Fra beskyttelse af hvaler til øget bekvemmelighed, hvad kan AI ikke gøre?

Kunstig intelligens bliver fortsat mere udbredt i hverdagen. Introduktionen af LLM’er (store sprogmodeller) som ChatGPT har placeret AI i alles hænder. Teknologien var dog allerede godt på vej til at ændre liv, længe før LLM’er nogensinde ramte markedet. Her er et kig på, hvad AI i øjeblikket ikke kan, og hvor den vil ende i fremtiden.

AI-udvikling

AI-sektoren har gennemgået adskillige iterationer baseret på teknologiens kapaciteter og tilgængelighed. Konceptet med menneskelignende maskiner går tilbage til oldtiden. Renæssancen genoplivede disse idéer, og berømte opfindere som Leonardo da Vinci demonstrerede konceptet med automater i 1495.

Kunstig intelligens, som vi ser den i dag, kan spores tilbage til Alan Turings universelle Turing-maskine i 1935. Kun 15 år senere udviklede han Turing-testen. Turing-testen bruger menneskelig samtale til at afgøre, om et AI-system har opnået menneskelignende evner og mere. Denne test bruges stadig i dag som en målestok for AI-interaktioner.

De beregningsmæssige gennembrud i 1990’erne hjalp med at drive AI-systemer fremad. Maskinlæring og andre AI-systemer begyndte at dukke op i denne periode, hvilket førte til gennembrud i begyndelsen af 2000’erne. For eksempel demonstrerede IBM Watsons AI-færdigheder ved at slå mennesker i et Jeopardy-spil. Samtidig begyndte Google at frigive data om sine neurale netværkssystemer.

AI i dag

Dette årti har indtil videre set nogle af de største spring i AI-teknologi. Introduktionen af selv‑lærende AI-teknologier som torque‑klyngningsalgoritmer har gjort sektoren til et diskussionspunkt.
Disse teknologiske fremskridt er også blevet mødt med moralske spørgsmål og miljømæssige bekymringer. Alle disse faktorer har ført til større granskning af AI’s fremtid og dens indflydelse på dagligdagen. Så hvad kan AI ikke gøre? Disse projekter fremhæver blot nogle af dets nuværende kapaciteter og begrænsninger.

Hjælp folk med at bygge bedre byer

AI-systemer kan hjælpe byplanlæggere med at skabe mere effektive og effektive samfund. AI-systemer kan spore trafik og andre vitale data, som kan være af stor værdi, når man bestemmer placeringen af nye tjenester, motorveje og andre samfundsbehov.

Indsigter om infrastruktur

En måde, hvorpå AI-systemer allerede bruges til at skabe sikrere og mere komfortable nabolag, er gennem indsigter. En undersøgelse¹ offentliggjort i Journal of Smart Cities and Society dykker dybt ned i elektrisk sikkerhed og stabilitet.

Specifikt undersøger den energidistribution, husets krav, hvilken type energikilde hvert hus bruger, og om det placerer lokationen i en højere risiko for strømafbrydelse. Undersøgelsen forklarer, at efterhånden som flere huse skifter til fuldt elektriske løsninger, kan nogle risici være blevet overset.

Især fremhæver rapporten, hvordan solpaneler er en fremragende energikilde om sommeren, men hvordan de kan efterlade hele samfund uden strøm under vinterstorme og andre miljøforhold. Desværre er dette scenarie blevet mere almindeligt, efterhånden som presset for fuldt elektrificerede hjem fortsætter.

Bygning af en AI-model til rangering af risiko for strømafbrydelse

Stevens-forskere analyserede data fra Department of Energy (DOE) bygningens bestand, herunder energimønstre for 129.000 enfamiliehuse. Disse huse var placeret i otte forskellige stater, hvilket gjorde det muligt for teamet at teste systemet i forskellige miljøer.

ML-modellerne fastslog med succes individuelle hus’ energisystemaftryk. Derefter behandlede de disse data, krydsrefererede dem med deres datamodeller og fastslog, hvilken type energikilder huset var afhængigt af.

Desuden brugte systemet disse data til at vurdere sortstrømsrisikoen for huset og samfundet. Nu søger teamet at udvide deres test til flere samfund for at hjælpe planlæggere med at bygge sikrere og mere modstandsdygtige elnet.

