{"id":31,"date":"2024-02-14T08:39:23","date_gmt":"2024-02-14T07:39:23","guid":{"rendered":"https:\/\/blogs.abo.fi\/digitala-horisonter\/?p=31"},"modified":"2024-02-14T08:39:23","modified_gmt":"2024-02-14T07:39:23","slug":"future-of-jobs-survey-2023-och-ai","status":"publish","type":"post","link":"https:\/\/blogs.abo.fi\/digitala-horisonter\/2024\/02\/14\/future-of-jobs-survey-2023-och-ai\/","title":{"rendered":"Future of Jobs Survey 2023 och AI"},"content":{"rendered":"

Jag deltog under h\u00f6sten och vintern i \u00c5A:s utbildning \u201cDet goda akademiska ledarskapet\u201d. Sista tillf\u00e4llet h\u00f6lls f\u00f6rra veckan p\u00e5 tisdagen (6.2.2024). Bland de olika temata som behandlades upplevde jag som mests intressant diskussionen av behovet av kompetensutveckling och omskolning<\/strong> (reskilling and upskilling) under perioden 2023-27. Tabellen nedan visar att olika typer av kompetenser och hur deras ranking har \u00e4ndrats fr\u00e5n senaste upplaga av rapporten. I\u00f6gonfallande \u00e4r att AI och big data har flytta upp till 3. viktigaste utvecklingsbehov f\u00f6r personalen i f\u00f6retag. Det som jag ocks\u00e5 upplever som intressant \u00e4r att AI och big data \u00e4r den enda tekniska kompetensen som specifikt beh\u00f6vs, st\u00f6rsta delen av de andra behoven \u00e4r vad ja skulle lite f\u00f6renklat skulle klassa under personliga, sociala eller samh\u00e4lleliga f\u00f6rm\u00e5gor. Detta fick mig att b\u00f6rja fundera p\u00e5 vad de konkreta AI och big data kompetenserna \u00e4r som skulle beh\u00f6vas. Fr\u00e5gan \u00e4r f\u00f6r mig viktig, iom. att jag undervisar kursen \u201cintroduktion till artificiell intelligens\u201d, som \u00e4r obligatorisk f\u00f6r alla IT studerande men som ocks\u00e5 avl\u00e4ggs av studerande fr\u00e5n andra fakulteter samt Fitech-studerande. Min tanke med kursen \u00e4r att den skulle vara mera allm\u00e4nbildande \u00e4n teknisk, dvs, m\u00e5let \u00e4r mera att ge en \u00f6verblick \u00f6ver vad artificiell intelligens \u00e4r och var den kan till\u00e4mpas \u00e4n hur den kan \u00a0till\u00e4mpas.<\/p>\n

 <\/p>\n

<\/p>\n

 <\/p>\n

WEF:s rapport anv\u00e4nder begreppet \u201cAI and big data\u201d. Inom ett omr\u00e5de som just nu fyller rubrikerna och som redan starkt drivits nationellt via bla statens AuroraAI program, Arbets- och n\u00e4ringsministeriets AI 4.0, Business Finlands AI Business program, som utvecklat slogans som \u201cData is the new Oil\u201d1<\/sup><\/a>, och d\u00e4r just nu ett finskt f\u00f6retag drivet av en \u00c5A alumni tar stora steg fram\u00e5t inom bla. generativ AI (Silo.AI), fr\u00e5gar jag mig \u00e4nd\u00e5 vad dom h\u00e4r baskunskaperna \u00e4r som borde l\u00e4ras ut. Inom ett omr\u00e5de som utvecklas hela tiden borde man i st\u00e4llet f\u00f6r att l\u00e4ras sig om den nyaste teknologin, f\u00f6rst\u00e5 fundamenten s\u00e5 att man ta till sig den nya teknologi utvecklingen.<\/p>\n

