211service.com
Hvordan AI ændrer vidensarbejde: MITs Thomas Malone
Med hjælp fra de rigtige AI-algoritmer kan organisationer udvikle sig til superminds, der er klogere end deres individuelle medlemmer.
24. januar 2019
Thomas Malone er professor i ledelse ved MIT's Sloan School of Management, grundlægger og direktør for MIT Center for Collective Intelligence og forfatter til bogen fra 2018 Superminds: The Surprising Power of People and Computers Thinking Together . Bogen udforsker de forskellige måder, grupper af mennesker træffer beslutninger på, og hvordan nye former for kunstig intelligens, især maskinlæring, kan hjælpe. Malone forudser, at kunstig intelligens, robotteknologi og automatisering vil ødelægge mange jobs – inklusive dem for højtuddannede vidensarbejdere – samtidig med at der skabes nye. Ved at investere i de rigtige former for kunstig intelligens, siger han, kan organisationer hjælpe med at holde arbejderne produktive og glade – og sikre, at vores supersind faktisk er klogere end vores almindelige sind.
Denne episode er sponsoreret af Citrix, virksomheden, der driver den digitale transformation i organisationer af alle størrelser. I anden halvdel af showet forklarer Citrixs globale teknologichef Christian Reilly, hvorfor maskinlæring nu er en kraftmultiplikator, der gør alle former for forbruger- og virksomhedsapplikationer mere nyttige.
Business Lab er vært for Elizabeth Bramson-Boudreau, administrerende direktør og udgiver af MIT Technology Review. Showet er produceret af Wade Roush, med redaktionel hjælp fra Mindy Blodgett. Musik af Merlean, fra Epidemic Sound.
Vis noter og links
MIT Center for Kollektiv Efterretning
Superminds: The Surprising Power of People and Computers Thinking Together
Fuld afskrift
Elizabeth Bramson-Boudreau: Fra MIT Technology Review hedder jeg Elizabeth Bramson-Boudreau, og dette er Business Lab, showet, der hjælper virksomhedsledere med at forstå nye teknologier, der kommer ud af laboratoriet og ind på markedet. Denne episode bringes til dig af Citrix, virksomheden, der driver den digitale transformation i organisationer af alle størrelser. Senere i showet vil vi høre fra Citrix' globale teknologichef Christian Reilly.
Men først skal vi tale med Tom Malone. Tom er en af de klogeste mennesker, jeg kender, der studerer, hvordan organisationer tænker, og hvordan computere og mennesker, der arbejder sammen, kan tænke mere intelligent.
Tom er professor i ledelse ved M.I.T. Sloan School of Management. Tom er også grundlægger og direktør for M.I.T. Center for Kollektiv Efterretning. Tilbage i 1998 var han en af de første forskere, der anerkendte fremkomsten af e-lancing eller det, vi nu kalder Gig Economy. I 2018 udgav Tom en stor bog kaldet Superminds, der ser på de forskellige måder, folk træffer beslutninger sammen på, og hvordan nye former for kunstig intelligens, især maskinlæring, kan hjælpe.
Her på Technology Review er vi især interesserede i, hvordan A.I. rækker ind i vidensarbejdets verden. Vi har dækket den måde, robotteknologi og automatisering gør det sværere på nogle måder for lavtlønnede, lavtkvalificerede arbejdere at fastholde job. Men i disse dage er der også tegn på, at A.I. vil også ændre den måde, højere kvalificerede videnarbejdere udfører deres arbejde på. Det betyder ikke, at vi alle bliver overlistet af computere. Men det betyder, at vi bliver nødt til at tænke mere over, hvordan organisationer kan anvende de rigtige former for A.I. at holde arbejderne produktive og glade, og hvad de kan gøre for at sikre, at vores supersind faktisk er klogere end vores almindelige sind. Mit møde med Tom Malone var en chance for at tale om nogle detaljer. Så her er vores chat.
Så det er vidunderligt at se dig igen Tom.
Tom Malone: Fantastisk at være her.
