AI/ML

Jakten på 'korrekte' data - data som er balanserte i alle retninger - intensiveres. Nødvendig for ‘riktig’ maskinlæring - tror vi. Men virkeligheten er verken balansert eller nøyaktig. Skal maskinene lære om og av virkeligheten eller fra kunstige data balansert etter matematiske modeller som forskere mener er nøytrale? [...]

«Jobben min kan umulig gjøres av roboter. Det trengs kunnskap, erfaring,  innsikt og evne til å håndtere mennesker, lese mellom linjene og mye mer.» De fleste vil kjenne seg igjen i resonnementet, men er det sant? [...]

I 2040 vil vi mangle 4.500 lærere, 12.000 sikkerhets-eksperter, 20.000 data scientists og mange andre varianter. Det ropes varsko i øst og vest – men alvorlig talt: Vi aner knapt hvordan verden ser ut om 3-5 år og slett ikke om 10. Dette må være bortkastet tid. [...]

Mens San Fransisco forbyr bruk av ansiktsgjenkjenning, spurter Kina videre for å bli best på AI. Noen mener de er der allerede. De tar grundig feil. [...]

Hele markedet går av skaftet for å komme på ML-toget. Tjenestene florerer og resultatene er tilsynelatende gode. Hvorfor sier ekspertene at ‘ingen har peiling’? [...]

Verden kjøper dingser over en lav sko for å få bedre helse. Måler puls, teller skritt, sjekker bevegelse, søvnrytme og kalorier døgnet rundt. Aldri har så mange hatt så store muligheter for forbedring. Hvor blir det av resultatene? [...]

Nevrale nettverk overrasker. De fungerer bedre enn ventet og ingen forstår hvorfor. En banebrytende oppdagelse som flytter AI/ML en mil fremover: Kunstig kreativitet er et faktum. Med GAN som virkemiddel. [...]

‘Slettings-vegring’ har plaget en hel verden i flere tiår. De digitale søppelhaugene vokser med ufattelig hastighet. God business for leverandører, bortkastede penger for markedet. Med ML/AI ble det enda verre: Alle tror gamle data skal gjøre fremtidens ‘boter’ smarte. Men hvor meningsfylt er det å fore fremtidens AI med fortidens søppel? [...]