Mycket av det som kan ses ing\u00e5 under rubriken Big Data och som sloganen \u201cData is the new Oil\u201d refererar till \u00e4r anv\u00e4ndningsomr\u00e5den som redan tidigare anv\u00e4nt sig av data. Fr\u00e4mst talar vi om olika typer av optimeringar inom f\u00f6retag och industri. Den stora f\u00f6r\u00e4ndringarna \u00e4r att vi nu faktiskt har tillg\u00e5ng till stora m\u00e4ngder data via sensorer och informationsk\u00e4llor p\u00e5 internet, och vi har tillg\u00e5ng till den ber\u00e4kningskapacitet som beh\u00f6vs f\u00f6r att behandla det h\u00e4r datat med algoritmer. Sj\u00e4lva grundmetoderna (t.ex. olika typer av klusterering) har varit k\u00e4nda sedan l\u00e4nge. Den enda egentliga nya teoretiska utvecklingen har varit djupinl\u00e4rning (dvs. anv\u00e4ndning av mera komplicerade neurala n\u00e4tverk, och tr\u00e4ning av dem via \u201cgradient descent\u201d algoritmen, som den ocks\u00e5 \u00e4r en standard optimeringsalgoritm). Jag \u00e4r inte mera alls \u00f6verraskad \u00f6ver nyheter som t.ex. ber\u00e4ttar att man nu fr\u00e5n cell-bilder kan f\u00f6ruts\u00e4ga utvecklingen av cancer. Det kreativa \u00e4r att f\u00e5 tag p\u00e5 datat och definiera kategoriseringen av detta data s\u00e5 att vi sen kan mata denna \u00e5t en tr\u00e4ningsalgoritm.<\/p>\n

Det verkligen nya upplever jag \u00e4r de som kallas f\u00f6r Generativ AI, dvs tekniker som nu kommersialiseras som Chat-GPT, Co-Pilot (som vi vid \u00c5A ha tillg\u00e5ng till via v\u00e5rt avtal med Microsft), Googles Gemini, mm. Jag som jobbat med behandling av naturligt spr\u00e5k p\u00e5 1980-talet kunde inte i mina dr\u00f6mmar ens t\u00e4nka mig att n\u00e5got s\u00e5 utvecklat som Chat-GPT et co n\u00e5gonsin skulle se dagsljuset. De tekniker som d\u00e5 anv\u00e4ndes kunde helt enkelt inte praktiskt skalas upp till att beskriva hela spr\u00e5ket. Det som Generativ AI g\u00f6r \u00e4r att man inte har en explicit beskrivning av spr\u00e5ket, dess regler, dess ordf\u00f6rr\u00e5d med betydelser, utan man helt enkelt har en statistisk approximation p\u00e5 vilket ord som brukar f\u00f6lja p\u00e5 ett annat ord. N\u00e4r man tar in tillr\u00e4ckligt med spr\u00e5kligt material, bildas allts\u00e5 en \u201cstokastisk papegoja\u201d2<\/sup><\/a>, som allts\u00e5 repeterar vad den l\u00e4rt sig. Det som \u00e4r fascinerande \u00e4r att dessa verktyg faktiskt \u00e4r s\u00e5 bra p\u00e5 f\u00f6ra en dialog. Och det \u00e4r d\u00e4rf\u00f6r som jag tycker att vi borde mycket b\u00e4ttre f\u00f6rst\u00e5 vissa grundprinciper som g\u00e4ller. Jag skulle vilja kalla detta AI l\u00e4skunnighet, p\u00e5 samma sett som man talar om Medial\u00e4skunnighet, mm.<\/p>\n

Generativ AI utvecklas av f\u00f6retag. Och d\u00e5 utvecklingskostnaderna \u00e4r mycket h\u00f6ga, ligger det i f\u00f6retagens intresse att ge en s\u00e5 positiv bild av utvecklingen som m\u00f6jligt. Till detta h\u00f6r bla att p\u00e5 ganska dubi\u00f6sa s\u00e4tt spela ner riskerna med AI3<\/sup><\/a>. Eller att marknadsf\u00f6ra mekaniskt kombinerande som f\u00f6rst\u00e5else4<\/sup><\/a>,5<\/sup><\/a>. Allt f\u00f6r att s\u00e4lja teknologin b\u00e4ttre. D\u00e4rf\u00f6r upplever jag att det \u00e4r viktigt att man se genom den anstormning av hajp som vi uts\u00e4tts f\u00f6r. F\u00f6r att kunna g\u00f6ra detta borde vi d\u00e4rf\u00f6r f\u00f6rst\u00e5 vissa grundproblem som generativ AI har.<\/p>\n

