AI-podden

In this episode of our AI podcast “AI-podden”, we talk to Gary Marcus, the author of “Rebooting AI” and Founder of robust.ai. We discuss the state of AI, what we have achieved so far and what AI cannot do today. Gary underlines the fact that we are far from so called Artificial General Intelligence (AGI) where computers have cognitive abilities that match the humans. He argues that Deep Learning alone will most likely not solve the problem and that we need to use tools from other fields within AI and combine them with Deep Learning in order to get closer to AGI. Gary reasons around the danger of AI, and discusses why he thinks that an AI that could be a direct threat to the human race is not likely to happen in the next decades. Läs mer: https://ai-podden.se/

Veckans AI-podden gäst är Pin-Yu Chen, Chief Scientist på IBM Watson Research. Pin-Yu berättar om hur AI har utvecklats och hur fokus har skiftat från att göra noggranna produktioner till att rekommendera och även ta beslut som är av stor vikt eller spelar avgörande roll i en process. Han nämner exempel från egna forskningen i området säker och robust AI teknologi. Exempel på sådan beslut är att döma i juridiska processer, att ta beslut i vilka man anställer eller gör sig av med, eller utbildningssystemet som t ex att använda sig av AI för att rätta antagningsprov på universitet. Därför är det viktigt att bygga AI system med andra mål än noggrannhet som rättvisa, jämställdhet, jämlikhet, osv. Pin-Yu understryker också vikten av att kunna förklara besluten som tas eller rekommenderas av AI system. En annan aspekt är robusthet mot extern påverkan, som där en liten ändring i det datat man matar in inte ska leda till förödande beslut. Vi diskuterade även hur IBM har transformerats på senare år inom AI forskningen där man nu är mycket mer öppen med forskningsresultaten i form av publikationer och open source metodik. Pin-yu förklarar att konkurrensen är så hård att även jättar som IBM måste öppna upp så att man lockar till de bästa talangerna. Detta är säsongens sista avsnitt! Läs mer: https://ai-podden.se/

AI har idag en viktig rådgivande roll inom handel av aktier, inte minst när det kommer till robothandel. Veckans gäst i AI-podden är Mike O’Rourke som arbetar som Head of AI på Nasdaqbörsen i New York, en arbetsplats som satsar på AI och med många framgångsrika tillämpningar inom området. Mike O’Rourke förklarar bland annat hur AI kan användas för att hantera stora datamängder och se samband som människor inte kan se på grund av mängden komplex information. Nasdaq arbetar också med AI för att upptäcka olagliga aktiviteter inom börshandel. Det kan handla om aktörer som på olika sätt manipulerar priser för att tjäna så mycket pengar som möjligt på prisändringarna. Mike O’Rourke berättar även hur Nasdaq använder sig av transfer learning som innebär att man tar med sig lärdomar från Ai algoritmer inom ett område och applicerar dessa på ett annat. Allt för att lösa liknande problem där data kanske saknas. Läs mer: https://ai-podden.se/

Veckans avsnitt av AI-podden gästas av Matilda Ernkrans, minister för högre utbildning och forskning. Ather och Matilda pratar om hur Sveriges regering vill satsa på AI, varför det anses viktigt, och vilken samhällsnytta regeringen tror det kan bidra med. Tillsammans diskuterar de om AI är en teknologi som kommer avgöra länders framtida ekonomi och välstånd och resonerar kring hur regeringen kan agera – inte minst eftersom många hävdar att AI är den nya elektriciteten. Matilda berättar om hur Sverige satsar på att bygga AI kompetens idag och vad regeringen gör för att driva AI forskningen i Sverige framåt. De diskuterar även hur man genom politik kan försöka tillse att AI inte används till ändamål som är ogynnsamma för mänskligheten. Ather och Matilda pratar även om det faktum att Sverige ligger efter när det gäller AI. Hur ska man säkra Sveriges konkurrenskraft? Varför tror man att ett land som Kanada ligger så långt före oss? Det är några frågor som vi får svar på i veckans avsnitt. Läas mer: https://ai-podden.se/