Elizabeth: Så vi vil tale om den bog, du har skrevet, og om de ideer, du har fremført i din bog. Det kaldes Superminds, og det hævder, at en gruppe mennesker i en eller anden forstand kan være bevidste og intelligens nogle gange faktisk mere intelligent end nogen af individerne i gruppen. Du argumenterer også for, at computere kan gøre disse supersind endnu klogere.
Så først, fortæl os måske, hvad der fik dig til at tænke i de baner, og var der et øjeblik, hvor du tænkte: Hej, der er nok her til, at jeg måske skulle se på en bog, og du ved i bund og grund bare fortæl os, hvad der bragte dig til det sted.
Tom: Faktisk er der et meget specifikt øjeblik i 2005. Kort efter min forrige bog The Future of Work blev udgivet i 2004, talte jeg til en konference i Palo Alto i Stanford, og to af de andre talere var Esther Dyson, den velkendte computer industrianalytiker og investor, og Vernor Vinge, den kendte science fiction-forfatter, der blandt andet var med til at popularisere begrebet singularitet.
Så vi tre gik ud til middag efter at have talt på konferencen den dag. Og vi taler om Vernors seneste bog, som han lige var ved at afslutte på det tidspunkt, og taler om ting, som han var interesseret i, og Vernor talte om det, han kaldte overmenneskelig intelligens, noget som mennesker og computere og sådan noget som f.eks. at. Og vi havde en rigtig interessant samtale. Jeg talte om, hvad jeg skulle gøre, og havde tænkt over, hvad jeg ville gøre næste gang efter min forrige bog. Og ved slutningen af den middag havde jeg en usædvanlig følelse, som ikke var, at jeg havde besluttet, hvad jeg skulle gøre næste gang; følelsen, jeg havde, var, at jeg endelig havde indrømmet over for mig selv, hvad jeg nu skulle gøre.
Og så på det tidspunkt kaldte jeg det superhuman computing eller superhuman intelligens. Senere tænkte jeg, at et bedre ord for det var kollektiv intelligens. Og jeg brugte det udtryk i et stykke tid, inklusive stadig navnet på forskningscentret på MIT, som jeg leder. Og så i løbet af at skrive min bog, som var en slags opsummering af de sidste 10 eller 15 års tænkning om dette emne, indså jeg, at på nogle måder en endnu bedre betegnelse for den ting i stedet for kollektiv intelligens eller kollektivt intelligente systemer, en bedre betegnelse for det var superminds.
Elizabeth: Hvad var det, du så i verden på det tidspunkt, der gjorde det lidt klart, at det var her, du skulle hen.
Tom: Så på en eller anden måde, da jeg skrev The Future of Work, tænkte jeg på at se mig omkring i verden og sige, hvad organisationer laver i dag, og hvad er slags logiske forlængelser, de næste skridt, de kunne tage i den retning, de er. allerede på vej. Mere decentralisering var en af de ting, jeg nævnte eller understregede stærkere i den bog. Og fra mit synspunkt er en af de meget fine ting ved kollektiv intelligens som en måde at indramme alt dette på, at den ikke siger noget om, hvad der er det næste. Det siger, hvad endepunktet er, og hvordan er vi på vej i den retning. Så i en eller anden forstand, selvom folk normalt ikke tænker på det på denne måde, er grunden til at have en organisation i første omgang, at en gruppe mennesker kan gøre tingene bedre sammen. Og ofte betyder det mere intelligent, end de kunne gøre dem, hvis de bare arbejdede helt alene. Så på en eller anden måde er endepunktet perfekt kollektiv intelligens.
Og faktisk i min bog taler jeg om det som en brugbar måde at tænke på. Hvis du tænker på, hvordan min virksomhed kunne være smartere, er en nyttig ting at gøre at tænke på, hvad vi ville gøre, hvis vi var perfekt intelligente. Hvis vi tog hensyn til alt, der kunne vides, da vi traf hver eneste beslutning. Selvfølgelig kan du i de fleste virkelige tilfælde ikke begynde at gøre det, eller i det mindste kan du ikke helt gøre det, men du kan begynde at gøre det. Du kan tænke på, hvor langt vi kan gå hen imod at være perfekt intelligente. Så i den forstand var det ikke så meget at se sig omkring på verden og sige, at dette er den næste store ting på grund af X. Det var at se på verden og sige, hvordan kan vi tænke på det virkelig langsigtede her og så bruge det som en måde at projicere det næste lille stykke tid på.
