2020-11-26

Bridge the gap

Findings efter den internationella AI-konferens - Data Science UA mot beslutsfattare och experter.

Ali Leylani

Jag var nyligen en av talarna på den internationella AI-konferens - Data Science UA, där målet var att 'bridge' the gap mellan beslutsfattare och experter. Därför var en hel del av de tekniska föreläsningarna formade så att de skulle vara mottagliga för även icke-tekniker.

Interpretable Machine Intelligence – enorma möjligheter

BIO: Ali Leylani
  • Titel: Artificial Intelligence Specialist på Atea.
  • Plats: Arbetar med kunder och kollegor i hela Sverige, men min fysiska arbetsplats finns på Atea i Stockholm, sedan februari 2018.
  • Utbildning: Matematik och teoretisk fysik på Stockholms Universitet. Har byggt på med kurser inom (bland annat) AI och Machine Learning från Stanford och MIT.
  • Gjorde innan Atea: Arbetade under flera år som lärare, parallellt med universitetsstudierna. Därefter ett år som ämneslärare i matematik och fysik, på Södertörns Friskola. ”Jag lärde mig massor om pedagogik, didaktik och att förklara så alla förstår.”

Läs mer om Ali här

Från Atea så pratade vi om Interpretable Machine Intelligence. Kontentan var att, trots att vi alla mer eller mindre, nu förstår att modern maskininlärning är enormt kraftfullt och att vi ser enorma möjligheter, så är vår faktiska förståelse kring hur det funkar fortfarande relativt liten.

Dels är den rent tekniska förståelsen hos beslutsfattare liten, men framförallt är man ignorant kring hur man optimalt sätt tillämpar den. Man kan få ut mycket mer information ur modellerna än vad man tror, och därför även öka effekten av vad det ger. Jag pratade även om olika tillvägagångssätt att lära känna och förstå våra AI-modeller bättre. Syftet är delvis betydligt större verksamhetsnytta, men även säkerställa att modellerna är robusta, transparanta och rättvisa. ​

Reach-out till verksamheten – hur då?

Min övergripande bild av resten av konferensen var likaså. Väldigt mycket försök till reach-out till verksamhet, men varierande resultat. Det är tydligt att det krävs en starkt pedagogisk förmåga för att förmedla svåra koncept från AI på ett begripligt och intressant sätt, till personer med icke-teknisk bakgrund.​

Hänger mognaden med utvecklingen?

En tydlig trend är att den här utmaningen består. Tekniken utvecklas blixtsnabbt samtidigt som samhällets mognad inte riktigt hänger med. Trots att vi ändå ser en ökad förståelse i samhället är det oftast på en hög nivå som kan leda till obefogat högt självförtroende. Faran med det är just att man inte blir uppmärksam för teknikens fallgropar, vilket det finns många av. Det är definitivt något man bör anmärka och jobba vidare på.

Tips på vägen

Försök ha ett öppet sinne och våga vara nyfiken. Fråga efter detaljer, och våga ifrågasätt. Alla frågor är bra frågor. Det är sedan experten och specialistens uppgift att förmedla kunskap på ett gripbart sätt till dig. Att ha en genomsyrande samsyn kring AI-teknikens förmågor och  utmaningar vinner vi alla på, och det kommer leda till mer samhällsnyttiga tillämpningar.