Emma Engström, Pontus Strimling. Emma Engström, Pontus Strimling.

Spridning av AI bland konsumenter

Emma Engström och Pontus Strimling har fått en artikel publicerad om spridningen av artificiell intelligens inom konsumentområdet.

Artikelns titel är Deep learning diffusion by infusion into preexisting technologies—implications for users and society at large, och har publicerats i Technology in Society. Författarna är knutna till Institutet för Framtidsstudier och ingår i WASP-HS projektet Predicting the diffusion of AI-applications.

Effekter på samhället av teknik förutsätter att tekniken sprids i samhället. Studien som redovisas i artikeln berör de processer som driver spridningen av artificiell intelligens (AI) i konsumentområdet. Intressant är att vissa AI-applikationer har spridit sig mycket snabbt, medan andra har spridit sig mycket långsammare än väntat. Till exempel användes röstassistenten Siri aktivt på en halv miljard enheter under 2018, medan autonoma fordon har tagit mycket längre tid att nå konsumenter.

Forskningsfrågan är: Hur viktigt har infusion av djupinlärning i andra tekniker varit för dess spridning bland individer?

Några sammanfattande punkter ur artikeln:

  • Vi studerar de djupinlärnings (DL)-tekniker som har spritts mest i samhället hittills och undersöker hur de har spritts (med fokus på USA).
  • En dominerande spridningsmekanism för DL är via infusion: DL-algoritmer adderas till befintlig teknik som redan används och som har en annan central funktion än det som DL erbjuder (via automatiska versions-uppdateringar).
  • Alla de 15 mest använda apparna i USA (maj 2019) använder infuserad DL för rekommendationer eller ranking av innehåll.
  • Detta innebär att i princip alla som använder en smartphone använder DL.
  • Fyra av fem personer i USA använder en smartphone (85% i Sverige) och den genomsnittliga användaren lägger 3 h per dag på mobilappar.
  • Detta tyder på att infusion av DL i mobilappar en av de viktigaste formerna för spridning av DL i samhället.
  • Spridning av DL verkar därför främst vara en effekt av DL-leverantörernas beslut snarare än DL-användarnas, vilket skiljer spridning av DL från tidigare generell teknik.