Elizabeth: Så bogen Superminds var tydeligt skrevet med virksomhedsledere, folk, der lytter til dette, i tankerne som dit publikum. Så hvad er de vigtigste ting, du håber, de vil tage væk fra enten at læse bogen forhåbentlig eller fra denne diskussion om bogen?
Tom: Så efter min mening er bogens vigtigste bidrag ikke nogen enkelt kendsgerning eller metode, som du kan bruge. Jeg tror, at det vigtigste bidrag, jeg håber i hvert fald det vigtigste bidrag, er en ny måde at se verden på. Det er en måde at se på verden på, hvor du kan se superminds overalt omkring dig, ikke kun andre virksomheder, men markeder og samfund og demokratier og alle den slags ting rundt omkring os hele tiden. Især som virksomhedsleder tror jeg, at det betyder, at du kunne og burde tænke på din egen organisation som en slags supermind. Det er en ting. Det er en enhed. Det er en intelligent enhed. Og så er et oplagt spørgsmål, hvordan kan jeg gøre min organisation smartere. Og så giver bogen flere måder at tænke på. Man tænker på de forskellige kognitive processer, som ethvert supersind eller enhver intelligent entitet skal gøre, som at tænke på, hvilken slags beslutninger min organisation skal træffe, mit organisatoriske supersind. Hvad skal den beslutte. Hvad skal det fornemme om verden for at kunne træffe disse beslutninger. Hvad skal den huske om fortiden for at kunne træffe disse beslutninger godt. Så hvert af disse spørgsmål fører dig til en masse andre muligheder. Mange af dem har du måske aldrig tænkt på før.
Elizabeth: Når organisationer beslutter sig for, at de vil blive klogere ved at bringe mere computer eller mere A.I. ind, hvad ser du så som de nemme problemer for dem at anvende denne smarthed til, denne ekstra smarthed til, og hvilke er de svære?
Tom: En slags let problem i en vis forstand tror jeg er den slags problemer, du kan løse med det, jeg kalder hyperforbindelse. Vi har talt meget om kunstig intelligens i verden for nylig og endda i dette interview indtil videre. Jeg tror, at en lige så hvis ikke vigtigere ting, som computere kan gøre, er at skabe hyperforbindelse, at forbinde mennesker til andre mennesker og ofte også til computere, i skalaer og på rige nye måder, som aldrig var mulige før. Så det har vi allerede set. Internettet er måske det bedste eksempel på en teknologi til at skabe hyperforbindelse og alle de ting, der er bygget på det. Sociale netværk, Google-søgning, alle den slags ting. Og jeg tror, at der ikke skal ske nogen ny slags dramatisk vanskelige teknologiske ting, for at vi kan bruge hyperforbindelse på mange mange nye måder.
Når vi bevæger os ind i området med kunstig intelligens i modsætning til hyperforbindelse, er de steder, hvor AI kan hjælpe, ofte dem, hvor du har nok data, der kan fanges i maskinlæsbar form til at lære og bruge algoritmer til at gøre ting, som enten folk gjorde. før eller måske kunne folk aldrig gøre det før. Så for eksempel en funktion, en forretningsfunktion, hvor dette ofte er let er i salg. Det er nemt at måle effekten af salget. Nogle mennesker sælger mere end andre, og vi har dollarmål for det. Det er sværere at måle input fra salg, men du kan også helt sikkert tælle ting som hvor mange kundeopkald du foretager, og hvor ofte mødes du med dem og sådan noget, og hvis du gør det online, hvad siger du . Så der er meget at lære, meget som nutidens maskinlæringssystemer kan lære om ting om salgseffektivitet og så videre. I tilfælde af salg er den sværeste del at generere de handlinger, der kan påvirke resultaterne. Så selvom en computer kan tælle, hvor mange gange du ringer til en kundeemne, kan en computer ikke nemt finde ud af, hvad du vil sige i begyndelsen af mødet om din weekend og dine børn.
