Efter en meget lang skrivepause begynder en ny roman at tage form, og den handler selvfølgelig om ny teknologi og etik. Den kunne være en del af Novum-serien, men er det ikke. I stedet er den for de lidt ældre med et sæt helt nye hovedpersoner, som jeg glæder mig til at skabe og skrive i live. Bogen har dog meget samme emne som nummer 3 i Novum-serien, nemlig tekniske forbedringer af kroppen, men med et helt andet take på emnet. I øjeblikket har jeg skrevet en tredjedel, og håber at være færdig med første udkast i år.
Forandret – Novum 3 kommer imorgen.
Nu er der ikke længe til, jeg selv står med bogen i hånden. Den komme i morgen, men kan allerede bestilles på forlaget: Dansklæreforeningensforlag, hvor man også kan smugkigge i bogen. Og har man lyst til at se, hvordan bogen er blevet samlet på bogbinderiet, så kan det faktisk ses her.
Forandret handler igen om Freja og hendes venner. I denne spændende historie får Freja og Marie en ny klassekammerat, som de i første omgang synes er lidt irriterende, men da han forsvinder og begynder at kontakte Freja, beslutter de sig alligevel til at hjælpe ham. Men hvem er efter ham og hvorfor?
Forandret er den sidste af de tre planlagte bøger i serien Novum på Dansklæreforeningens forlag. Bøgerne beskriver teknologi og etiske spørgsmål omkring brug af teknologi, for de 11 til 14 årige igennem en spændende og dragende historie.
Bøgerne er skrevet med primært fokus på pigerne, da jeg mener, der er et stort behov for at gøre flere piger interesserede i teknologi, både de muligheder det giver os, men også de etiske spørgsmål, der opstår, når vi f.eks. udvikler kunstig intelligens, lader vores biler tage beslutninger eller udbygger og forbedre vores kroppe med teknologi.
Novum bog 3 er under redigering.
Jeg har her i denne uge sendt første korrektur af bog 3 – Forandret tilbage til forlaget, når ferien er vel overstået skal vi kigge på forsiden og på bagside tekst. Nedenfor får I lov til at smugkigge på indholdsfortegnelsen i den nye bog…
Bogen kommer til at indgå i forlagets efterårets bogpakke, og skulle gerne være ude slut oktober.
Flygtet – Novum bog 2 er kommet!!
Sidst i april fik jeg den i hånden, og nu er den tilgængelig for alle jer. Den er på 77 biblioteker allerede, men I kan også bestille. Bog 2 i Novum serien med titel: Flygtet er udkommet som en del af forårets bogpakke hos dansklæreforeningens forlag. Man kan bestille bogen via forlagets side.
I bog 2 følger vi igen Freja og Marie og deres venner i en spændende historie om endnu et novum, der vil ændre vores hverdag og liv i fremtiden.
Jeg håber, I får lyst til at læse, og til at diskutere de etiske emner bagefter.
Robotter i byggebranchen
Når ikke jeg skriver her eller på mine bøger, så arbejder jeg i byggebranchen, og det har jeg gjort i 20-25 år, derfor er robotter og kunstig intelligens brugt på problemer og opgaver i byggeriet noget der interesserer mig ekstra meget.
I dette indlæg har jeg samlet links og historier fra anvendelsen af nye teknologier i byggebranchen, primært med fokus på Robotter. I et andet indlæg vil jeg koncentrere mig om udsigterne for anvendelse af kunstig intelligens i byggebranchen.
Automatiserede byggerobotter
3D print og murerobotter spås en stor fremtid inden for byggeri. I 3D print anvendes våd betonmasse til at printe murene. Med murerobotterne lægger robotten stenen, som inden er blevet sprøjtet til med enten mørtel eller special lim.
Det første 3D printede hus i Europa blev printet i 2017 i Nordhavn ved København af 3D Printhuset. Robotten og det printede hus kan man læse om her og i videoen nedenfor.
Et eksempel på en murerobot er den australske Hadrian, som er omtalt i denne artikel fra Ingeniøren. Den kan også ses i en nyere video nedenfor.
De to ovenstående eksempler er begge løsninger, som er under udvikling, og stadig kræver beskyttede og kontrollere forhold: bestemt vejr, lige underlag osv. osv. Det har nemlig vist sig, at noget at det udfordrende for robotter i byggeriet er det fysiske miljø.
