Noen mener spredningen av kunstig intelligens og robotikk setter vårt privatliv, våre jobber og til og med vår sikkerhet. Flere og flere oppgaver går til silisiumbaserte hjerner. Men selv de mest vokale kritikerne kan ikke unnlate å anerkjenne de åpenbare fordelene som AI og automatiserte systemer forbereder for menneskeheten. Som en del av Grand Challenges-prosjektet, samlet BBC eksperter som la fram sin visjon for fremtiden i nærvær av maskiner og kunstig intelligens.
"Vi skal ikke se AI som noe som konkurrerer med oss, men som noe som kan styrke våre egne evner," sier Takeo Kanade, professor i robotikk ved Carnegie Mellon University. Fordi AI har en toleranse for kjedsomhet, og også er i stand til å identifisere mønstre mye bedre og raskere enn mennesker. Automatisering har allerede begynt å løsne verdens mest komplekse knop, fra sykdom til grusomhet.
Og det kan gjøre livene våre tryggere i det 21. århundre.
Bekjempelse av smittsomme sykdommer
For milliarder av mennesker rundt om i verden kan summingen av mygg i nærheten av ørene deres bety mye mer enn et irriterende bitt - det kan være en forvirrende for sykdom og til og med død. En art, Aedes aegypti, har spesielt spredt seg fra Afrika til nesten alle tropiske og subtropiske regioner, og har Dengue-feber, gul feber, Zika og chikungunya (et virus som forårsaker lammende leddsmerter). Dengue smitter alene 390 millioner mennesker i 128 land hvert år.
"Denne myggen er en bitteliten demon," sier Rainier Mallol, en datamaskiningeniør i Den dominikanske republikk, et hett sted for Zika. Sammen med Desi Raja, en medisin fra Malaysia (et annet land som risikerer å bli smittet av viruset), har paret utviklet AI-algoritmer som forutsier hvor utbrudd det mest sannsynlig vil oppstå.
Salgsfremmende video:
Microsofts prosjektpremisjon bruker droner for å finne patogener i Zika Hot Spots
Deres kunstig intelligens i medisinsk epidemiologi (Aime) er et system som kombinerer tid og beliggenhet for hver nye Dengue-sak rapportert av lokale sykehus med 274 andre variabler som vindretning, fuktighet, temperatur, befolkningstetthet, boligtype. "Dette er alle faktorer som bestemmer spredningen av mygg," forklarer Mallall.
Tester i Malaysia og Brasil har vist at de kan forutsi utbrudd med en nøyaktighet på rundt 88% på tre måneder. Systemet hjelper også med å lokalisere episentret for et utbrudd til innen 400 meter, slik at lokale medisiner kan gripe inn i tide med insektmidler og bite beskyttelse for lokale innbyggere.
Aime utvikler seg også for å forutsi utbrudd av Zika og Chikungunya. Store teknologiselskaper tar denne ideen på sin egen måte: Microsofts Project Premonition bruker for eksempel autonome droner for å oppdage mygglommer, og bruker karbondioksid og lette feller for å fange insektene. Myggenes DNA og dyrene de biter analyseres deretter ved hjelp av maskinalgoritmer som avdekker mønstre i gigantiske datamengder bedre og bedre hver gang - og finner patogener.
Våpenkamp
I løpet av det siste året har 15.000 mennesker omkommet i USA på grunn av skuddveksling. Dette landet har den høyeste frekvensen av våpenrelatert vold i hele den utviklede verden. For å takle problemene med vilkårlig skyting og våpenrelatert kriminalitet henvender seg noen byer over hele landet til teknologi for å få hjelp.
Et automatisert system som hører skytelyder gjennom en serie sensorer, kan brukes til å lokalisere hvor skudd ble avfyrt og varsle sikkerhetsstyrker innen 45 sekunder etter at avtrekkeren ble trukket. ShotSpotter bruker 15-20 akustiske sensorer per kvadratkilometer for å oppdage den karakteristiske “popen” til et skudd, og lokalisere sin fødested med en nøyaktighet på 25 meter.
Maskinlæringsteknologier brukes for å bekrefte at lyden var et skuddbruk og telle antall skudd som ble avfyrt for å indikere om politiet vil håndtere en enslig skuttmann eller flere kriminelle, og om de bruker maskingevær eller ikke.
Allerede 90 byer - mest i USA, men også i Sør-Afrika og Sør-Amerika - bruker ShotSpotter. Små systemer har også blitt distribuert over ni amerikanske studiesteder som svar på den nylige skuddvekslingen på campus.
Ralph Clarke, administrerende direktør i ShotSpotter, mener at dette systemet i fremtiden kan brukes til mer enn enkel hendelsesrespons.
"Vi ser etter å forstå hvordan våre data kan brukes til forutsigbarhet av politifolk," sier han. "Maskinlæring kan kombineres med vær, trafikk og mer for å informere politiets patruljer mer nøyaktig."
Bekjempe sult
Rundt 800 millioner mennesker over hele verden er avhengige av cassava (cassava) røtter som deres viktigste kilde til karbohydrater. Denne stivelsesholdige yam-aktige grønnsaken spises som en potet; det kan også males til mel for å lage brød og bakevarer. Den kan vokse der andre avlinger ikke kan, noe som gjør kassava til den sjette største matplanten i verden. Imidlertid er denne woody busken også sårbar for sykdommer og skadedyr, som kan ødelegge hele grønnsaksmarker.