Så der er stadig et behov for folk der, men computere kan gøre meget af analysen for at hjælpe hele processen med at blive mere effektiv i mange tilfælde. Jeg gætter på, at de sværeste dele ville være, hvor det er svært selv at måle input og output. Så når du designer et nyt softwareprodukt eller en ny bil eller noget, er det ikke indlysende, hvordan man overhovedet måler output eller input.
Elizabeth: Hvordan tror du, at virksomhedsledere kan tænke på at investere i en kunstig intelligens eller maskinlæring, til at skifte fra at se det som omkostningsbesparende, så at fjerne arbejdere eller gøre de arbejdere, du har mere effektive, og mere om at styrke kreativiteten, få arbejderne til at føle mere selvaktualiserede og gladere, for at de bevares og derfor mere produktive osv.?
Tom: Nej, jeg synes, det er et godt spørgsmål. Spørgsmålet om, hvordan kan vi flytte vægten. Jeg tror i en vis forstand, at svaret bare er ved at gøre det. Med andre ord af forskellige årsager, som jeg ikke er sikker på, at jeg forstår, har vi dette store fokus på AI, især at det vil gøre ting, som folk plejede at gøre, og derefter sætte folk uden arbejde. Og når du forsøger at udvikle AI-applikationer eller anvende AI i virksomheder, tænker mange mennesker på det på den måde. Det er den slags tankegang, vi bringer til problemet. Men det kræves bestemt ikke af økonomi. Faktisk er der i erhvervslivet to måder at tjene flere penge på. Den ene er at reducere dine omkostninger. Den anden er at skabe mere værdi og kunne sælge det for mere. Så jeg synes, vi har været alt for fokuserede på AI-applikationer til omkostningsbesparelser og ikke nær fokuseret nok på AI-applikationer til værdiskabelse. Faktisk, selv fra et økonomisk synspunkt, formoder jeg, at det er der, den reelle mulighed er. Du kan kun tjene så mange penge ved at skære ned på omkostningerne, men der er på en eller anden måde ingen grænse for, hvor mange penge du kan tjene, hvis du er i stand til at gøre noget nyt, som folk ønsker, og som ikke engang kunne gøres før. Det er meget mere spændende i mange tilfælde økonomisk.
Elizabeth: Jeg tænker, hvad der er interessant ved det – jeg tror, du har fuldstændig ret. Og jeg tror, at når det kommer til budgettering, er det altid meget klart, hvad prisen er, men det er altid meget sværere at finde ud af, hvad den potentielle fordel vil være, for du ved det faktisk ikke. Så jeg tror nok, det er derfor, en del af det, og jeg tror, at vi ofte er begrænset af vores egen kreativitet i den henseende.
Tom: I mit sind er det nøglen. Det er vores egen fantasi vores egne tankegange eller vores egne verdensbilleder, der er den egentlige grænse her. Til en vis grad har vi måske en mulighed, måske endda en forpligtelse til at hjælpe verden med at bevæge sig hen imod en tankegang, der er mere produktiv, mere åben over for disse nye muligheder. Men hvis du bruger din tid på at tænke på, hvordan du skaber AI-applikationer, der vil skabe job, for at bruge dem skal du bruge flere mennesker til at lave nye ting, du vil tænke på nogle af dem. Og jeg synes, vi burde bruge meget mere af vores tid på det
Elizabeth: Jeg forestiller mig, at du skrev denne bog i en tid, hvor valget i 2016 var i gang og måske endda i de første måneder af Donald Trumps præsidentperiode. Og jeg tror, det var en tid, hvor vi lige var begyndt at forstå, hvordan visse slags superminds som Facebook kan producere resultater, der måske ikke ensartet forstås som gode. Så er du lige så optimistisk omkring supersind, som du var, da du begyndte at skrive bogen?