Det fysiske miljø er udfordrende
Robotter er på vej ind på byggepladserne. Indtil de sidste par år har robotter, når vi undtager droner, været forebeholdt fabrikker, hvor de kunne sættes til at udføre opgaver der var veldefinerede og skulle udføres igen og igen, f.eks. som vi kender det fra bilproduktion eller anden produktion. Her er robotter i deres es. Bevægelserne er de samme, det, robotten skal samle, har altid den samme form og består af de samme dele. Omgivelserne, eller det miljø robotten skal udføre opgaven i, er også altid det samme. På en fabrik er det også lettere at adskille mennesker og robotter, sådan at robotterne ikke kommer til at skade mennesker, og mennesker ikke går i vejen for en robot.
Sådan er det ikke for de robotter, der skal anvendes på en byggeplads. Selv om entreprenøren på en byggeplads gør alt for at holde den ryddet og pæn vil der altid være ting der ligger, ting der står og omgivelserne forandre sig hele tiden. Den ene dag er der ingen væg, den næste et stålskellet, og næste dag er der en færdig væg.
Den ene dag er der ingenting i udgravningen, den næste er der støbeforme og armering. Omgivelserne på en byggeplads ændre sig hele tiden. Desuden er der rigtigt mange mennesker på en bygeplads. For slet ikke at tale om vejret og de betingelser et udendørsmiljø kan give. Byggepladser er derfor slet ikke optimale forhold for anvendelse af robotter – alligevel er det et sted, hvor der virkelig er noget at vinde, ved at en robot udfører mange af de nedslidende og hårde løft.
Robotten som hjælper
3F har i deres medlemsblad haft fokus på robotter, og skriver blandt andet om den danske robot: WallMo . WallMo er ikke en fuldautomatisk robot, men en robot, der styres af mennesker, men foretager alle de svære og tunge løft. Den hælper med at løfte og montere store tunge glasfacader.
En anden robot, der kan løse opgaver på en byggeplads blev præsenteret fra Japanske AIST (National Institute of Advanced Industrial Science and Technology) i Tokyo. . Den kan hjælpe med at sætte gipsvægge op. Den er ikke hurtig, og vil ikke kunne konkurrere med danske håndværkere, men tilgengæld kan den arbejde 24 timer i døgnet. Robotten er beskrevet af ingeniøren i en artikel fra oktober 2018.
Noget som måske er mere anvendeligt og faktisk allerede er i brug hos en af de store skandinaviske entreprenører er en robot der kan binde armering. Et job, som ellers er nedslidende både fordi man skal bukke sig mange gange, men også fordi det er hårdt for hænderne at binde armering på f.eks. store brobyggerier. Robotten er beskrevet her i ingeniøren. Og se Skanskas egen video om robotten her.
Kvaliteten af modellerne er udfordrende
Det er ikke kun byggepladsen og de fysiske omgivelser, der er en udfordring for robotterne. Det er ligeså meget os mennesker, og den måde vi projekterer bygninger på. Vi gør det nemlig ikke detaljeret nok, til at robotterne kan bruge det til noget. Hvis automatiserede robotter skal være anvendelige i en byggeproces, skal der arbejdes meget med detaljeringen og kvaliteten af de modeller, der bygges efter. Dette er beskrevet i endnu en artikel fra ingeniøren. Her beskrives set, at når arbejdet på byggepladsen og på elementfabrikker begynder, før der reelt er projekteret færdigt og i bund, så indeholder de modeller, der haves på det tidspunkt ikke de rigtige informationer. Der er behov for at rådgivere arbejder mere med modellerne og sikre en bedre kvalitet og sammenhæng i modellerne, så de rent faktisk kan anvendes til produktion af elementer eller til styring af robotter på pladsen.
En højere kvalitet og stringens (klassifikation) i modellerne vil også spare meget tid hos entreprenørene. Hvis der sikres en højere kvalitet af modellerne vil gøre det muligt for entreprenørene, at stole på de mængder der kan trækkes ud af modellerne. Istedet for, som man gjorde, mens jeg var ansat hos MTH, at entreprenøren er nødt til at få modellerne modelleret i f.eks. Vietnam udfra tegninger.
Der er altså flere grunde til at robotter endnu ikke findes på alle byggepladser, men der sker hele tiden ny udvikling. Ingen ved endnu, hvad fremtiden byder.