Generativ AI utmanar v\u00e5rt f\u00f6rst\u00e5else av begrepp som intelligens och kunskap. P\u00e5 samma s\u00e4tt som man under de senaste seklen p\u00e5 olika s\u00e4tt automatiserat bort fysiskt arbete inom produktion, b\u00f6rjar Generativ AI automatisera visst tankearbete som vi tidigare upplevt som centrala f\u00f6r kunskapsarbete. Dvs. vad \u00e4r merv\u00e4rdet av att komma ih\u00e5g en massa detaljer om dessa snabbt kan hittas via ett AI verktyg? Men problemet ligger i att f\u00f6r att vi kan lita p\u00e5 att svaren fr\u00e5n en AI borde vi kunna lita p\u00e5 att den har<\/p>\n

    \n
  1. All kunskap kring omr\u00e5det,<\/li>\n
  2. \u00a0den kan se skillnader p\u00e5 olika tolkningar av fenomenet s\u00e5 att den inte g\u00f6r egna
    \nbed\u00f6mningar,<\/li>\n
  3. den kan svara n\u00e4r den inte vet,<\/li>\n
  4. \u00a0den g\u00f6r inga egna h\u00e4rledningar, mm.<\/li>\n<\/ol>\n

    Alla dessa punkter \u00e4r l\u00e4randem\u00e5l f\u00f6r akademisk utbildning. Och just nu finns inga metoder f\u00f6r att s\u00e4kerst\u00e4lla att en Generativ AI klarar av att uppfylla den h\u00e4r typen av krav. Som Datavetare vill jag h\u00e4vda att det inte finns metoder f\u00f6r att bevisa att en AI uppfyller dessa krav, utan i syvende och sist m\u00e5ste v\u00e5r anv\u00e4ndning av Generativ AI bygga p\u00e5 f\u00f6rtroende till det f\u00f6retag som bygger produkten, och d\u00e5 inger exemplen ovan inte riktigt tillit.<\/p>\n

    Jag ser dock ocks\u00e5 2 andra dimensioner som det \u00e4r viktigt att vara medveten om, det ekologiska och det politiska.<\/p>\n

    Generativ AI har ett stort koldioxidavtryck. En dator \u00e4r egentligen en energi-omvandlare. Vi k\u00f6r in elektricitet och den transformeras till v\u00e4rme. Som biprodukt f\u00e5r vi ber\u00e4kningar. Energif\u00f6rbrukningen och den producerade spillv\u00e4rmen b\u00f6rja bli ett allt st\u00f6rre problem f\u00f6r
    \nutvecklingen. T.ex. Microsoft har byggt ett stort datacenter i Esbo som anv\u00e4nder 200MW i el. Ett annat s\u00e4tt att t\u00e4nka \u00e4r att man i Esbo har byggt ett 200MW v\u00e4rmekraftverk. Inom huvudstadsregionen \u00e4r 200MW i v\u00e4rme inte i sig ett problem d\u00e5 man kan k\u00f6ra in spillv\u00e4rmen i fj\u00e4rrv\u00e4rmesystemet, men p\u00e5 m\u00e5nga andra st\u00e4llen har man inte denna
    \nm\u00f6jlighet. Jag tippar att st\u00f6rsta delen av belastning i Esbo best\u00e5r av traditionell Office 365 program, men Microsoft erbjuder ocks\u00e5 olika typer av AI tj\u00e4nster som f\u00f6retag b\u00f6rjar ta i bruk via PowerBI produkten. AI beh\u00f6ver speciella processorer, som kallas grafikprocessorer f\u00f6r dom utvecklades ursprungligen f\u00f6r spelbruk. En grafikprocessor kan g\u00f6ra matrismultiplikationer snabbt, och \u00e4r d\u00e4rf\u00f6r den centrala komponenten i
    \nalla AI om man vill har vettiga responstider. Men en GPU (grafikprosesser) har en flerfaldig energif\u00f6rbrukning j\u00e4mf\u00f6rt med en traditionell processor. En modern laptop (mac eller pc) har en effektf\u00f6rbrukning p\u00e5 30-70 watt. Tidigare var det enkelt att f\u00f6rklara vad det h\u00e4r betyder f\u00f6r det g\u00e4ller bara att j\u00e4mf\u00f6ra v\u00e4rmen i en 30W lampa med en 70W lampa. 70W \u00e4r hett, och 100W \u00e4r \u00e4nnu hetare. Nya NVidias H100 GPU som bla anv\u00e4nds av OpenAI har en effekt p\u00e5 700W. Nvidia estimera att man kommer att s\u00e4lja 1-2 miljoner av dessa processorer under 2024, och att den total energif\u00f6rbrukningen kommer att ligga mellan st\u00e4der som Phoenix och Houston    6<\/sup><\/a>.<\/p>\n

