonssatte løsninger! Det kan være så enkelt som et nytt bemanningssystem eller noe sånt, men da har man faktisk klart å realisere gevinst ved AI!

Konkret eksempel: Lånekassen brukte maskinlæring til å finne studenter som feilaktig får utbetalt borteboerstipend, og doblet treffsikkerheten på kontrollene sine sammenlignet med stikkprøver. Det er direkte gevinst for samfunnet, så applaus til Lånekassen 🙂

Konkret eksempel 2: Rikshospitalet har begynt å bruke helt cutting edge maskinlæring og mixed reality-visualisering for å kunne gjennomføre flere og bedre operasjoner på barnehjerter, leverkreft og tarmkreft. Det kan ikke være noe bedre enn teknologi og AI som redder barneliv!

Hva tror du er relevant kunnskap for fremtiden?
Jeg tror at hva som vil være relevant kunnskap om 100-200 år er helt umulig å prediktere. Hvis man derimot snakker om unge som skal ta utdanningsvalg nå – altså med tanke på de neste 50 årene eller der omkring – så tror jeg at følgende vil være sentralt:

  • Matematikk og statistikk
  • Programmering (dette burde inn i grunnskolen :), spesielt høynivå, men også lavnivå.
  • Kunnskap om data, søk, struktur, visualisering, muligheter for bruk

Hva gjør vi unikt godt i Norge av dette?
De som *kan* programmere i Norge gjør dette med gjennomgående høy kvalitet, noe som kan ha med en sterk kultur for å være selvdrevne og kvalitetsbevisste. Vi har god kultur for kommunikasjon og diskusjon i IT-prosjekter.
Vi har også initiativer som “Lær kidsa å kode” og et sterkt momentum for digitalisering som har gjort at vi har samfunn med veldig høy grad av digitalisering, som gjør oss effektive og åpner opp muligheter.
Vi er nasjonalt sett ikke så sterke i matematikk og statistikk, noe vi burde jobbe med å heve.

Anbefalt lesing/seing om ditt felt?
Towards data science-bloggen er en av de beste, med både veldig spisse tips for de som kan mye og en god del mer høynivå artikler.

Stanford-kursene – og generelt YouTube-kanalen – til Andrej Karpathy (Head of AI i Tesla) er sterkt anbefalt innen deep learning.

For de som ønsker å lære seg klassisk maskinlæring er “Introduction to Statistical Learning” en klassisk bok som er sterkt anbefalt.

Ellers anbefales praktiske bøker som har eksempler i Python-kode, ikke Matlab eller R (som industrien stort sett har gått bort fra).

Et favoritt fremtidssitat?
Jeg samler egentlig ikke på sitater, men etter litt googling fant jeg et som resonnerer godt fra John F. Kennedy:
“History is a relentless master. It has no present, only the past rushing into the future. To try to hold fast is to be swept aside.”
Jeg synes det sier mye om verdien i å være fremoverlent og proaktiv, i stedet for reaktiv og forsøke å gjøre ting slik man alltid har gjort. Har man den innstillingen så vil man fort bli det neste Kodak…

Viktigste poeng fra vår samtale?
Man kan diskutere hvordan man kommer dit, men jeg tror de aller fleste skulle ønske at de kunne ta informerte beslutninger basert på data. Det er mange nå som nøler og som ikke vil ta risiko ved å investere i løsninger og nye prosesser som første steg på veien, og det blir interessant å se hvordan dette utvikler seg etter hvert.

Man bør huske at man ikke nødvendigvis trenger 100 mill for å få gevinst fra AI. Dette feltet har nå blitt så modent at det mest sannsynlig finnes massevis av use cases i enhver virksomhet med et mye, mye lavere budsjett som gjør hverdagen enklere og raskere.

Search name, company, subject or key word