Podcast på dansk om selvkørende biler
Vil du hellere lytte end læse om selvkørende biler, så er her links til et par podcast om selvkørende biler. Jeg vil forsøge at udvide listen, hvis der kommer flere til:
Techtopia er en ugentlig podcast om teknologi, startups og forskning. Om Digitalisering, kunstig intelligens, nano, bio og den 4. industrielle revolution. Der er udkommet flere podcasts der omhandler selvkørende biler:
- Robotbilens dilemma
- Selvkørende Uber bil slår fodgænger ihjel
- Selvkørende el bil forandre 100 år gammel firma
- Biler er noget vi deler – også med robotterne
DR har også en ugentlig podcast: Digital om teknologi og en af disse handler om selvkørende biler.
Videnskab.dk har ligeledes en ugentlig podcast. Den handler ikke altid om teknologi, men de har en enkelt, der omhandler selvkørende biler:
- En dyster hemmelighed i hjertet af kunstig intelligens (start 8 minutter inde i podcast for at høre om AI i de selvkørende biler)
Flere følger, når jeg falder over dem 😉
Novum bog nummer 2 på vej
Kontrakt på plads. Første redigering ved at være færdig. Selv om vi har udskudt udgivelsen af bog 2, Flygtet, i Novum-serien, er det ikke fordi, der ikke bliver arbejdet på serien.
I bog 2 møder vi igen Freja, Marie, Emil, Gustav og Nor, denne gang bliver de ramt af en ulykke, der måske eller måske ikke, har sammenhæng til et novum… Her er overskrifterne på de første kapitler:
Jeg glæder mig til den udkommer, og alle kan læse den spændende historie. Lige nu arbejder jeg på højtryk med diverse rettelser forlaget har ønsket. Når manus er sendt afsted om blot 10 dage, går arbejdet igang med bog 3. Det bliver en dejlig sommer med massere af skriveaktivitet.
Arbejdspørgsmål om kunstig intelligens
For ikke så længe siden var der en elev fra en niende klasse, der kontaktede mig om arbejdspørgsmål om kunstig intelligens i forbindelse med et projekt, han skulle lave i skolen. Han stillede en række spørgsmål, en hel del af dem handlede om selvkørende biler (se indlægget her, hvis du er nysgerrig på selvkørende biler), men også spørgsmål der handlede om kunstig intelligens. Det, jeg svarede ham, kunne sagtens være relevant for andre, og jeg vil derfor gengive de svar, jeg gav ham.
Hvordan står det til med udviklingen af kunstig intelligens?
Det er jeg ikke ekspert nok til at udtale mig om, primært fordi jeg ikke arbejder med forskning indenfor feltet mere, men jeg har haft stor glæde af følgende artikel og video, der også underbygger en af mine pointer omkring, at vi skal hen mod systemer, der kan forklare, hvordan en beslutning blev nået. Se denne artikel om de nyeste teknikker til kunstig intelligens, samt en video om udviklingen (start med at se videoen).
Hvordan kan mennesker mest hensigtsmæssigt anvende kunstig intelligens?
Svært spørgsmål. Jeg ikke har noget svar på. Vagtsomt.
Nogle modstandere er bange for det, som de kalder the intelligens explosion. Der er det tidspunkt, hvor en kunstig intelligens bliver så smart, at den kan forbedre sig selv, og derefter vil kunne gøre det uendeligt hurtigt. Og at de kunstige intelligenser derefter vil forsøge at udrydde mennesker. Jeg anser det ikke for noget, jeg selv vil komme til at opleve, men dog for noget man skal overveje. Og en af grundene til at man skal forske og tænke over etikken i anvendelse af teknologi.
Det gælder forøvrigt ikke kun kunstig intelligens, men også f.eks. cyborg-teknologi, hvor vi begynder at forbedre vores kroppe, så det kan mere end almindeligt. Også her skal man overveje etikken i det. Kig efter artikler om transhumanisme, hvis du vil læse om de helt vilde perspektiver, hvor man forestiller sig en sammensmeltning mellem robotter og mennesker.
Hvordan bliver mennesker påvirket af kunstig intelligens?
Lige nu – ikke ret meget, som jeg ser det. Men der er lavet flere undersøgelser og studier inden for de sidste år, der prøver at forudsige udviklingen. Se blandt andet:
- Siri-rapporten
- Bliv klogere på den 4. industrielle revolution
- Den offentlige’s omtale af en Mckinsey-rapport
Og ikke mindst en interessant side på engelsk, der kan fortælle om lige det job du kunne tænke dig at få, når du er færdiguddannet, i virkeligheden vil blive udført af en robot: http://www.bbc.com/news/
Bør vi frygte kunstig intelligens?
Hvad tænker du selv, efter at have kigget på noget af det ovenstående, samt sikkert på andre kilder?