Tom: Så du har ret i, at jeg skrev min bog under kampagnen og lige efter valget i 2016. Dit spørgsmål er, om jeg er mere optimistisk nu end eller mindre optimistisk nu, end da jeg skrev bogen. Jeg tror aldrig, jeg har troet, at superminds altid gjorde gode ting. Verden og verdenshistorien er fuld af superminds, hvoraf nogle er smarte og nogle er dumme, hvoraf nogle er gode og nogle er onde. Nazityskland for eksempel ville være et eksempel, mange mennesker ville vælge som et supersind, der var, i det mindste mens det eksisterede, på mange måder meget intelligent. Det nåede mål meget effektivt. Men mange mennesker ville sige, at de mål, den nåede, var onde, og den måde, den gjorde dem på, var ond.
Så det tror jeg ikke, jeg har aldrig troet, og jeg tror ikke, at superminds altid er gode. Da jeg skrev bogen, forsøgte jeg med vilje at understrege de positive muligheder, men jeg troede ikke, at de altid ville ske. Og interessant nok, lige på det tidspunkt, hvor bogen udkom i maj 2013, skiftede tidsånden i verden. Indtil lige omkring det tidspunkt var folk alle begejstrede for, hvor gode Facebook og Google og alle disse ting er. Og lige omkring det tidspunkt skete Facebook Cambridge Analytica-skandalen, og sådan en verden talte pludselig om alle de negative muligheder. Så når jeg taler om bogen nu gør jeg meget ud af at understrege nær begyndelsen, at computere kan gøre supersind smartere, men de kan også gøre superminds mere dumme. Som når falske nyheder påvirker vælgerne i et demokrati. Det er ofte et eksempel, hvor computere gør demokratiet mere dumt. Og hvad jeg virkelig synes, vi skal gøre, er at tænke på, hvordan man bruger disse teknologier klogt på måder, der har de bedste muligheder for at skabe gode resultater. Hvis du vil gøre det, synes jeg stadig, det er meget nyttigt at tale om, hvilke gode muligheder vi bør stræbe efter.
Elizabeth: Tom, du har talt om, hvordan kunstig intelligens og maskinlæring i fremtiden kan eliminere nogle gamle job, men også kan skabe nye job. Hvad sker der i overgangstiden? Der kan være en del mennesker, der er påvirket af den overgang. Hvordan skal vi forberede os på det? Og hvordan skal det, hvordan vil det føles og se ud, når vi er i det?
Tom: Et meget vigtigt spørgsmål, for selvom jeg på sigt er meget optimistisk om, at der bliver skabt nok nye arbejdspladser til at skaffe arbejde til så mange, som gerne vil arbejde, så tror jeg, at der er en overgangsperiode, som vi skal bekymre os om. Og det er ikke nødvendigvis positivt for alle. Der vil være nogle personer, hvis gamle job forsvinder, og som af forskellige årsager enten ikke kan eller ønsker at udføre de nye job, der er ledige. Så det er værd at bekymre sig lidt om, hvordan vi klarer det som samfund. Og der er flere muligheder for, hvordan man gør det. Den ene er at bruge teknologi til at gøre et bedre stykke arbejde med at matche, så folk matcher jobs. Hvis du skal gøre det ved at banke på døre, er det meget dyrere, end hvis du bare lægger dit CV ind på LinkedIn eller hvad som helst, og det bliver automatisk matchet. En anden vigtigere, sandsynligvis, måde er at træne folk til at gøre de nye ting, der skal gøres. En af de interessante muligheder her er at bruge teknologiens muligheder til at tillade den træning at foregå på meget mere fleksible måder. I stedet for at skulle sidde i et klasseværelse otte timer om dagen og lære noget af en professor foran i lokalet, er det nu, som det i bund og grund er indlysende for alle, at det nu er muligt for dig at gøre meget af den læring siddende derhjemme eller sidder på din nuværende arbejdsplads på en pause eller hvad som helst, tjener online på alle mulige måder.
