AI – en altmuligmann, fra sykdomsforutsigelse til forbedring av tilgjengelighet for funksjonshemmede

Kunstig intelligens tok av i fjor og har ikke latt noen bransje være uberørt i kjølvannet. Det var lanseringen av ChatGPT som fikk interessen for AI‑underfeltet, generativ AI, til å eksplodere, og alle begynte å bruke teknologien både som forbruker og tjenesteleverandør.

I følge en McKinsey‑undersøkelse bruker flertallet av organisasjoner (55 %) nå AI i minst én forretningsfunksjon. Dette er fornuftig, gitt at AI påvirker alt fra salg, markedsføring og kundeservice til sikkerhet, data, teknologi og andre prosesser.

Et innblikk i AI og dens evne til å transformere bransjer

AI, et konsept som har eksistert siden 1950‑tallet, er maskiners intelligens. Det er maskiners evne til å utføre kognitive funksjoner på samme måte som mennesker.

Menneskelig intelligens er det som skiller oss fra andre levende vesener. Det er evnen til å lære nye ting, rasjonalisere, tilpasse seg, løse problemer, planlegge, improvisere og handle. Intelligens er grunnlaget for menneskelig erfaring, og nå gjenskaper vi den kunstig i vitenskapelige prosjekter. Som et resultat viser dagens AI‑systemer noen av disse egenskapene ved menneskelig intelligens, inkludert læring, resonnering, problemløsning og persepsjon.

Så AI er i bunn og grunn simuleringen av menneskelig intelligens i maskiner. Maskinlæring (ML) er en undergruppe av AI som refererer til dataprogrammers evne til å lære fra data og tilpasse seg uten menneskelig hjelp.

Deretter har vi dyp læring, som muliggjør denne automatiske læringen via enorme mengder datakilder som tekst, bilder eller video, som er for store for mennesker. Dyp læring bruker nevrale nettverk, basert på hvordan nevroner samhandler i den menneskelige hjerne — for å absorbere data og behandle dem. Tre typer kunstige nevrale nettverk som brukes her inkluderer fremover‑rettede nevrale nettverk, konvolusjons‑nevrale nettverk og tilbakevendende nevrale nettverk.

Maskinlæring og dyp læring gjør at AI kan utføre mer komplekse oppgaver ved å behandle data som gjør dem i stand til å oppdage mønstre, gi anbefalinger og spådommer, og deretter tilpasse seg nye data og erfaringer.

Klikk her for listen over de 5 beste AI‑ og digitale bioteknologiselskapene.

AI sine brede bruksområder, som ryster bransjer

Alle fremskrittene innen AI‑teknologi gjennom årene har gjort det mulig å bruke den på tvers av ulike bransjer, og den finner anvendelse i nesten alle forretningssektorer.

For det første hjelper chat‑bots med å forbedre brukeropplevelsen på nettet. Naturlig språkbehandling (NLP) brukes for å få samtalen til å høres menneskelig og personlig ut. Disse AI‑drevne assistentene kan også ha sanntidsengasjement med kunder. Ifølge Servion Global Solutions, 95 % av kundeinteraksjonene vil bli drevet av AI innen 2025.

Innen media og underholdning introduserer AI en ny æra av effektivitet og kreativitet. Fra kunstnere til filmskapere og spillutviklere utnytter innholdsskapere kraften i AI‑algoritmer for å generere manus og fortellinger.

AI brukes også for å legge til rette for sanntids språkoversettelse i tekster, videoer, podkaster og andre multimediformater som gjør innholdet tilgjengelig for et bredere publikum. På dette grunnlaget analyserer teknologien språklige nyanser og ansiktsbevegelser for å hjelpe med leppesynkronisering. Dette beriker seeropplevelsen og endrer hvordan audiovisuelle innhold synkroniseres på tvers av ulike språk.

I tillegg er syntetiske skuespillere som portretterer ekte personer i digitale miljøer, kundesentrerte reklamekopier, og autonom generering av nyhetsartikler og sammendrag andre måter AI hjelper mediebransjen på.

