Erfaringer med kunstig intelligens

At resultaterne fra et system, der benytter AI, ikke altid er korrekte, betyder ikke, at det er uanvendeligt.


Det var i 1980, at jeg første gang stødte på udtrykket kunstig intelligens (artificial intelligence).

Jeg var netop startet som salgstrainee i det danske datterselskab af Control Data Corporation (CDC). Efter et to-årigt uddannelsesforløb skulle jeg sælge firmaets mainframe computere, der på det tidspunkt var verdens kraftigste. (Det var de ikke, da jeg var færdig med min uddannelse, og så var der i øvrigt sket noget helt andet!)

Positionen som leder på markedet for supercomputere opnåede CDC allerede med lanceringen af System 6600 i 1963. Så stor var overraskelsen i branchen, at IBMs topchef Thomas Watson Jr. øjeblikkeligt skrev et internt memo til sin udviklingschef. Der gik da heller ikke lang tid, før IBM begyndte at tabe ordrer til det lille computerfirma fra Minneapolis. Kunderne havde brug for den ekstra regnekraft, og da kun CDC kun tilbyde den, ja, så fik de ordrerne.

CDC 6600

Mange af kunderne ville nok have foretrukket at handle med IBM, der var mange gange større, men de havde altså ikke produktet. Og der var heller ikke noget undervejs fra IBM, der kunne måle sig med CDCs maskiner.

For at dæmme op for kundeflugten, annoncerede IBM imidlertid, at de snart ville lancere en computer, der var kraftigere end CDCs, og som var kompatibel med deres succesfulde System/360 maskiner.

Det virkede!

Mange kunder udsatte nu deres købsbeslutning, for lige at se hvad der kom fra IBM. Ordretilgangen til Control Data tyndede ud.

Men der kom ikke nogen maskine fra IBM. Annonceringen var en FUT-manøvre. Frygt.Usikkerhed.Tvivl.

Derfor anlagde Control Data sag mod IBM for unfair konkurrence.

IBM endte med at tilbyde et forlig, der den gang skønnedes at have en værdi på USD 80 millioner USD (svarer til USD 650 millioner eller DKK 4,5 milliarder i dagens penge), og det accepterede CDC. IBM blev altså ikke dømt for unfair konkurrence. De valgte at betale, hvad der i dag svarer til DKK 4,5 milliarder, for at undgå at en dommer eller en jury skulle komme til en konklusion på spørgsmålet.

Og nu kommer vi til den kunstige intelligens

Som et led i sagsbehandlingen bad retten IBM om at udlevere en række interne dokumenter, som ville belyse, om firmaet kunne have haft en begrundet formodning om at ville være i stand til færdiggøre en computer som annonceret.

For at besværliggøre og fordyre arbejdet for Control Datas advokater afleverede IBM lastbiler fyldt med dokumenter. Så enorme var mængden af dokumenter, at Control Data ikke havde en kinamands chance for at bekoste advokaternes gennemgang.

I stedet benyttede Control Data OCR teknologi til at scanne dokumenterne, og de udviklede et program (AI), der kunne finde netop den kombination af informationer, som de skulle bruge i sagsfremstillingen. Det var kombinationen af scanning, lagring og søgning, der gjorde, at det lille Control Data var i stand til at gøre IBM bløde i knæene. Artificial Intelligence kaldte man teknologien, fordi den var i stand til at gøre noget, som ellers krævede en hær af mennesker.

Teknologien var så succesfuld, at IBM gjorde forliget med Control Data betinget af, at databasen med de mange dokumenter blev slettet. Programmet blev til produktet BASIS, som i mange år blev anvendt til fritekstsøgning på CDCs maskiner. Sletningen af databasen var i øvrigt til stor gene for andre lignende sager mod IBM, der på det tidspunkt var under forberedelse. Men hvad gør man ikke for et par milliarder.

Research og skrivning

Så gik der vel 40 år, før jeg igen kom til at beskæftige mig med teknologien.