Jeg tror, at det endda har muligheder for nye former for lærepladser, hvor du ikke bare kan lære i en klasse, men du kan deltage i arbejdet på en måde, der er lidt overflødig med andet arbejde, der foregår. Så i mange af de nye former for beslutningstagning, der er muliggjort af denne teknologi, vil du have mere end én persons mening. Ikke kun én læge, der stiller en diagnose, men måske fem personer, der stiller en diagnose. Og nogle af disse mennesker behøver ikke at være fuldgyldige, legitimerede læger. Måske kan de være medicinstuderende. Eller i andre domæner ved du, hvis du forsøger at forudsige, om konkurrenten vil lancere et nyt produkt i en bestemt kategori inden en bestemt dato, måske behøver du ikke have verdens bedste markedsforskere til at lave disse forudsigelser. Måske kan du få MBA-studerende eller folk, der gerne vil være MBA-studerende, til at lave disse forudsigelser. Og hvis de gør et godt stykke arbejde med at forudsige, så etablerer de deres egne legitimationsoplysninger. Og selvom de ikke gør det, tilføjer de stadig flere datapunkter til gennemsnittet, så det giver forudsigelserne, og så har de bidraget med noget værdi og lært, hvordan man gør det undervejs.
Elizabeth: Tom, jeg vil gerne takke dig, fordi du tog dig tid sammen med os i dag. Det er en fascinerende samtale. Det er altid interessant at tale med dig om dit seneste arbejde. Og endnu en gang tak fordi du er her og deler dine ideer med os.
Tom: Tak Det er mig en fornøjelse.
****
Elizabeth: Dette er det sidste afsnit af en tredelt miniserie om fremtiden for vidensarbejde produceret med sponsorat fra Citrix. Virksomheden bruger cloud server-teknologi til at sikre, at vidensarbejdere har adgang til de apps og de data, de har brug for, uanset hvor de befinder sig på en given dag. Når du administrerer så mange applikationer og så mange data, viser det sig, at du kan bruge AI på nogle interessante måder for at få det hele til at passe bedre sammen, og endda for at gøre livet mere tilfredsstillende og produktivt for dine vidensarbejdere. For nylig havde jeg mulighed for at sætte mig ned og tale med Citrixs globale teknologichef Christian Reilly, og jeg startede med at spørge ham, hvad Citrix gør for at indbygge mere intelligens i den måde, de leverer applikationer til arbejdere på.
Christian Reilly: Så jeg tror, at kernen i det er ændringen i landskabet af selve applikationerne. Jeg mener, den måde, vi tænker applikationer på, er meget anderledes i dag, end den var for 20 25 år siden, og jeg tror, at en stor del af det er den måde, vi rent faktisk har tænkt over, hvad applikationen forsøger at gøre. Og med det mener jeg, du ved, at vi historisk set har haft masser af store komplekse virksomhedsapplikationer, der har været meget funktionsbaserede. Du ved, at de tager en hel forretningsfunktion, og de tjener alt det, fra f.eks. ordre til kontanter som et godt eksempel på en applikation, der typisk ville have gjort det i historisk forstand. Som vi så fremkomsten af cloud-tjenester, som vi så fremkomsten af mobile enheder og mobile applikationer, har vi set applikationer ændre sig til, hvad jeg vil sige er en mere processpecifik måde. Så individuelle applikationer bliver meget mindre og giver faktisk en slags undergruppe af forretningsprocesser og en undergruppe af forretningsresultater. Så selvfølgelig eksisterer de store applikationer stadig, men de mindre bliver meget mere populære på den måde, vi interagerer på. Så hvis du på en måde sætter det sammen og tænker på traditionelle programmer, der har været komplekse, har de været svære at bruge. Der har været mange forskellige versioner af dem af mange forskellige årsager. Og vi har denne tilstrømning af de mindre, mere lette og mere agile applikationer. Jeg tror, at det, vi faktisk har fundet ud af, er, at der er en interessant sammenstilling mellem produktivitet og udfordringen ved disse eksisterende applikationer, og de kloge mennesker er begyndt at tænke på maskinlæring på måder, der virkelig udfordrer den måde, vi får arbejdet udført.