Denne teknologien påvirker også livsstilen vår, hovedsakelig gjennom autonome kjøretøy. Selskaper som Tesla (TSLA ), Toyota og Audi bruker maskinlæring for å bygge selvkjørende biler, tilby førerassistansesystemer og til slutt fjerne behovet for en menneskelig operatør. I denne sektoren brukes AI også til spam‑filtre, ansiktsgjenkjenning og for å gi tilpassede anbefalinger som øker engasjementet.

AI gjør også dypere inntog i utdanningssektoren for å forbedre fakultetets produktivitet ved å automatisere administrative oppgaver som personlige meldinger, håndtering av påmeldinger og andre rutineoppgaver. Den hjelper også med å tilpasse læringsmateriale, lage smart innhold og tilby stemmeassistenter for ekstra læringsmateriale eller hjelp.

Dette er bare toppen av isfjellet, da AI har omfattende bruksområder, inkludert navigasjon for nøyaktig og detaljert informasjon, i personaladministrasjon for å lette prosessen, i landbruk for å høste avlinger raskere og i større mengde, i spill for å lage menneskelignende NPC‑er, og i finans for å forbedre et bredt spekter av tjenester.

I tillegg finner AI anvendelse i datasikkerhet for å identifisere ukjente trusler, feilidentifikasjon, trusselforebygging og gjenkjenne uklassifiserte handlinger. Utover å hjelpe med trafikkstyring, samkjøring og ruteplanlegging i reiselivsbransjen, gir AI også støtte i kvalitetskontroll, inspeksjon og forsyningskjedeadministrasjon.

Deretter er det robotikk, hvor AI vanligvis brukes til å oppdage hindringer og forhåndsplanlegge reiser. Snart vil kunstig generell intelligens (AGI) også bli en realitet, noe som betyr at maskiner vil ha intelligensen til å utføre og fullføre intellektuelle oppgaver som for øyeblikket kun mennesker kan gjøre. Organisasjoner som OpenAI jobber med å skape en teknologi som overgår menneskelig intelligens.

AI for å gjøre internett mer tilgjengelig

Som vi påpekte, endrer AI nesten alle sektorer, og likevel er det ikke hele omfanget av bruken. For eksempel utvikler forskere ved Ohio State University en AI‑agent for å gjøre internett mer tilgjengelig for personer med funksjonsnedsettelser. Denne AI‑agenten vil kunne navigere i det intrikate nettet for å utføre komplekse oppgaver på enhver nettside ved hjelp av enkle språkkommandoer.

Ifølge studien presentert på den 37. konferansen om nevrale informasjonsbehandlingssystemer (NeurIPS) i desember, øker hindringene for å få tilgang til internett, som vi er avhengige av i vårt daglige liv og arbeid. For å fjerne slike hindringer og redusere ulikheten, spesielt for personer med funksjonsnedsettelser, brukte studien informasjon fra levende nettsteder og opprettet nett‑agenter. studien.

Disse nettbaserte AI‑hjelperne utnytter en dyp‑læringsalgoritme og store språkmodeller (LLM‑er) for å fungere på samme måte som vi mennesker gjør når vi surfer på internett. Modellen som er laget kan forstå både oppsettet og funksjonaliteten til ulike nettsteder kun ved å bruke sin evne til å behandle og forutsi språk.

For å utvikle denne løsningen laget teamet først datasettet Mind2Web for generelle nett‑agenter. Forskerne brukte 137 ulike virkelige nettsteder for mer enn 2 000 åpne oppgaver, som å følge kjendiskontoer på sosiale medier, bestille internasjonale flyreiser og planlegge tester hos DMV, for å trene sine agenter.