I veckans avsnitt av AI-podden pratar Ather Gattami och Anna Ringborg om "Deep learning"-algoritmer som kan vara förvånansvärt enkla att manipulera. I mars 2018 visade kinesiska forskare att de lyckats attackera en Teslabil genom att på flera sätt lura deras algoritmer. Genom att förändra den data som matats till bilens sensorer kunde forskarna förvirra den artificiella intelligensen som körde bilen. AI och deep learning ses som nästa stora militära slagfält. AI kan till exempelvis användas hos drönare och i system för analys av satellitbilder eller när man avlyssnar kommunikation. Men som Tesla-hacket visar, kan en fiende som vet hur en AI-algoritm fungerar göra den värdelös eller till och med vända den mot sin ägare. I podden diskuterar Ather och Anna även hur datorer kan använda radiovågor för att se rörelser bakom väggar och i mörker. De pratar också om det amerikanska rättssystemet och hur domare får hjälp av AI-tjänster för att avgöra huruvida en åtalad ska vara frihetsberövad eller släppas fri i väntan på rättegång. Läs mer: https://ai-podden.se/

Ett av de största problemen för att företag ska bli mer AI-drivna är att hitta rätt kompetens. Men det finns fler ingredienser som företag bör tänka på för att bli mer effektiva. Stora företag måste utvecklas med sin tid och se vilka möjligheter AI kan ge verksamheten för att inte riskera att bli utkonkurrerad av en mer effektiv uppstickare på marknaden. Nya företag som helt och hållet har fokuserat på en AI-lösning för ett befintligt problem skapar en helt ny affär med just den edgen. Historiskt finns det flera exempel på företag som har blundat för den teknologiska utvecklingen och gått under. Det är ingen slump att AI har fått så mycket uppmärksamhet den senaste tiden. Det sägs bland annat att AI är den nya elektriciteten och teknologin kommer ge upphov till nya möjligheter man inte har sett innan. Man kan se AI som en ny infrastruktur som kommer påverka många olika delar av samhället. Från ekonomi och finans till marknadsföring och medicin för att nämna några aktuella exempel. I AI-podden får du ett recept på de grundläggande stegen man som företag behöver tänka på när det är dags att ställa om till en mer digital verklighet.

Är datorer kreativa på riktigt? Idag kan datorer på ett enkelt sätt omvandla ett fotografi till en målning i stil med stora konstnärer som Picasso eller Van Gogh. Datorer kan skriva och komponera musik. AI-Podden har bjudit in Professor Arthur I. Miller som är aktuell med boken “The artist in the machine” för att diskuterar huruvida maskiner faktiskt är kreativa eller om de används som verktyg av den kreativa användaren. Symbolisk AI kan producera konst som är kännbart för det mänskliga ögat som konst. Men det är konst som har förprogrammerats med hjälp av den data som man har valt att mata algoritmerna med. Det finns inga överraskningar. Harold Cohens Aaron AARON-algoritm producerar ganska vackra målningar med mallar som har programmerats in i den. På liknande sätt programmerar Simon Colton vid Goldsmith's College i University of London ”The Paint Fool” för att skapa en bild av en sitter i en viss stil. Men ingen av dessa hoppar någonsin utöver dess program. Till skillnad från symboliska algoritmer är Artificiella neurala nätverk mycket mer experimentella och oförutsägbara. Nätverken kan lära sig själva vilket gör att arbetet utvecklas utan något mänskligt ingripande, därför kan man också säga att de är mer verkligt kreativa. Ett neuralt nätverk är Alexander Mordvintsevs Deep Dream som skapade mardrömsbilder från invändiga neurala nätverk(ConvNets). Ett annat exempel är Ian Goodfellow's GAN (Generative Adversarial Network) som fungerar som en domare för sina egna skapelser, och Ahmed Elgammal's CAN (Creative Adversarial Network), som skapar stilar av konst som aldrig sett förut. Alla dessa genererar mycket mer utmanande och svåra verk som är maskinens egen uppfattning om konst, inte människans idé om vad konst är. I stället för att vara ett verktyg, deltar maskinen i skapandet.