Så fra et meget simpelt perspektiv vil jeg give et eksempel, hvor vi måske er en organisation, der ansætter 20.000 mennesker. Og vi har et system, der giver folk mulighed for at anmode om fri. Så historisk set er det, vi har været nødt til at gøre, at gå ind i ansøgningen, anmode om fri, og så skulle en anden godkende den. Men nu med maskinlæring kan vi faktisk forstå hey, du ved, at du går ind i denne applikation hver onsdag for at tjekke, om du har fri i dit team. Hvad hvis vi kunne forstå det, og hvad hvis vi bare kunne give dig en simpel mekanisme til at sige hej, du ved, i stedet for at du gør dette hver onsdag, vil jeg se på den måde, du bruger den forretningsproces på, og jeg vil lære af det, og jeg vil give dig en anderledes måde at gøre dette på, som i sidste ende har et bedre resultat for dig, fordi det er hurtigere. Det ændrer ikke din opmærksomhed fra det, du gjorde. Og jeg kan faktisk godt forstå, hvad det er, du har tænkt dig at gøre. Og min maskinlæring, eller i dette tilfælde en kunstig intelligens-tilgang, ville faktisk forstå, hvad du gør i systemet og give dig en anderledes måde at arbejde på.
Elizabeth: Så hvad jeg tror, det du beskriver, Christian, er denne idé om, at AI og maskinlæring måske ikke kun har intelligens til at lave gode analyser af de ting, der foregår på platformen, men også spiller en rolle i måden, applikationerne og operativsystemer er designet i første omgang.
Kristen: Ja absolut. Jeg mener, jeg tror, at det virkelig interessante, en enorm tendens, vi ser, er, og du ved, måske skulle jeg gå lidt tilbage og tale om, at du kender de tidlige år med kunstig intelligens, AI. Det er ikke et nyt koncept. Det har eksisteret siden 1950'erne. Men det, der virkelig er interessant, og jeg tror, er at være kraftmultiplikatoren, er det faktum, at vi nu er i stand til at udnytte maskinlæringsmodeller og -funktioner som cloud-tjenester selv. Så adgangsbarrieren for at implementere maskinlæring bliver faktisk lavere og lavere. Bogstaveligt talt uge efter uge måned efter måned. Så det interessante fra det perspektiv er, at ikke kun nye applikationer, der er udviklet, som har iboende kunstig intelligens og maskinlæringskapaciteter, men traditionelle applikationer, som vi faktisk kan ombygge det samme koncept til, og i sidste ende skabe større forretningsmæssige fordele, større forretningsresultater. Så jeg tror absolut, som vi designer applikationer nu, vil alt have kunstig intelligens indbygget. Uanset om det er et smart-tv eller en hjemmeenhed, en ny bærbar computer, en ny telefon, vil alle have en form for maskinlæring eller AI-kapacitet. Men det, der virkelig er interessant, er, at der nu findes et sæt cloud-tjenester til at tage virkelig komplekse problemer og gøre dem relativt enkle. Så det samlede kapacitetssæt, som vi har, er meget større, og anvendeligheden af disse kapaciteter er meget bredere. Og jeg synes, det bliver virkelig interessant af, hvordan vi kan skabe sande forretningsmæssige fordele, ikke kun til nye applikationer, men i traditionel forretning.
Elizabeth: Der er en fortælling derude, som de fleste af os hører, om hvordan AI og maskinlæring vil gå langt hen imod omkostningsbesparelser. Så afskedige arbejdere, lede folk til at arbejde mere effektivt. Hvad er fortællingen, der illustrerer dette koncept, at AI og maskinlæring faktisk er positivt og gør den måde, vi arbejder på i fremtiden, til en mere behagelig og opbyggelig oplevelse?