Red Jorden

Miljøforhold, forurening, menneskelig ekspansion og andre faktorer har efterladt mange dyrelivsområder i ruiner. Kunstig intelligens har været en løsning, som miljøforkæmpere har vendt sig til for at hjælpe med at bestemme dyrelivsmønstre.

Disse systemer kan hjælpe bevaringsfolk med at bemærke pludselige ændringer i arter, hvilket er et værdifuldt værktøj, der kan hjælpe med at beskytte sjældne og truede dyr mod udryddelse. Allerede nu kan AI-systemer spore migrationsmønstre, sundhed, krybskytteraktivitet og andre vitale data.

Hvalbevarelse

Et team af innovative forskere fra Rutgers University-New Brunswick introducerede for nylig en AI-model designet til at hjælpe internationale skibsfartøjer med at undgå truede artsbestande.

De førende forfattere af undersøgelsen², Ahmed Aziz Ezzat og Josh Kohut, skabte hvalmigrations- og sporingsmodellen ved hjælp af en række data designet til at beskytte den sjældne art North Atlantic Right Whale. Desværre viser data fra National Oceanic and Atmospheric Administration, at færre end 400 af disse majestætiske skabninger stadig lever i naturen. Af den resterende population er kun 70 reproduktive hunner, hvilket fører til øgede bekymringer blandt bevaringsfolk.

Kilde – Nature Communications

Specifikt integrerede teamet data fra Rutgers University Center for Ocean Observing Leadership fra så tidligt som begyndelsen af 1990’erne, satellitbilleder fra University of Delaware og information om undervandsglidere i modellen. Bemærkelsesværdigt er glidere undervandsfartøjer, der har en række sensorer. De bevæger sig over havbunden og hjælper med at kortlægge ukendte områder, spore miljøændringer og søge efter værdifulde ressourcer,

AI’en forudsagde placeringen og tidspunktet for hvalbestande baseret på hvalens præferencer, tidligere placeringer, miljøforhold og årstid. Den gjorde det muligt for forskere at forbinde disse punkter og finde de mønstre, der øgede chancen for at spotte hvaler. I fremtiden vil dette system præcist vise skibe, hvor hvalbestande befinder sig, så de kan omlægge deres kurs og undgå disse naturlige levesteder.

Kunstig intelligens af ting (AIoT).

Sammensmeltningen af kunstig intelligens og Internet of Things-teknologier skabte den nu spirende AIoT-industri. Denne sektor kombinerer rækkevidden og dataindsamlingskapaciteten fra IoT-systemer med mønstergenkendelse, behandling og bekvemmelighed, som AI-systemer leverer.

AIoT-systemer gør det muligt for logistikvirksomheder at få deres produkter rundt i verden hurtigere, reducere forfalskning og levere en række andre avancerede funktioner, som ville være umulige. AIoT forbedrer IoT-konceptet på flere nøgleområder, herunder effektivitet.

Traditionelle IoT-systemer fungerer som sensorer. De indsamler og sender data via internettet til en anden placering, som derefter behandler dataene.  AIoT fjerner behovet for at sende dataene over internettet. I stedet kan disse systemer behandle informationen internt, hvilket reducerer tid, omkostninger og båndbreddekrav.

Smart økonomi

AIoT vil spille en afgørende rolle i morgendagens smarte økonomi. Nutidens smarte hjem er afhængige af forskellige protokoller til genkendelse af menneskelig aktivitet for at forsøge at give bekvemmelighed til deres brugere. For eksempel, forestil dig at fortælle Alexa, at du vil træne, og starte en sekvens af opgaver designet til at gøre processen mere bekvem.

Disse opgaver kan inkludere justering af belysning, afspilning af musik, lukning af persienner og endda start af smoothie‑maskinen efter træning. Alt dette er nu muligt ved brug af forudindstillede makroer. Dog vil brugen af avancerede AI-systemer til genkendelse af menneskelig aktivitet automatisere denne proces.

MSF-Net

Ingeniører fra Incheon National University vakte for nylig opsigt efter at have introduceret³ deres MSF-Net (multiple spectrogram fusion network) Wifi-menneskelig aktivitets‑sporingssystem. Systemet kan udnytte kanaltilstands‑information (CSI) til at bestemme subtile menneskelige aktiviteter.