    Men nu kommer det politiska in i spelet. Silicon Valley \u00e4r hemvist f\u00f6r en hel del extrema ideologier, som kan sammanfattas under akronymen TESCREAL7<\/sup><\/a>. Till dessa ideologier h\u00f6r Accelerationism8<\/sup><\/a>, som f\u00f6respr\u00e5kar en starkt g\u00e4rna hyper-exponentiell teknologisk utvecklings om kommer att leda till en tekno-utopi, som styrs av en v\u00e4lvillig diktator som \u00e4r en AI. Och det \u00e4r egentligen detta som driver Sam Altman (vd. f\u00f6r openAI), som planerar att k\u00f6pa 10miljoner GPU:n av Nvidia f\u00f6r att skapa en AGI en artificiell generell intelligens9<\/sup><\/a>. Med den h\u00e4r m\u00e4ngden ber\u00e4kningskapacitet som allts\u00e5 betyder ett energibehov p\u00e5 7TW med tillh\u00f6rande extra energibehov f\u00f6r kylning, r\u00e4knar han att openAI har tillr\u00e4ckligt med kapacitet f\u00f6r att skapa en AGI.<\/p>\n

    Om vi bortser fr\u00e5n den tekniska utmaningen, bygga ihop det hela och bli av med v\u00e4rmen, finns en mera fundamental fr\u00e5ga. \u00c4r det m\u00f6jligt att skapa en AGI? Det hela \u00e4r ocks\u00e5 en fr\u00e5ga om definition, dvs. vad menas egentligen med intelligens. Sj\u00e4lv intresserar mig fr\u00e5gan ur ett datavetenskapligt perspektiv, vad \u00e4r en AGI:s ber\u00e4kningsf\u00f6rm\u00e5ga? Dvs, finns det fr\u00e5gor som den inte kan ge svar p\u00e5? Kan vi karakterisera dessa fr\u00e5gor i mera abstrakta generiska termer? Vi vet ju redan att en Generativ AI inte kan r\u00e4kna, d\u00e4rf\u00f6r att det inte g\u00e5r att g\u00f6ra induktion med statistik, och egentligen baserar sig all matematik p\u00e5 induktion i n\u00e5gon form. Men finns det andra matematiska egenskaper med vilka vi kan karakterisera en Generativ AI:s uttrycksf\u00f6rm\u00e5ga? Jag har hittat mycket lite arbete kring detta, st\u00f6rsta delen av studierna kring egenskaper och f\u00f6rm\u00e5gor hos en Generativ AI sker via olika typer av experiment och via empiriska unders\u00f6kningar av dessa program. En AI kan inte heller f\u00f6rklara sig, dvs. den \u00e4r ett helt eget forskningssomr\u00e5de (Explainable AI), d\u00e4r man f\u00f6rs\u00f6ker ta fram metoder som kunde b\u00e4ttre f\u00f6rklara varf\u00f6r AI:n kommer fram till en viss slutsats. S\u00e5 l\u00e4nge det h\u00e4r problemet inte \u00e4r l\u00f6st ser jag mig ovillig att styras av en AI. Det h\u00e4r \u00e4r ocks\u00e5 grunden till varf\u00f6r EU:s nya AI reglemente i praktiken g\u00f6r det om\u00f6jligt att anv\u00e4nda AI f\u00f6r t.ex. automatiserat beslutsfattande.<\/p>\n

