• Kunstig intelligens vil blive indbygget i alle former apparater og maskiner, og det vil ændre forretningsmodellerne i stort set alle industrier.
• Algoritmer i administrative systemer har en tilbøjelighed til at diskrimere og fastholde mønstre og roller fra fortiden.
• Der vil opstå nye typer job og nye fordelinger af roller, når mennesker arbejder tættere sammen med intelligente maskiner.
• En lang række danske virksomheder er allerede i fuld gang med at udvikle og anvende AI-løsninger.

Kunstig intelligens er den nye elektricitet

”Vi skal tage det robotagtige ud af den menneskelige rolle”

Algoritmer er nutidens masseødelæggelsesvåben

Kunstig intelligens – dommedag eller Safe AI nu?

Vestas er erhvervslivets AI-veteran

5 danske projekter der rykker på kunstig intelligens

MM MENER: Kunstig intelligens angår os alle

”Det er lidt for poppet at kalde det en demokratisering, men faktum er, at kunstig intelligens breder sig og er ved blive anvendelig for almindelige virksomheder. Indtil nu har de store teknologivirksomheder siddet på det meste, men teknologien er ved at blive mere moden, mere praktisk og billigere”, siger Mikael Munck, direktør for den danske AI-startup 2021.ai.

2021.ai hjælper etablerede virksomheder med at tage hul på brugen af kunstig intelligens, AI. Siden starten for mindre end to år siden er startuppen vokset til over 60 medarbejdere.

Den demokratisering af kunstig intelligens, som Mikael Munck beskriver, skyldes i høj grad de selvsamme techgiganter, som tidligere sad på al teknologien. I de senere år har Google, Amazon, Microsoft og IBM alle opbygget cloudlignende løsninger for AI, hvor produktet ikke er serverplads, men kunstig intelligens. Her kan store og små kunder købe computerkraft og adgang til AI-algoritmer on demand.

Men selv om enhver i princippet kan købe adgang til de store AI-platforme, er det i praksis stadig for fremmedartet og uoverskueligt for den gennemsnitlige virksomhed. For dem er AI stadig relativt ukendt land, siger Mikael Munck:

”Der er rigtig mange virksomheder, der interesserer sig for AI, men de har ikke ressourcerne til at gøre det in-house. De skal have hjælp med både at udvikle, implementere og drifte AI-løsninger. Det er et komplekst område, og det er sin sag at få det til at fungere efter hensigten. Og det er så her, at vi og andre AI-specialister kommer ind med vores tjenester,” forklarer han.

Af en startup at være er 2021.ai bemandet med yderst erfarne folk. Mikael Munck er ud over at være direktør og medejer også formand for finansbranchens innovationssamarbejde Copenhagen Fintech, og han har tidligere arbejdet med AI hos Saxo Bank. Med ombord som rådgivere i 2021.ai har han to af de mest berømte danskere i det globale techunivers. Den ene er Danny Lange, der er ansvarlig for AI hos Unity Technologies, og som igennem det sidste årti har udviklet AI og machine learning hos techgiganter som Microsoft, Amazon og Uber.

Den anden er Peter Søndergaard, som med 30 år på bagen hos analysefirmaet Gartner er en af de mest ansete analytikere i it-industrien.

Kunstig intelligens som pakkeløsning

2021.ai's kunder kan vælge at udvikle deres egen tekniske platform eller købe en pakkeløsning, der på forhånd er udviklet til et konkret arbejdsområde. De løsninger, 2021.ai tilbyder, giver et indblik i den type opgaver, som kunstig intelligens anvendes til at løse:

• Kundefastholdelse: Identifikation af kunder, der er tæt på at forlade virksomheden.
• Intelligente chatbots: Robotter med AI, der vejleder kunderne.
• Produktanbefalinger: Automatiserede værktøjer til at foreslå kunderne andre produkter, de kan være interesserede i.
• Kundesegmentering: Analyse og detaljeret segmentering af målgrupper.
• Detektering af hvidvask: Analyse af pengestrømme for at finde uregelmæssigheder, der skyldes svindel.
• Lagerstyring: Optimering af lager- og logistiksystemer ved hjælpe af dataanalyser.