Gymnaster kan nu bli bedömda av artificiell intelligens – deras rörelser läses av och analyseras som numerisk data och poängsätts därefter. Det är det japanska bolaget Fujitsu som har utvecklat en teknologin som bygger på AI och 3D-sensorer och som de valt att kalla “Judging Support System”. Med hjälp av den nya tekniken kan man göra idrotten mer rättvis genom att hjälpa domare göra en opartisk poängbedömning för varje idrottare. Vi pratar även om Pinterest som till skillnad från konkurrerande plattformar valt att omfamna partiskhet, begränsa den virala spridningen och bli något av ett antisocialt nätverk. Företaget har gått ut och förklarat att de precis som andra social nätverk använder sig av rekommendationsalgoritmer som bygger på antaganden och fördomar. Genom ett par få frågor tillsammans med bland annat språk och surfhistorik kan de finna ämneskategorier som intresserar en ny användare och som därmed håller dem kvar i appen. Ett annat företag som börjat arbeta mer intensivt med data är det amerikanska försäkringsbolaget MassMutual. Företaget har lanserat ett innovativt samarbete mellan företagets datavetare och dess linjechefer i ett projekt för att bättre kunna spåra upp försäkringsbedrägerier. Läs mer: https://ai-podden.se/

I veckans avsnitt gästas AI-podden av Maria Norberg, grundare och VD på Teknikkvinnor samt Gustaf Hagman, grundare och VD på LeoVegas. I avsnittet pratar vi om hur Teknikkvinnor jobbar med att inspirera andra kvinnor att jobba inom tech i allmänhet och AI i synnerhet. Maria Norberg berättar att AI är en så pass central teknologi och att framtidens arbetsmarknad kommer kretsa kring tekniken. Därför är det bra att få med kvinnor redan på tidigt stadium – här och nu. Gustaf Hagman berättar om varför de har stiftat priset Leoregulus, ett initiativ för att uppmuntra kvinnor att söka sig till tech-industrin. Teknikkvinnor var förra årets vinnare, och priset har hjälpt dem framåt i sitt uppdrag. Vi diskuterar även hur LeoVegas använder sig av AI för att motverka spelberoende samt hur Teknikkvinnor arbetar med AI för att få bort partiskhet. Vi pratar även framtid och visioner om AI och hur tekniken påverkar samhället i stort. Läs mer: https://ai-podden.se/

I veckans avsnitt av AI-podden pratar Ather Gattami och Anna Ringborg om att bygga AI som vi kan lita på. Djup inlärning har blivit en riktig hype som sträcker sig över alla branscher har spelat en viktig roll för utvecklingen av artificiell intelligens, men finns det en övertro på att tekniken kan uppnå en allmänmänsklig intelligens? Rekommendationssystem har varit och är ett mycket effektivt sätt för olika plattformar och mediehus att hålla kvar sin publik, läsare, tittar eller lyssnare. Youtube är inget undantag och hela 70% av videoplattformens tittare matas till dem via just rekommendationssystem. En riskfaktor med metoden är att extremt innehåll som får många klick och visningar premieras. Just nu experimenterar YouTube med sin algoritm för att försöka minimera förstärkningen av extremt innehåll samtidigt som de vill behålla besökaren på sin hemsida. Fake news är ett återkommande ämne i podden och denna vecka pratar Anna och Ather om Google som använder deep fakes, för att upptäcka just deep fakes. De pratar även om våra smarta hemprylar och inte minst Amazon Alexa som blivit också alltmer sofistikerad och bättre kan förstå tonaliteten hos sin användare. Läs mer: https://ai-podden.se