Kristen: Nå, jeg tror, at vi kollektivt har bekymret os om, at arbejdet med automatisering er slut i århundreder. Der er faktisk et berømt eksempel i Storbritannien på dronning Elizabeth I, der nægtede patent på en på en automatisk strikkemaskine, fordi hun var bekymret over virkningerne af automatisering på de damer på det tidspunkt, der strikkede for at leve. Og i sidste ende var hun ret villig til ikke at underholde patentet, men kunne ikke stoppe automatiseringen, og masser af organisationer anskaffede disse strikkemaskiner, og over en periode voksede antallet af strikkejobs faktisk eksponentielt. Så det har været ret interessant at følge. Der er en række andre eksempler, der ligner det. Og jeg tror, vi er på samme slags tidspunkt nu, når vi taler om truslerne fra AI. Selvfølgelig er der en trussel for nogle jobs. Se på traditionelle jobs, der måske kan lide callcentre eller kontaktcentre, der relativt enkelt kan forstærkes af noget af den kunstige intelligens ved maskinlæring.
Så jeg tror bestemt, at der vil være et punkt, hvor nogle job går tabt til automatisering, til maskinlæring. Men jeg tror, at måden at se på det i virkeligheden er, hvordan kan vi faktisk anvende dette på en moralsk korrekt måde, der gør os i stand til at eliminere nogle af de virkelig besværlige opgaver, som folk udfører, uanset om det er en lægebesøg, eller du kender endda en frisøraftale, eller godkendelse af en timeseddel. Det er ikke værditilvækst for os som mennesker. Så jeg tror, at jo mere vi faktisk kan anvende maskinlæring, kan vi anvende digitale assistenter og virtuelle assistenter til rent faktisk at håndtere de ting, der er gentagne, og som ikke tilføjer en masse værdi. Jeg tror, vi faktisk kan frigøre tid, vi kan frigøre hjernekraft, vi kan frigøre ressourcer til, at folk kan være mere kreative, så i stedet for at bekymre os om teorien mellem kunstig generel intelligens og robotterne, der kommer til at overtage verden, lad os fokus på den kunstige smalle intelligens, de ting, vi ser hver dag, når vi bruger Siri, eller vi bruger Cortana, eller vi bruger Google Assistant, eller vi har en anbefaling fra Amazon, eller vi ser mere og mere af denne teknologi blive indbygget i linje af forretningsapplikationer, der virkelig tærer på de arbejdskrævende besværlige og gentagne opgaver. Jeg tror, vi fokuserer på det. Vi frigør noget intellektuel kapital, så folk kan være mere kreative, for at komme væk fra hverdagens slid. Det er der, jeg tror, vi kan tilføje mest værdi, og måske skal vi ikke være så bekymrede over, at robotterne kommer til at overtage vores verden, for hey, efter min mening, vil det nok aldrig ske.
Elizabeth: Store. Jamen det er en lettelse. Christian, tak. Det har været vidunderligt. Det har været dejligt at høre fra dig om disse problemer og at lære mere om Citrix.
Kristen: Nå, tak.
Elizabeth: Det var det for denne episode af Business Lab. Jeg er din vært, Elizabeth Bramson-Boudreau. Jeg er administrerende direktør og udgiver af MIT Technology Review. Vi blev grundlagt i 1899 på Massachusetts Institute of Technology. Du kan finde os på tryk, på nettet, ved snesevis af livebegivenheder hvert år og nu i lydform. For mere information om os, tjek venligst vores hjemmeside på technologyreview.com.
Dette show er tilgængeligt overalt, hvor du får dine podcasts. Hvis du kunne lide denne episode, håber vi, at du vil bruge et øjeblik på at bedømme og anmelde os på Apple Podcasts. Business Lab er en produktion af MIT Technology Review. Produceren for denne episode er Wade Roush med redaktionel hjælp fra Mindy Blodgett. Tak til vores sponsor Citrix, virksomheden skaber mennesker centrerede løsninger for en bedre måde at arbejde på. Tak fordi du lyttede. Vi vender snart tilbage med vores næste afsnit.