Artificial Intelligence

För ett par veckor sedan stod det klart att Amazon lägger ner sitt koncept för obemannade butiker – Just Walk Out – där kunderna kunnat plocka på sig varor och gå därifrån helt utan att passera någon form av kassa. Istället har allt skötts automatiskt med hjälp av ett stort antal kameror och sensorer. Eller?

För det som blev snackisen runt nyheten blev inte att Amazon byter spår och nu ska fokusera på teknik med självskanning i varukorgarna, utan en uppgift som började spridas om att det i själva verket varit över 1 000 personer i Indien som suttit och övervakat allt och skött utcheckningen som ett sorts dolda kassabiträden på distans. En oemotståndlig Trollkarlen från Oz-historia för många som med illa dold förtjusning kunde dela ut nålstick mot den växande AI-bubblan.

Men även om underhållningsvärdet givetvis hade varit stort om detta hade stämt så var det ju inte riktigt så. Det som de tusen indierna hade ägnat sig åt var, vilket framgår av sajten The Informations ursprungliga rapportering, data labeling. De sysslade med att granska transaktioner och märka bilder från videor för att träna Just Walk Outs maskininlärningsmodell. Förvisso krävdes granskning av en stor del av kundernas köp, så tekniken var långt ifrån perfekt, men den mänskliga inblandningen var knappast större här än i andra AI-system. (I onsdags såg sig AWS till slut nödgade att gå ut med en officiell dementi av ”tusen indier”-storyn.)

Att människor har en väldigt stor roll i grovjobbet bakom de flashiga AI-modellerna är ingen hemlighet längre, även om det är något som techjättarna och AI-bolagen inte gärna pratar så mycket om. En förklaring till det, förutom att det gör tekniken lite mindre ”magisk”, är förstås att arbetet till stor del utförs av låglönearbetare i utvecklingsländer, ofta under tveksamma arbetsförhållanden.

I augusti förra året rapporterade The Guardian om situationen för AI-arbetare i Kenya, senare samma månad granskade Washington Post samma sak i Filippinerna och det gjorde också Svenska Dagbladet ett par månader senare, för att ta några exempel. Senast i slutet på mars rapporterade Rest of World (som är outstanding i den här typen av frågor) om hur AI-tränare i en rad länder blivit av med sina uppdrag helt utan förvarning. 

Kanske för att ersättas av mer högutbildade gigjobbare? New York Times skrev i förra veckan att AI-systemen nu är på nivån att detta börjar krävas. Scale AI, en av de största aktörerna på området och samma företag vars dotterbolag gav ovan nämnda arbetare sparken, har börjat annonsera efter gigarbetare med akademisk examen i olika språk eller med expertkunskap inom exempelvis kodning.

Det vi kallar AI har fortfarande ett enormt beroende av mängder av människor för att fungera, men det innebär inte att det sitter en liten gubbe dold i den magiska maskinen.

Undantag finns dock. 

I januari släppte en amerikansk podcast under buller och bång en nyskriven komedispecial på Youtube av och med legendariske komikern George Carlin som varit väldigt död i över 15 år. Specialen ”George Carlin: I’m Glad I’m Dead”, sades vara skapad genom att träna en AI på Carlins samlade verk (och röst). Det hela fick stor uppmärksamhet och ledde föga förvånande till att Carlins efterlevande lämnade in en fet stämning för upphovsrättsintrång.

Saken avgjordes nyligen via en förlikning och den ”AI-skapade” komedispecialen är nu nerplockad från internet. Jag skriver ”AI-skapade” inom citattecken, för i samband med stämningen kom det nämligen fram att det nyskrivna materialet inte alls var AI-genererat. Det var skrivet av en av poddarna, författaren Chad Kultgren.

Så ja, ibland är AI:n bara en vanlig snubbe. 

—

Den här krönikan är hämtad ur CS Veckobrev, ett personligt nyhetsbrev med lästips, länktips och analyser skickat direkt från chefredaktör Marcus Jerrängs skrivbord. Vill du också ha nyhetsbrevet på fredagar? Skriv upp dig för en kostnadsfri prenumeration här.

I början av 2023 använde 10 procent av företagens mjukvaruutvecklare AI-kodassistenter enligt analysföretaget Gartner som nu spår att det ökar till 75 procent 2028.

Redan under det tredje kvartalet 2023 uppgav 63 procent av organisationerna att de genomför pilotprojekt, implementerar eller redan har implementerat AI-kodassistenter, enligt en Gartner-undersökning med 598 globala respondenter. 

