Vi kan ikke forelske oss i ny teknologi og glemme ansvaret vi har overfor samfunnet. Forbi iverksettelse av prosjekter innen maskinlæring eller anvendt kunstig intelligens må vi tenke på utfordringer knyttet til miljøet. Hvis data er den nye oljen og vi er midt i en klimakrise, virker det nært å vurdere både de fine mulighetene og negative konsekvensene ved bruken av kunstig intelligens.
Alex Moltzau
Co-founder AI Social Research, student ved UiO, AI-skribent på Medium
Bærekraftig utvikling krever det å tenke på en høy grad av kompleksitet, spesielt i tilknytning til kunstig intelligens. Vi kan ikke enkelt sette i gang nye prosjekter uten å tenke på nedslagsfeltet til implementeringen og bruken. Ny forskning fra Massachusetts i USA viser at å trene en algoritme er veldig energikrevende, og at det er en stor forskjell på hvilken type energi skyleverandører bruker. Selvkjørende teknologi eller automatisering kombinert med AI kan vi ikke tenke på kun fra et perspektiv som har optimalisering i tankene i form av kollisjon med folk, vi må tenke på hva vi henter ut annet enn data.
Positiv bruk av teknologi
Det å bygge teknologi krever store mengder med mineraler og dermed øker gruvedrift, i tillegg til et globalt transportnettverk. Betyr dette at vi må glemme teknologisk utvikling? Selvfølgelig ikke! Likevel så må vi tenke på mulighetene til å sikre en større grad av fornuftig, positiv bruk av teknologi.
Et bidrag kunne vært å satse mer på å kombinere samfunnsforståelse med informatikk. En ny satsning i dette området er ‘Social Data Science’, som kombinerer disse to kunnskapsområdene. Kan dette være et fokuspunkt for Oslo? Kunne vi tenkt oss en mer sosialdemokratisk tilnærming til bruken av kunstig intelligens? Forbi politikk- og ressurstilnærming, er det mer å tenke over.
Teknisk gjeld
Jonathan Zittrain, som er George Bemis Professor i internasjonal rett og professor i Computer Science ved universitetet i Harvard, nevner teknisk gjeld i sammenheng med kunstig intelligens. «Teknisk gjeld øker når systemer endres hurtig, ofte på grunn av et umiddelbart behov for å spare penger eller implementere en ny funksjon, samtidig øker den langsiktige kompleksiteten.» Han referer videre til det han kaller intellektuell gjeld, og spesielt med disse teknologiene er det en stadig økende pris når løsninger innenfor kunstig intelligens blir tatt med i betraktning. Når systemer er bygd vil deres omgivelser endre seg. Velmenende testdata kan ha uintenderte negative konsekvenser i større strukturer, spesielt siden algoritmene ,valgene og prosessene, ikke er fullstendig forstått av utviklerne som programmerte de inn.
Etiske dilemma
Jeg har i snart 200 dager skrevet en ny artikkel hver dag om temaet kunstig intelligens, og fra det har jeg lært at det kan gå riktig så galt, og det kan gå svært så bra. Det er likevel et dilemma her, for eksempel med pasientdata og akutt nyresykdom. Mustafa Suleyman, medgründer i DeepMind, jobbet med dette før han tok en pause fra selskapet for et par måneder siden. I juli 2019 annonserte DeepMind at teknologien deres kunne forutse akutt nyresykdom to dager før det inntraff, men dette kom på bekostning av ulovlig bruk av 1,6 millioner menneskers pasientdata. Maskinlæring kan bidra til mye bra og dårlig, noen ganger samtidig.
Vi er nødt til å se forbi, eller nærmere på nyansene i kunstig intelligens – fifty shades of AI, alt mellom og innenfor løsningene som muliggjør ansvarlig bruk av teknologi. Vi har en klimakrise å ta med i betraktning midt i teknologioptimismen i nåtiden. I mine øyne er noe helt klart, hvis Norge skal lykkes må vi bygge på styrken ved å bry oss om folk, og dette betyr at vi på en helhetlig, ordentlig måte må forstå teknologien som blir tatt i bruk.
Av: Alex Moltzau – AI Social Research