Ikke fordi AI forsvandt i mellemtiden. Jeg læste også af og til bøger om emnet. Men det var faktisk først, da jeg skulle være redaktør på en bog om AI, at jeg måtte dykke ned i området igen. Da ChatGPT blev lanceret, begyndte jeg at eksperimentere med teknikken.

To aktiviteter fylder meget i de opgaver, jeg arbejder med: Research og skrivning.

Som mange andre har jeg siddet dagevis på Det Kongelige Bibliotek og gravet i gamle arkiver. Og jeg har brugt mange timer på at søge internettet tyndt fra en browser. Det er langsommeligt arbejde, og der skal sorteres meget slam fra, inden guldklumperne dukker op

Er ChatGPT så det nye produktivitetsværktøj til factfinding?

Ja, det kan det godt være. I mange tilfælde giver ChatGPT et hurtigere svar end en søgning, der blot lister en række referencer.

Men, det er ikke altid, svaret er rigtigt. Hvis man arbejder med et nyt emne, hvor man er helt blank, kan det være svært at afgøre, om svaret er korrekt. Det er derfor en fordel, hvis man selv eller på anden vis kan validere et søgeresultat. Men det gælder vel for al research.

Formulering af tekst

Min anden hovedopgave er formulering af tekst, og her er det specielt de engelske, hvor jeg godt kan bruge en hånd. Grammarly har indtil videre været den hjælpesomme coach.

ChatGPT, men også mange andre services tilbyder helt at omformulere tekster. Og det ser ud til at fungere. Du kan give maskinen en hurtig udgave af, hvad du gerne vil kommunikere, og ud kommer der flere forslag til, hvordan det kunne se ud på pænt engelsk. Heller ikke her er det perfekt, men det er ofte langt bedre end udgangspunktet.

Der findes også oversættelsestjenester, hvoraf de fleste nok kender Google Translate. Igen er det et acceptabelt udgangspunkt. For at teksterne ikke skal forstyrre læserens oplevelse af indholdet, kræver det dog en del manuel bearbejdning.

Kunstig intelligens vil tage fejl

Nu kunne det på overskriften til dette afsnit lyde, som om kunstig intelligens altid vil tage fejl, men det er ikke tilfældet. Nogle gange vil den tage helt fejl, andre gange vil den blot ramme lidt ved siden af og ind i mellem vil den være spot on.

Hvor traditionel IT bygger på præcise instruktioner, så bygger AI på instruktioner og data. Traditionel IT giver præcise resultater. AI giver usikre resultater. Hvor usikre afhænger både af algoritmerne og af de data, som den benytter.

Når jeg sender et bilag til mit økonomisystem, så er det et AI-baseret program, der læser det og foreslår, hvordan det skal bogføres inklusive kreditor, dato, betalingsfrist, konto og beløb. AI’en gør en del af abejdet, men for det meste skal jeg lige justere et par ting.

Når jeg trykker “bogfør”, så er jeg til gengæld et hundrede procent sikker på, at det ryger ind på den rigtige kreditor, at momsen løftes over på købsmoms, at omkostningen placeres på den udgiftskonto, jeg har valgt, og at den ligger klar til udligning med betalingen i banken. Når jeg genererer en resultatrapport eller en balance, så ved jeg også med et hundrede procent sikkerhed at alle bogførte transaktioner er med. Jeg kan stole 100% på systemet, fordi det ikke benytter AI.

At resultaterne fra et system, der benytter AI, ikke altid er korrekte, betyder ikke at det er uanvendeligt. Så langt fra. Det betyder blot, at man skal vide, hvad man vil bruge det til, og hvordan man vil håndtere usikkerheden.

Dan Rose Johansen er forfatter til en bog om kunstig intelligens, der kommer til sommer. Jeg er bogens redaktør og udgiver. Det er vores ambition, at bogen skal hjælpe organistaioner og virksomheder med at anvende AI, de steder hvor det giver mening, så det ikke vælter budgettet og kan medvirke til at skabe en positiv forskel.

Skriv et svar

Dette site bruger Akismet til at reducere spam.