Jeg er af den overbevisning, at vi ikke bør frygte det, men at vi skal være opmærksomme og forholde os til etikken og til den påvirkning teknologi (ikke kun kunstig intelligens) har på vores fremtid og samfund.
En af mine missioner med min hjemmeside, og med de bøger jeg skriver, er blandt andet at gøre børn og unge, som dig, interesserede i emnerne, og at I uddanner jer, så I kan være med til at forske og sætte retningen for udviklingen og brugen af teknologi i fremtiden.
Der findes flere som advarer mod forskning og brug af kunstig intelligens, og det er ikke bare nogen der er uvidende, men faktisk forskere indenfor området, blandt andet en svensker Nick Bostrom i bogen: Superintelligens, se også denne artikel om ham eller sådan en som James Barrat i hans bog: Our final invention, eller se en video med ham her. Og så til sidst kender du formodentlig til stephen hawkings brev.
På den anden side har man transhumanisterne og singularity university, der mener at AI vil redde os og jorden (vær opmærksom på, at singularity university IKKE er et egentligt universitet, men en organisation, der ønsker at sprede troen på og viden om at AI og fremtiden bringer os en masse goder og løsninger).
Specielt Ray Kurzweil er centrum for disse synspunkter, læs om ham i wiki og på DR.
Jeg håber, der er andre end Simon, som kan få glæde af disse svar og samlingen af links.
Fanget – Bog 1 i Novum-serien
Så fik jeg den endeligt at se. Min første bog. Debut.
Det har taget 8 år fra jeg begyndte at skrive, til jeg nu står med min første bog i hånden. Det er en fantastisk fornemmelse, også at vide at der kommer flere.
Fanget er første bog i Novum-serien, der er spændingsbøger, som alle kunne foregå i nutiden, men som hver især omhandler et novum – en ny teknologisk udvikling – der vil ændre vores hverdag og liv i fremtiden.
Tak til alle dem, der har hjulpet undervejs, om det har været med opmuntrende ord, tid og hjælp i hverdagen, gode råd eller skarpe kommentarer. Tak.
Hvordan laver man en kunstig intelligens?
Kunstig intelligens er et bredt begreb. I dette indlæg vil jeg præsentere forskellige teknikker der anvendes, når man forsøger at udvikle og lave programmer eller algoritmer, der simulerer intelligens.
Svag eller stærk
Først er det dog vigtigt, at man forstår forskellen mellem en svag og en stærk kunstig intelligens. Dette har jeg beskrevet i indlægget: Stærk eller svag kunstig intelligens, men kort fortalt, så er en stræk kunstig intelligens i stand til selv at tage initiativ og være bevidst, mens en svag kunstig intelligens ikke er bevidst, men dog alligevel kan være dygtigere til en opgave end et menneske.
Vi kan lige så godt få det på det rene. Der findes idag ikke nogen teknikker der kan skabe en bevidst kunstig intelligens. Det vi alene kan skabe er programmer eller algoritmer, der kan simulere intelligens f.eks. ved at man i programmer og algoritmer simulere de måder, vi mennesker tænker på. Altså svag kunstig intelligens.
Teknikker til kunstig intelligens
Der findes flere forskelige teknikker til at lave kunstig intelligens, eller rettere simulere intelligens. De fleste teknikker forsøger at kopiere den måde, vi mener, at mennesker tænker, og hjernen fungerer. F.eks. den teknik der tales og skrives en masse om i øjeblikket deep learning (maskinlæring), videnbaserede systemet (ekspertsystemer), som var meget oppe i tiden i 1990’erne eller case based reasoning (casebaseret læring/beslutninger). Nedenfor vil jeg ganske kort og i ikke tekniske ord forklare principperne i disse tre forskellige teknikker.
Deep learning, maskinlæring og neurale net
Maskinlæring baserer sig på teknikken neurale net, der igen er udviklet som en simulering af det net af synapser, der findes i vores hjerner, som sender og modtager signaler. En synaps modtager et input og udsender et output. En node i et neuralt net opføre sig på samme måde: den får et input og levere et output. I et neuralt net er der mange noder ligesom der er mange synapser i vores hjerner. Og man kan ved at give et neuralt net input med kendte output træne det. Langsomt vil det lære at genkende det, vi træner det i at genkende. F.eks. katte på billeder eller mennesker på fortove. Med tilstrækkeligt mange eksempler vil et neuralt net være istand til at genkende mønstre f.eks. en kat selv om der på billedet kun er omridset af en kat.