Indtil videre har hovedparten af kunderne været inden for finans. 2021ai har bl.a. løst opgaver for Spar Nord, Danske Banks innovationsselskab MobileLife samt blockchain-platformen Coinify.

Den danske startup sælger også AI-produkter med en såkaldt white label-strategi. Løsningen bliver udviklet til en it-virksomhed, der videresælger den under eget navn. Et af de først whitelabel-produkter er udviklet til svenske Consafe Logistics, der er en af Europas største inden for WMS, logistik til varehuse. 

Den løsning, som 2021.ai har konstrueret, men som altså sælges under Consafes varemærke, bruges til at opsamle data fra forskellige kilder og analysere dem til brug i lagersystemet. F.eks. kan salgstal fra en butik på nettet indikere, hvilke varer man kan forvente at skulle sende flere af i de kommende dage, eller i hvilken rækkefølge varerne skal placeres på lagerreolerne for at optimere pakkeprocessen.

Ved brug af kunstig intelligens skal det danske forskningsprojekt Ecoknow afhjælpe to mangler i det offentliges sagsbehandling. For det første er det vanskeligt at holde systemerne opdaterede med de konstante lovændringer. For det andet udnytter man ikke den viden, der ligger gemt i systemernes historiske data.

Ecoknow blev sat i søen i slutningen af 2017, og et af de første områder, man har undersøgt, er jobcentre og rådgivning til ledige. I dag er det meget op til den enkelte sagsbehandler, hvordan man planlægger et forløb for en ledig.

Sagsbehandleren har meget lidt tid til rådighed, men skal alligevel sammensætte et individuelt forløb og samtidig sikre, at det hele sker inden for lovens rammer. Sagsbehandlerne mødes måske ugentligt for at udveksle erfaringer, men ellers afhænger meget af, hvad den konkrete sagsbehandler kan huske om lignende sager.

Det forklarer Thomas Hildebrandt, der er leder af EcoKnow og professor på Datalogisk Institut ved Københavns Universitet.

Målet med EcoKnow er at udvikle et system, der samler, anonymiserer og analyserer data fra samtlige jobcentre med tusindvis af sager, herunder måske hundrede, der ligner den konkrete sag. Dermed vil det kunne understøtte sagsbehandleren med viden, såsom hvordan det er gået for andre med netop den profil, hvad der gik rigtigt, og hvad gik galt, og hvad der er det bedste forløb for denne person.

”Systemet skal tilbyde disse data overskueligt som beslutningsstøtte til sagsbehandleren. Samtidig skal systemet også konstant være ajourført med loven, så lovmedholdelighed er sikret,” fortæller Thomas Hildebrandt.

EcoKnow-projektet ser på flere andre områder, hvor intelligent sagsbehandling kunne gøre en forskel. Et af dem er familieområdet. Igen handler det om at gøre en stor mængde komplekse informationer overskuelige for sagsbehandleren.

 ”Der er mange forskellige regler at tage højde for, f.eks. når det drejer sig om tabt arbejdsfortjeneste på grund af barn med varig sygdom. Afgørelsen afhænger af sygdommens art og typen af dokumentation. Vores algoritmer kan hjælpe ved at analysere de samlede data og gøre processen både hurtigere og mere præcis. F.eks. ved at stille erfaringer fra andre kommuner anonymt til rådighed og fortælle sagsbehandleren, hvilke oplysninger der har været indhentet i lignende sager,” siger Thomas Hildebrandt.

Udviklingen af systemet foregår i tæt samarbejde med brugere som sagsbehandlere og jurister.

”Teknologien er først en succes, når den hjælper dem, der arbejder med systemet i praksis, og derfor er forståelse og involvering af brugerne en afgørende komponent. Vi har for eksempel et sociologisk ben, hvor en ph.d.-studerende kigger på, hvordan sagsbehandlerne arbejder med systemerne. Vi har et andet ph.d.-studie, der handler om usability, det vil sige, hvordan brugeren forstår og interagerer med brugerfladen,” fortæller Hildebrandt.