    Ovan gick jag igenom vissa fr\u00e5gest\u00e4llningar som jag upplever \u00e4r viktiga att vara medveten om d\u00e5 det g\u00e4ller AI. P\u00e5 grund av dessa kommer jag att uppdatera min kurs f\u00f6r h\u00f6sten 2024, och f\u00f6rs\u00f6ka ta en mycket mera kristisk och diskuterande ansats till \u00e4mnet.<\/p>\n

    \n
      \n
    1. Why data is the new oil | FutureScot<\/a>\u21a9\ufe0e<\/a><\/li>\n
    2. Emily M. Bender, Timnit Gebru, Angelina McMillan-Major, and Shmargaret Shmitchell. 2021. On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? \ud83e\udd9c. In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT \u201921). Association for Computing Machinery, New York, NY, USA, 610\u2013623. https:\/\/doi.org\/10.1145\/3442188.3445922\u21a9\ufe0e<\/a><\/li>\n
    3. Gary Marcus analyserar i sin blog Diving deep into OpenAI\u2019s new study on LLM\u2019s and bioweapons<\/a> den statistiska analys som OpenAI (Microsoft) g\u00f6r i sin publikation d\u00e4r de h\u00e4vdar att risken att kunna anv\u00e4nda Chat-GPT f\u00f6r att utveckla biovapen \u00e4r liten. Marcus analys visar att OpenAI anv\u00e4nder sig av dubi\u00f6sa metoder f\u00f6r att f\u00f6rsk\u00f6na resultaten, och att man likv\u00e4l kan tolka resultaten i fullst\u00e4ndigt motsats, dvs att Chat-GPT de-facto kan hj\u00e4lpa en potentiell terrorist att skapa bio-vapen.\u21a9\ufe0e<\/a><\/li>\n
    4. Is <\/a>AlphaGeometry a dead end? – by Michael Harris<\/a> visar p\u00e5 flera problem med DeepMinds (Google) AlphaGeometry, d\u00e4r man blandar ihop matematiska uppt\u00e4ckter (matematik \u00e4r egentligen en experimentel vetenskap, l\u00e4s t.ex. Imre Lakatos \u201cProofs and Refutations\u201d), resonemang och f\u00f6rst\u00e5else.\u21a9\ufe0e<\/a><\/li>\n
    5. Is AlphaGeometry a dead end? – by Michael Harris<\/a>\u21a9\ufe0e<\/a><\/li>\n
    6. Nvidia\u2019s H100 GPUs will consume more power than some countries | Tom\u2019s Hardware<\/a>\u21a9\ufe0e<\/a><\/li>\n
    7. TESCREALism: The Acronym Behind Our Wildest AI Dreams and Nightmares<\/a>\u21a9\ufe0e<\/a><\/li>\n
    8. Accelerationism – Wikipedia<\/a>\u21a9\ufe0e<\/a><\/li>\n
    9. openai will use 10 million nvidia gpus to create an advanced ai model – blog<\/a>\u21a9\ufe0e<\/a><\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

      Jag deltog under h\u00f6sten och vintern i \u00c5A:s utbildning \u201cDet goda akademiska ledarskapet\u201d. Sista tillf\u00e4llet h\u00f6lls f\u00f6rra veckan p\u00e5 tisdagen (6.2.2024). Bland de olika temata som behandlades upplevde jag som mests intressant diskussionen av behovet av kompetensutveckling och omskolning (reskilling and upskilling) under perioden 2023-27. Tabellen nedan visar att olika typer av kompetenser och hur […]<\/p>\n","protected":false},"author":758,"featured_media":40,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-31","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-okategoriserade"],"_links":{"self":[{"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/posts\/31","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/users\/758"}],"replies":[{"embeddable":true,"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/comments?post=31"}],"version-history":[{"count":12,"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/posts\/31\/revisions"}],"predecessor-version":[{"id":47,"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/posts\/31\/revisions\/47"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/media\/40"}],"wp:attachment":[{"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/media?parent=31"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/categories?post=31"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogs.abo.fi\/digitala-horisonter\/wp-json\/wp\/v2\/tags?post=31"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}