Att delta i internationella konferenser är en viktig del av arbetet för forskare knutna till WASP-HS. Här rapporterar Gunnar Holmberg, adjungerad professor vid Linköping universitet och ansvarig för affärsutveckling för framtida system på Saab. Han deltar i projektet The emergence of complex intelligent systems and the future of management inom WASP-HS.
Vi står i början av arbetet inom WASP-HS. För oss är WASP-HS ett utmärkt tillfälle att vara del av en smältdegel med olika perspektiv som vi annars sällan möter, något som säkert kommer att stimulera oss och utmana våra perspektiv. Deltagandet i WASP-HS kommer förhoppningsvis att bli till en hjälp för oss att ge ytterligare relevanta bidrag till det livfulla AI-området och dess inverkan på samhället.
En sak vi gör är att försöka delta i möten och konferenser utöver det fokus vi vanligen har. Strax före coronautbrottet i Europa reste vi till en konferens som heter AI@Work in Amsterdam. Konferensen organiserades av Reshaping Work och utmärkte sig som ”en innovativ internationell och flera arrangemangsserie som diskuterar de senaste trenderna om digitala trender och arbetets framtid genom att främja forskning och kollektivt tänkande”.
En central fråga under konferensen var om AI skulle få arbetsmarknaden att minska, förändras eller växa. Generellt sett tycktes åsikten vara att den huvudsakligen kommer att förändra arbetsmarknaden, vilket kanske inte är så förvånande från en grupp som är involverad i ämnet. En intressant aspekt som diskuterades var att begränsad, smal AI hittills har kapacitet att utföra enstaka uppgifter, medan de flesta jobb faktiskt innehåller många uppgifter.
Vi tog tillfället i akt att presentera och diskutera några av våra idéer som fokuserar på konsekvenserna för management när AI impementeras i komplexa system och kritisk infrastruktur. Vi diskuterade kombinationen av modellbaserade och databaserade metoder för att uppnå komplexa system med inbäddad intelligens. Sådana system utvecklas i organisatoriska eller industriella ekosystem, och när man använder AI-teknik finns en ökande förväntan från samhället på ekosystemen att överväga en bredare uppsättning etiska aspekter i sina beslut och aktiviteter.
För att återspegla detta i vår studie använde vi de allmänt stödda Asilomar-principerna för utveckling av AI som uttrycker ambitionen att etiskt utveckla AI. I presentationen skisserade vi ett antal utmaningar för management, till exempel hur man implementerar ett tillfredsställande målmedvetet beslutsfattande som anpassar sig dynamiskt under systemets livscykel. Vår presentation var del av en session med sammanhängande presentationer och resulterade i intressanta diskussioner.
De flesta andra presentationer på konferensen behandlade fristående applikationer av smal AI, men noterade påverkan av applikationskontexten och behovet av en tät integration för att få full effekt. Vårt fokus på komplexa system, modeller och data skapade således en stor nyfikenhet.
En av utmaningarna som diskuterades i flera av de studier som presenterades vid konferensen är olika lösningars användbarhet. Detta inkluderar hur man hittar gränserna för deras tillämpningar, tittar på hur tillförlitlig en modell är som genereras genom maskininlärning och hur den kan förklaras.
Vi såg flera exempel inom hälsovård, t.ex. upptäckt av cancertumörer och lösningar som kan hjälpa till att prioritera vilka patienter som ska få intensivvård. Flera forskare deltog i aktionsforskning och experiment. För att få utföra sina experiment hade dessa forskare inlett diskussioner om hur man skulle utföra och avgränsa ett sådant experiment så att det inte skulle vara farligt.
Presentationerna visade vanligtvis hur en viss applikation skulle göra skillnad när AI är mer mogen, samtidigt som de rapporterade om ganska starka begränsningar av sina experiment med nuvarande AI. Vi saknade studier som rapporterade hur andra teknologier och processer kunde arbeta tillsammans med AI för att dra nytta av en mindre mogen AI och stödja tidig implementering utan övertro på metoden. Ett enkelt exempel är vad som händer när AI gör den första skanningen efter cancertumörer. På vilka sätt kan mänsklig efterbehandling användas för att eliminera falskt positiva, och kanske ännu viktigare falskt negativa resultat? Det finns förmodligen många konsekvenser av sådana hybridmetoder som förtjänar forskarens uppmärksamhet.
Detta är bara en illustration av vikten av att överväga kombinationen av management och teknik tillsammans. En del av lösningen kommer från teknisk utveckling av AI, medan processer och rutiner är ett nödvändigt komplement för att möjliggöra tidiga målmedvetna applikationer.
Om du är intresserad är du välkommen att titta på vår korta projektpresentation på The emergence of complex intelligent systems and the future of management.
Foto ovan: Gunnar Holmberg och Nicolette Lakemond, två av deltagarna i projektet. Foto: Mikael Sönne/LiU.