Selve AI-delen af teknologien får EcoKnow udviklet hos KMD, der samtidig har gang i en række andre aktiviteter inden for AI.

EcoKnow har et budget på 25 mio. kr. og gennemføres med deltagelse af Københavns Universitet, DTU, Københavns Kommune, Syddjurs Kommune, Dansk Socialrådgiverforening, KMD og Exformatics.

Den danske AI-startup Sensomind har udviklet en teknologi, der kan analysere slagteriarbejderes arbejdsbevægelser i et forsøg på at undgå arbejdsskader.

Sensomind blev startet for to år siden. Selskabets kernekompetence er at optage bevægelser i 3D og efterfølgende analysere de mange data, som billederne indeholder. Et eksempel på anvendelsen er 3D-tracking af produktionsmedarbejderes bevægelser i slagterivirksomheder.

”Det er et stort problem i fødevareindustrien, at medarbejderne får skader eller bliver nedslidte, fordi de foretager den samme bevægelse igen og igen. Vores løsning skal fortælle medarbejderne, hvornår det bliver kritisk, og den kan foreslå dem at gøre noget andet. Det vil være relevant i mange fremstillingsvirksomheder, men vi ser også muligheder i sportens verden,” siger Rufus Blas, der sammen med medstifter Mads Ockert Fogtmann står bag Sensomind.

De har begge en ph.d. fra DTU, i henholdsvis dataanalyse og robotics.

Den danske startup kortlægger ikke kun bevægelserne hos de folk, der står i produktionen, men også hos de kyllinger, der ender på middagsbordet. I samarbejde med en tysk kyllingeproducent er Sensomind i færd med at udvikle intelligent billedgenkendelse, der skal sikre den optimale udskæring af produktet. Den kunstige intelligens registrerer de specifikke køddimensioner på hver enkel kylling, så den automatiske skærerobot efterlader så meget kød som muligt.

”Kunstig intelligens er i dag i stand til at genkende komplicerede mønstre, som traditionelle, statistiske metoder ikke har formået. Fremtiden er, at intelligente systemer kan koge informationen fra en hel fabrik eller et sportshold ned til noget operationelt, f.eks. ved at komme med forslag til forbedringer eller fange problemer, før de opstår,” forklarer Rufus Blas.

Der er et stort potentiale i at anvende kunstig intelligens i industrien, mener Rufus Blas: ”Der er mange store produktionsvirksomheder, hvor det først og fremmest handler om at optimere processerne. Her kan AI gøre en stor forskel.”

KMD er en af de største it-virksomheder i Danmark og leverer it-løsninger til kommuner, regioner og stat. Specielt er virksomheden langt fremme, når det handler om arbejdet med kunstig intelligens og predictive analytics, hvor man via data, statistiske algoritmer og maskinlæringsteknikker forsøger at forudse fremtiden ud fra historiske data.

”Vi bruger teknologien til at finde mønstre i fortidens data for at forstå nutiden og fremtiden og handle ud fra dem,” siger KMD’s teknologidirektør, Hans Jayatissa.

Et af KMD's første projekter med predictive analytics har været indkøbsanalyser. Når en offentlig myndighed køber ind, sammenligner softwaren indkøbet med mønstre fra millioner af andre indkøb. Skulle der optræde en uregelmæssighed, giver systemet besked, og en medarbejder kan undersøge sagen.

”Analyserne gør os i stand til at identificere indkøb af en unormal kategori eller størrelse. F.eks. hvis en børnehave pludselig køber voksenbleer,” siger Hans Jayatissa.