Gartner ser flera fördelar med AI-kodassistenter och pekar på att de fungerar som samarbetsassistenter som inte bara genererar och kompletterar kod utan också stimulerar brainstorming och ökar kodkvaliteten vilket gör det möjligt för utvecklare att höja sin kompetens kontiunerligt. Det innebär i sin tur att trivseln ökar och personalomsättningen sänks. 

Men för den som använder sig för ett traditionellt ramverk för ROI, avkastningen för investeringen, riskerar att missa det värde som AI tillför enligt Gartneranalytikern Philip Walsh.

– Att beräkna tidsbesparingar vid kodgenerering är en bra utgångspunkt för att börja bygga en mer robust värdeberättelse”, säger han. 

– För att förmedla hela företagets värdeberättelse för AI-kodassistenter bör mjukvarutekniska ledare koppla värdeförstärkare till effekter och sedan analysera den totala avkastningen för organisationen. 

Inflation och ökad konkurrens har minskat lojaliteten med varumärken på den svenska marknaden enligt undersökningen Consumer Voice Report 2024, som Opinium Research gjort på uppdrag av Servicenow, har 15 000 personer i tio länder tillfrågats, varav 1 000 i Sverige. 73 procent av svenskarna uppger att de är mindre lojala än för två år sedan. 

I undersökningen har deltagarna också fått svara på hur de ser på interaktionen med företag. 

I topp för svenskar hamnar sömlös service, 70 procent, snabb responstid, 67 procent, och flera alternativ för kontakt med företaget, 62 procent. 

När det behövs mer avancerad hjälp eller support uppger 34 procent ett personligt samtal med en företagsrepresentant och 29 procent föredrar att chatta med mänsklig kundtjänst för snabbare ärenden. 

Av dem som inte vill använda automatiserade AI-tjänster uppger 35 procent att de inte vill att AI ska ersätta människor i kontakten med kunder. 32 procent anser också att svaren från sådana tjänster har låg trovärdighet och 20 procent har svårt att hantera dem. 

Fram till 2025 vill 59 procent av de svenska respondenterna att kundservicen återgår till mer mänsklig kontakt och mindre automatiserade flöden. 46 procent vill att den ska vara tillgänglig dygnet runt. 

Skåne är extra drabbat av det invasiva gräset renkavle som slår hårt mot veteskördarna och för att bekämpa det används besprutning – för det är svårt att hitta. 

– Det är som att leta efter gräs bland gräs, säger Mattias Dahl, professor vid Blekinge Tekniska Högskola, BTH, i ett pressmeddelande. 

Renkavle minskar skördarna med 30 procent till en början och upp till 60–70 procent om det får riktigt fäste. 

Men nu har forskare vid BTH testat AI för att upptäcka renkalven och kunna rensa bort den. Projektet har nu kommit halvvägs och resultaten är lovande. 96 procent av renkalven har upptäckts på de fält där det används. 

– För att hitta renkavlen använder vi en drönare som bär på en kamera. Drönaren flyger över fälten och tar en mängd bilder med bra upplösning. Bilderna analyseras sedan med hjälp av AI och vi får på så sätt fram var på fälten renkavlen finns, säger Mattias Dahl.

Genom att kunna se exakt var renkavlen växer kan det bekämpas på andra sätt än genom besprutning. 

– Vi skulle kunna förse traktorerna med koordinater med hög precision som information om exakt var bönderna ska bespruta. Det skulle minska mängden besprutning och förhindra att renkavle får fäste, säger Mats Pettersson, professor vid BTH.

För 14 år sedan byggde Vattenfall en fisktrappa vid Storrnorfors vattenkraftverk där lekande fiskar kunna ta sig förbi till den outbyggda Vindelälven eller ner mot havet. Och för några år sedan startades ett AI-projekt för att kunna få en bättre bild av hur de fiskar som passerar mår och på så sätt kunna följa olika trender. De data som samlas ihop är öppna och delas med andra som kan ha nytta av dem. 

– Med bildigenkänning kan vi identifiera om det är hannar eller honor och vi kan se på deras storlek – förhållande mellan deras längd och höjd – hur bra de mår. Smala laxar mår inte lika bra, säger Patrik Andreasson, som arbetar med projektet på Vattenfall R&D. 

– Vi analyserar resultaten tillsammans med experter och genom att skära i informationen vi tar in på olika sätt kan vi få fram nya mönster. 