Denne teknologi vil gøre smarte hjem mere bekvemme. Snart vil AI kunne afgøre, om du laver mad, hviler, ser tv eller er på vej til arbejde, og justere miljøet derefter. Denne teknologi kan blive integreret i flere sektorer, herunder fremstilling, sikkerhed og sundhedspleje.

Moralisk rådgivning

Det ser ud til, at uanset hvor avanceret AI-teknologien bliver, vil der altid være en vis mistillid til disse systemer. En nylig undersøgelse⁴ offentliggjort i tidsskriftet Cognition fremhæver, hvordan mennesker ikke har tillid til AI-systemer vedrørende moralsk rådgivning.

School of Psychology undersøger, hvorfor der er mistillid til AI-systemer, hvordan det har bremset adoptionen, og hvad der skal til for at overvinde disse hindringer. Forskerne så på fremkomsten af kunstige moralske rådgivere (AMA’er) og hvordan de en dag kan blive almindelige.

Kunstige moralske rådgivere er formålsbyggede algoritmer, der udnytter forprogrammerede etiske teorier, principper og retningslinjer for at give brugerne svar på vanskelige moralske dilemmaer.

Bemærkelsesværdigt fandt undersøgelsen, at folk var tilbageholdende med AI-rådgivning om moralske spørgsmål, selv når det var den samme rådgivning, som en menneskelig rådgiver gav. Den viste også, at mange mennesker har misforståelser om AI og bekymringer om dens evne til at gå amok.

I fremtiden kan du have en AMA ved din side, der hjælper dig med at træffe det rigtige valg. I det mindste vil den dokumentere og sandsynligvis rapportere eventuelle “forkerte” valg, du træffer. Derfor er det let at forstå, hvorfor menneskeheden kan være klar til at give AI missil‑launch‑koder, men ikke lade den holde prædikenen.

Hvad kan AI ikke gøre? Der er stadig meget

AI-revolutionen er i fuld gang, og store teknologiske gennembrud fortsætter med at drive AI-systemernes kapaciteter fremad. På trods af den konstante gentagelse af, at AI kommer for dit job, har de fleste stadig masser af tid, før deres robot‑herskere overtager kontrollen. Dog er den menneskelige berøring stadig en udvej.

Mange faktorer som mistillid og misforståelser vil uundgåeligt føre til skepsis omkring AI’s sande kapaciteter og formål. For nu har denne teknologi uendeligt potentiale, men forbliver begrænset i sin evne til at forbinde med mennesker. Efterhånden som LLM’er og robotteknologi forbedres, kan grænsen mellem menneskeheden og AI smelte yderligere, hvilket åbner døren til nye realiteter.

Lær om andre seje AI-projekter Nu

Studierreferencer:

^{1. Majowicz, A., Popli, C., & Odonkor, P. (2025). Kvantificering af husholdningssårbarhed over for strømafbrydelser: Vurdering af risici ved hurtig elektrificering i smarte byer. Journal of Smart Cities and Society, 0(0). https://doi.org/10.1177/27723577241306340}

^{2. Ji, J., Ramasamy, J., Nazzaro, L., Kohut, J., & Ezzat, A. A. (2024). Maskinlæring til modellering af North Atlantic Right Whale-forekomst for at støtte udviklingen af havvindenergi i den amerikanske Mid-Atlantic. Scientific Reports, 14, 29147. https://doi.org/10.1038/s41598-024-80084-z}

^{3. Chen, J., Xu, X., Wang, T., Jeon, G., & Camacho, D. (2024). Et AIoT-rammeværk med multimodal frekvensfusion til WiFi-baseret grov og fin aktivitetsgenkendelse. IEEE Internet of Things Journal, 11(24), 39020-39029. https://doi.org/10.1109/JIOT.2024.3400773}

^{4. Myers, S., & Everett, J. A. C. (2025). Folk forventer, at kunstige moralske rådgivere er mere utilitaristiske og har mistillid til utilitaristiske moralske rådgivere. Cognition, 256, 106028. https://doi.org/10.1016/j.cognition.2024.106028}