Predictive analytics er ligeledes en vigtig del af KMD's arbejde med EcoKnow, hvor den kunstige intelligens på baggrund af historiske data kan foreslå den bedste vej fremad for eksempelvis en arbejdsløs. Teknologien kan også bruges til at identificere faresignaler. KMD har f.eks. kørt et forsøg med data om udsatte unge, hvor formålet var at komme større problemer i forkøbet, fortæller Hans Jayatissa:

”Vi kiggede på faktorer som eksempelvis skolefravær for at se, om vi kunne spotte, hvornår det begynder at gå rigtig galt. Selv om teknologien fungerede ok i forsøget, er det dog ikke noget, vi går i gang med i morgen. Det er et komplekst område, hvor du skal have mange data for at få et fuldt billede af en person. Her rammer du også hurtigt nogle etiske og juridiske grænser,” siger Jayatissa

Robotten Robin roser

KMD kigger også på et andet vigtigt områder inden for AI, nemlig NLP – natural language processing. NLP er software, som er i stand til at forstå og analysere tale. I en dansk kontekst er en af vanskelighederne, at det danske sprog ikke er det første, verdens udviklere af kunstig tale kaster sig over, forklarer Hans Jayatissa. Derfor er KMD startet med systemer baseret på tekst, som er et nemmere medie at analysere for algoritmerne. Resultatet er chatbotten Robin.

Robin skal hjælpe kommunens ressourcesvage borgere, der er i hyppig kontakt med det offentlige, men som kan have svært ved at læse store tekstmængder og finde rundt i regler og aftaler. Sagsbehandlerne bruger meget af deres tid på rutinemæssige opgaver med at hjælpe borgerne rundt i systemet, og det skal chatbotten både aflaste og hjælpe med.

Robin kommer således med forslag, påmindelser og anden hjælp til borgeren, f.eks. ved at henvise til den rette sagsbehandler eller sende en påmindelse om en lægeaftale, inklusive rutevejledning til lægen. Hver gang brugeren har udført en opgave, svarer systemet med ros, som man kender det fra træningsapps som Endomondo.

Robin fungerer via et Messenger-agtigt interface, som mange borgere i forvejen er bekendt med, og det har været en stor fordel, siger Hans Jayatissa:

”De fleste danskere er på Facebook og kender Messenger. Folk havde derfor ikke de store problemer med at tage værktøjet i brug. De ved godt, at det er en robot, de kommunikerer med, men det synes ikke at gøre den store forskel,” siger han.

Danske Widex lancerede i april 2018 verden første høreapparat med machine learning. Den kunstige intelligens lærer løbende om brugerens præferencer og justerer høreapparatet, så høreoplevelsen bliver optimal. Introduktionen af AI i høreapparater er en direkte konsekvens af digitaliseringen i branchen, forklarer Søren Hvidberg Nielsen, vice president for Global Marketing hos Widex.

”I løbet af 1990'erne blev høreapparater mere digitale og derfor udstyret med stadig flere funktioner. Alt fra støjreduktion til fremhævelse af tale og genkendelse af udfordrende lydmiljøer. Udfordringen har været at sikre, at brugerne får glæde af alle disse funktioner og dermed den bedste høreoplevelse. Det kan machine learning hjælpe os med,” siger han.

Den personlige høreoplevelse afhænger af en lang række individuelle faktorer fra fysiologi til de specifikke omgivelser, brugeren befinder sig i. Det gør det vanskeligt at indstille høreapparatet optimalt, når brugeren besøger sin høreapparatklinik. De eneste data, der er til rådighed, er, hvad brugere kan fortælle, og hvad man kan teste på stedet. Med Widex' nye høreapparat, Evoke, kan brugeren via en app fortælle systemet, hvad der virker hvornår. Det sker f.eks. ved at sige ja eller nej til de forskellige forslag, den kunstige intelligens genererer.

”Hvis du skal optimere et høreapparat på traditionel facon ved at stille spørgsmål, skal du besvare 2,4 mio. spørgsmål. Machine learning reducerer antallet til højst 20,” forklarer Søren Hvidberg Nielsen. 

Ud over at lære fra den enkelte bruger vil den kunstige intelligens også trække på anonymiserede data fra andre brugere af produktet rundt omkring i verden. Igen for at blive klogere på, hvad der virker bedst hvornår og for hvem. Det er en ny måde at udvikle høreapparater på, også for brugerne, men de har taget godt imod den nye generation.

”Vi var lidt spændte på kundernes reaktion på, at vi bruger deres data på en ny måde, men den bekymring er gjort til skamme. Vi har allerede mange tusinde brugere af produktet, specielt i USA,” siger han.