Det nyeste inden for neurale net og maskinlæring er deep learning, og selvlærende neurale net. Det betyder ikke, at man bare laver et neuralt net og så lære det noget af sig selv. Vi skal stadig træne det, ved at give det forskellige input. Men f.eks. har DeepMind udviklet AlphaGo, der er et neuralt net, som selv kan lære sig at spille go ved at prøve sig frem. Til at starte med har systemet ingen viden om Go. Det finder ud af, hvordan det vinder ved at spille mod sig selv og lære af, om det vinder eller taber.
Maskinlæring er super interessant og spændende, og der kommer mange flere anvendelse af det i fremtiden. Ulempen ved denne type kunstig intelligens er, at vi ikke ved, hvad der ligger til grund for systemets beslutning. Og vi kan ikke spørge det, for det ligger ikke i opbygningen af et neuralt net, at det kan fortælle, hvordan det er kommet frem til en beslutning. Hvis f.eks. en fremtidig kunstig intelligens, der anvendes i sundhedsvæsnet, angiver at en patient har kræft, så vil vi ikke af det neurale net kunne se, hvorfor den kunstige intelligens ‘mener’ det. I starten er der derfor mange, der er utrygge ved at bruge disse metoder til alvorlige beslutninger.
Ekspertsystemer
Ekspertsystemer var meget oppe i tiden i 1990’erne, men der tales ikke så meget om dem mere. Det betyder dog ikke, at de ikke anvendes. De er bare blevet almindelige … En stor del af de Wizards/chatbots der findes er i virkeligheden en slags ekspertsystem.
Ekspertsystemer basere sig på en regelmotor og en vidensbank. Man modellerer den viden, man vil have systemet til at bruge i form af regler, der hænger sammen med en model af verden eller den situation, som systemet skal hjælpe en med. I mit studie udviklede vi et ekspertsystem, der kunne vejlede omkring nedrivning af bygninger med sprængstof. Ved at lære systemet regler og viden om bygninger, nedrivning og brug af sprængstof til nedrivning, kunne det med reglerne i sin regelmotor og viden om den bygning der skulle rives ned, foreslå den rigtige måde at gøre dette på.
Når der anvendes et ekspert system er det tydeligt og kan vises, hvordan systemet er nået til sin beslutning. Det kan være en fordel. Ulempen ved ekspertsystemer er at de ikke kan lære noget nyt, med mindre vi lære dem det. Altså skal vi indsamle viden/regler, finde sammenhængen til modellen af verden og lægge dem ind i programmet. Et ekspertsystem kan altså kun det man har lært det, og det er min erfaring at det tager tid og er ret krævende at samle, forstå og modellere viden om et område.
Cased based reasoning
Case based reasoning har ikke noget navn på dansk, men groft oversat kan man kalde det: Problemløsning baseret på kendte cases, og det er noget mennesker gør hele tiden hverdag. Det er for eksempel den måde en mekaniker kan bruge, når han skal reparere en bil. Han kender bilen, og han har måske set en tilsvarende fejl på en tilsvarende bil tidligere. Altså bruger han sin erfaring (de cases han har set) til at løse et problem eller finde en fejl. En del af mit PhD-studie gik ud på at undersøge de designmetoder ingeniører bruger i design/projektering af bygninger, og her anvendes netop denne type metoder. Når der skal designes et nyt parkeringshus sker der meget ofte det, at ingeniøren tager det sidste projekt han arbejde på frem af skuffen og genbruger store dele af det. Det er case based reasoning.
Denne teknik kan også simuleres i en kunstig intelligens, så en sådan algoritme bliver i stand til at vælge den bedste løsning fra mange alternativer til et givent problem. For at kunne vælge det ‘bedste’ alternativ er man desuden nødt til at fortælle systemet, hvad er vil være en optimal løsning. Man definere en matematisk funktion, der beskriver den optimale løsning, og lader så algoritmen ændre på designet på forsekellige parametre, for at optimere løsningen. Case baseret resonering er et forskningsområde idag specielt indenfor netop design og projektering. Autodesk har arbejdet med det ifht. optimering af et cykel design. Her er løsningen kombineret med en genetisk algoritme, der introducere mutationer i designet, for at opnå nye ideer, der måske er mere optimale. Genetiske metoder i design er et andet emne for sig, som jeg ikke vil gå ind i her.
Kilder, artikler og sites der kan anbefales:
Video med Thomas Bolander – kunstig intelligens forklaret på 5 minutter