Forskere ved Makerere University i Kampala, Uganda har gått sammen med eksperter på plantesykdommer for å utvikle et automatisert system rettet mot bekjempelse av kassavasykdom. Mcrops-prosjektet lar lokale bønder fotografere plantene sine med billige smarttelefoner og bruke datasyn for å oppdage tegn på fire store sykdommer som er ødeleggende kassavavlinger.
"Noen av disse sykdommene er ekstremt vanskelige å gjenkjenne og krever forskjellige handlinger," forklarer Ernest Mwebase, informatiker som leder prosjektet. "Vi gir bønder en lommeekspert slik at de vet om de skal pollinere avlingene sine eller ødelegge og plante noe annet."
Dette systemet diagnostiserer kassavasykdommer med 88 prosent nøyaktighet. Vanligvis må bønder ringe eksperter fra regjeringen for å besøke gårder for å identifisere sykdommer, noe som tar dager og uker for sykdommen å spre seg.
Mcrops lar deg også laste opp øyeblikksbilder til en database, som deretter brukes til å diagnostisere utbrudd. Mwebaze håper teknologien også automatisk vil oppdage problemer med andre plantearter, for eksempel bananer.
Bekjempelse av kreft og synstap
Kreft forårsaker mer enn 8,8 millioner dødsfall over hele verden, og 14 millioner mennesker blir diagnostisert med en form for kreft hvert år. Tidlig påvisning av kreft kan øke en persons mulighet for å overleve og redusere risikoen for tilbakefall. Screening er en av de viktigste måtene å oppdage kreft tidlig, men det er veldig, veldig vanskelig og tidkrevende å forstå skanninger og andre testresultater.
Googles DeepMind kan hjelpe leger med kreftbehandling med maskinlæring for å hjelpe den med å identifisere sunne områder i pasientens vev
DeepMind og IBM bruker AI-teknologiene på dette problemet. DeepMind har gått sammen med britiske NHS-leger ved University Colleges i London for å trene sitt AI-baserte program for å behandle kreft ved å skille områder med sunt vev fra svulster i hode- og nakkescanninger. Hun jobber også med Moorfields Eye Hospital i London, og oppdager tidlige tegn på synstap på øyeskanninger.
"Våre algoritmer er i stand til å tolke visuell informasjon fra skanninger," sier Dominic King, klinisk sjef ved DeepMind Health. "Systemet lærer å identifisere potensielle problemer og anbefaler riktig handlingsforløp til legen. Det er for tidlig å kommentere resultatene, men de er allerede veldig oppmuntrende."
King sier at AI-teknikker kan hjelpe leger med å stille diagnoser raskere ved å sile gjennom skanninger og prioritere de som anbefales for øyeblikkelig vurdering.
IBM kunngjorde også nylig at Watsons AI kan analysere bilder og evaluere pasientjournaler og identifisere en svulst 96% av tiden. Systemet gjennomgår nå medisinske studier i 55 sykehus rundt om i verden, og hjelper med å diagnostisere bryst-, lunge-, kolorektale, livmorhalskreft, eggstokk-, mage- og prostatakreft.
Uten å skru av lyset
Midt i en opphetet debatt om klimaendringene kunne ha utløst to katastrofale orkaner i historisk målestokk i USA, hvordan kan kunstig intelligens maksimeres for å undersøke bruken av ren, fornybar energi for å forhindre ytterligere skader som fører til klimaproblemer?
Mennesker over hele verden er mer og mer avhengige av fornybare energikilder for å bekjempe klimaendringer og forurensning forårsaket av fossilt brensel, og oppgaven med å balansere energinett med slike periodiske kilder blir stadig vanskeligere. Spredning av smarte målere - digitale energimonitorer som automatisk registrerer forbruk - vil også gi mye data om hvordan og når forbrukere bruker energi. EU planlegger alene å installere 500 millioner smarte meter i hjem innen 2020.
"Det er umulig for mennesker å administrere alle disse eiendelene, da responstiden ofte er i størrelsesorden noen få sekunder," sier Valentin Robu, assisterende professor i intelligente systemer ved Heriot Watt University i Edinburgh. Han jobber med det britiske selskapet Upside Energy for å utvikle nye måter å håndtere kraftnett på.
De lager algoritmer for maskinlæring for å overvåke produksjon og energibehov i sanntid. Hva betyr det? Den energien vil bli lagret i rolige timer og deretter sluppet ut i rushtiden, for eksempel om morgenen, når alle vil lage sin egen kaffe. Når elektriske biler og hjemmebatterier blir mer utbredt, kan teknologi brukes til å lagre energi og jevnt fordele fornybare strømmer.
Robu sier også at AI kan brukes på et enda mer grunnleggende nivå, noe som bidrar til å redusere etterspørselen etter tilkoblede enheter. For eksempel kan kjøleskap styres direkte av AI slik at de bare slås på når etterspørselen etter strøm er på sitt laveste på nettet.
Ilya Khel