Lär upp algoritmerna

Under en fiskvandringssäsong samlar man ihop ungefär 17 terabyte videomaterial berättar Dag Wästlund, ansvarig för Vattenfalls enhet Data Science & AI. 

– Det är videomaterial som vi samlar in i den initiala fasen för att lära upp våra algoritmer. När vi är nöjda så kan algoritmen klara att göra analysen och skicka upp siffrorna i realtid utan att vi behöver lagra allt material. 

Men fortfarande tränas algoritmen på fler uppgifter – bland annat hoppas man på att med hjälp av AI kunna identifiera enskilda laxindivider, ett försök som dras igång nu i vår. Exempelvis skulle bildigenkänningen kunna lära sig att identifiera med hjälp av avstånden mellan prickarna på deras kroppar.

– Det är vår roll att utmana de här systemen. Genom att kunna följa individer så kan vi få en bättre uppfattning om exempelvis hur effektiva passagerna är, säger Dag Wästlund. 

Stoppa invasiva arter

På sikt skulle AI-igenkänningen också kunna användas väldigt konkret för att stoppa invasiva arter, enligt Patrik Andreasson. 

– Det finns en art som heter puckellax som sprider sig och som också dykt upp i Göta älv. Där skulle vi kunna använda tekniken så att vi stoppar den från att gå upp i fisktrappan och ta sig vidare upp i våra älvar.

Försök har också gjorts tillsammans med Statens Lantbruksuniversitet, SLU, för att se om det går att stoppa passagen för den invasiva arten svartmunnad smörbult och släppa förbi den inhemska stensimpan med hjälp av AI, men där har man inte nått ända fram ännu. 

Tjädrar en indikator

Men det handlar inte bara om fiskarnas väg förbi vattenkraftverken. I ett projekt som ska avslutas senare i vår har Vattenfall tillsammans med SLU kartlagt tjädrar i ett par olika områden, varav ett i närheten av ett vindkraftverk. Syftet är att bättre förstå den biologiska mångfalden i en skog som fungerar som den ska. 

– Tjädern är en indikator för en välmående barrskog, så kallad tajga. Genom att fokusera på tjädrar så kan vi få en bild av hela den biologiska mångfalden. Och det viktiga är att vi också vidgar det till hela årscykeln – ofta inventerar man bara spelplatsen för tjädertupparna men vi tittar också på hönor och allt annat som händer under ett år, som den period där de ligger på sina reden, säger Patrik Andreasson. 

– Och vi har också tagit det ett steg till och också samlat in en hel del även om andra fåglar och däggdjur. 

Här handlar det inte bara om bildigenkänning utan också om ljud – viltkameror är uppsatta och ljudboxar registrerar ljud vid gryning och skymning. Dessutom har SLU utrustat en del tjädrar med gps-västar så att man även kan följa hur de rör sig. 

Förbättrar verktygen

Som grund används ofta kommersiella verktyg men de räcker ofta inte hela vägen enligt Dag Wästlund. 

– Nej, vi förbättrar dem för att de ska klara våra krav. 

När det gäller de ljud man tar upp så används exempelvis Birdnet. 

– Men när man går ut i en svensk skog så är det så att svenska fåglar låter lite annorlunda än tyska eller amerikanska så vi måste klara att detektera dem i en svensk miljö, säger Patrik Andreasson. 

De AI-verktyg som används för att följa fiskarna är egenutvecklade och de är väldigt beroende av var de används. 

– Vi ska börja använda samma teknik i Göta älv men eftersom det är andra ljusförhållanden där så måste vi justera verktyget lite. Det är inte lika smart som vårt öga som klarar att anpassa sig, säger Dag Wästlund. 

Skapar bra mätmetod

Bland det viktigaste med att använda AI på det här sättet är att det går att skapa en bra mätmetod som kan användas under flera säsonger, framhåller han. 

– En fördel med den här tekniken är att man mäter på samma sätt så att man får något konkret att jämföra med. När man gör manuella mätningar så handlar det om vem som gör proven, med detta får vi en högre noggrannhet. 

Och det kommer upp nya frågeställningar och användningsområden hela tiden. 

– Ju mer vi gör ju fler frågeställningar får vi. Nu funderar vi på att använda tekniken till att hålla koll på hur fiskarna mår i de fiskodlingar som vi på Vattenfall har. Det är inte helt enkelt att se status på de laxar vi slipper ut när det ligger hundratals i ett tråg men kanske skulle vi kunna se det bättre med bildanalys. Så det dyker upp nytt hela tiden, säger Patrik Andreasson.