Kunstig intelligens eller maskinlæring?

Det dreier seg ikke så mye om intelligens i ordets rette forstand, det er mer analyse av enorme mengder informasjon. Er det noe datamaskiner er virkelig flinke til, så er det nettopp dette. Man samler opp en mengde informasjon, og trekker så konklusjoner basert på likhetstrekk, ulikheter, svingninger med mer.

Det meste lar seg analysere, og der hvor det var et logistisk problem i gamle dager, tar det kun noen få sekunder i dag, såfremt man har et gyldig sett med informasjon liggende.

Maskinlæring… hva kan egentlig en datamaskin lære?
Det dreier seg vel mindre om hva den lærer, men hva den “fores” med, og mer om dataprogrammene som er utviklet til å “fordøye” informasjonen den er “foret” med.

Informasjonen maskinen gis danner grunnlaget for statistisk analyse og svar. Vi kaller dette for maskinlæring, men det er mennesker som sitter bak og styrer hvordan informasjon skal behandles for å komme frem til resultatet man ønsker.

Jo mer informasjon, dess mer nøyaktig kan resultatene man er ute etter beregnes.

Dette setter kanskje begrepet “maskinlæring” inn i et litt riktigere perspektiv. Det er viktig at vi ikke begynner å gi maskiner “følelsesmessige” egenskaper de ikke har. Maskinlæring er verktøy vi har utviklet for bedre å kunne utnytte mulighetene i tilgjengelig informasjon.

I sin enkleste form brukes maskinlæring til å holde orden på brukernavn og passord. Vi kan så utvide litt og si at passordet skal uttales. Vi gir maskinen en mikrofon, og etter noen runder kan den gjenkjenne hastigheten, toneleie, høyden, med mer i passordet vi uttaler. Alle egenskaper som kan gjøres vesentlige for at vi f.eks. skal kunne lese e-posten vår.

“Plutselig” kan datamaskinen “avgjøre” statistisk om:

  • Passordet er riktig
  • Om det er uttalt med riktig hastighet
  • Om vedkommende er sint/trist/lei/lattermild
  • Kanskje endog avgjøre om noen truer vedkommende til å gi tilgang til e-posten

Dette er selvsagt bare en bitte liten del av hva maskinlæring kan brukes til, men felles for det hele er behandling av alt fra mindre- til enorme mengder informasjon – på en måte som gir en fordel.

En litt mer dagligdags bruk er innkjøp til butikker og firma. Ved at man registrerer innkjøp, produksjon, salg, arbeidstider, antall ansatte, hvem, hva, hvor – og gjør dette systematisk over tid, da har man straks et grunnlag for å bygge datamodeller som hjelper en videre.

Gir man sine kunder et personlig “medlemskort”, da kan all innsamlet informasjon også knyttes opp mot disse, og man vil få en dypere innsikt i:

  • Forventet salg
  • Forventet inntjening
  • Nødvendig innkjøp
  • Svinn
  • Kundefrafall
  • Kundetilkomst

En mengde informasjon kan også hentes ut om firmaet eller dets ansatte. Ved at man med noen tastetrykk kan finne svar på selv det man kanskje ikke har rukket å spørre om, kan man:

  • Tilrettelegge arbeidsplassen bedre
  • Sende riktig personell på kurs
  • Motivere hvor det behøves
  • Forutse avgang
  • Forberede nyansettelser
  • Se behovet for nyansettelser i fremtiden
  • Hurtig hoppe på en positiv bølge
  • Hurtig velge bort, eller komme med tiltak, i krevende situasjoner

Maskinlæring, Business Intelligence (BI) og informasjonsdrevet styring er fremtiden!