I følge studiens medforfatter Yu Su, som er assisterende professor i datavitenskap og ingeniørfag ved Ohio State, var det i stor grad på grunn av modellens evne til å tilpasse seg den komplekse og dynamiske naturen til dagens nettsteder og håndtere det stadig utviklende internettet at deres agenter ble en suksess. Su sa:

«Det har først blitt mulig å gjøre noe slikt på grunn av den nylige utviklingen av store språkmodeller som ChatGPT.»

Siden chatboten ble offentlig i november 2022, har millioner av mennesker brukt den til å lage innhold. Nylig avslørte OpenAIs administrerende direktør Sam Altman, som er skaperen av ChatGPT, at den nyeste versjonen av chatboten GPT‑5 vil bli lansert i år med videofunksjonalitet og høyere nøyaktighet. Ifølge Altman vil AI ikke bare endre måten vi jobber på, men fremskritt innen teknologi vil «hjelpe enormt med å akselerere hastigheten på vitenskapelige oppdagelser».

I tillegg til Mind2Web introduserte forskere ved Ohio State også et rammeverk kalt MindAct, som bruker både små og store språkmodeller for å utføre oppgaver. Ved å bruke begge modellene fant teamet at deres rammeverk kan overgå andre vanlige modelleringsstrategier og forstå ulike konsepter på en rimelig måte.

Når modellen er raffinert, kan den brukes sammen med åpne og lukkede LLM‑er som Flan‑T5 eller GPT‑4, bemerket studien, som støttes av National Science Foundation, US Army Research Lab og Ohio Supercomputer Center.

Midt i alt dette fremhevet studien det etiske problemet med å skape fleksibel AI, som, selv om den kan være ekstremt hjelpsom for mennesker på mange måter, som å surfe på nettet, kan gjøre internett til et enestående kraftig verktøy ved å forbedre systemer som ChatGPT.

«På den ene siden har vi stort potensial til å forbedre vår effektivitet og la oss fokusere på den mest kreative delen av arbeidet vårt», sa Su, og la til: «Men på den andre siden er det enormt potensial for skade.» Dette kan komme i form av spredning av feilinformasjon eller misbruk av økonomisk informasjon.

Ifølge Su bør vi alle være «svært forsiktige» med disse risikoene og må samarbeide for å dempe dem. Han påpekte også at fremskritt innen AI gjennom kontinuerlig forskning vil hjelpe samfunnet å oppleve betydelig vekst i årene som kommer.

AI sin store rolle i helsevesenet

Et annet område hvor AI viser seg å være en spillveksler, er helsevesenet, som forbedrer ulike aspekter av denne bransjen.

Helsevesenet er en viktig del av livene våre for å forebygge sykdommer og forbedre livskvaliteten. Imidlertid står bransjen overfor problemet med ineffektive prosesser og stigende medisinske kostnader. Her kan AI fullstendig endre helsevesenet ved å strømlinjeforme prosesser og hjelpe med forskning på livreddende medisiner ved å kombinere historiske data og medisinsk intelligens. På denne måten kan organisasjoner redusere sine FoU‑kostnader samtidig som de øker produksjonen.

AI‑drevne virtuelle assistenter hjelper imidlertid folk ved å redusere unødvendige sykehusbesøk og spare helsepersonells tid i prosessen. Chat‑bots kan også brukes til å avtale pasienttimer, gi informasjon, fylle ut pasientdata og håndtere forsikringshenvendelser.

Medisinske institusjoner kan ytterligere analysere pasienter for å oppdage innsikter og foreslå handlinger med større nøyaktighet for å senke dødeligheten og øke pasienttilfredsheten. Pasientdata, som medisinsk historie og genetisk profil, kan også brukes til å tilby personlig tilpassede medisiner og de beste behandlingsplanene. Sykehus kan også bruke AI til markedsundersøkelser for å optimalisere tjenester og lage optimale markedsføringsstrategier for merkevareledelse og markedsføring.

I tillegg brukes teknologien til å bygge sofistikerte maskiner som kan oppdage sykdommer og hjelpe med å analysere kroniske tilstander for å sikre tidlig diagnose.

Ny studie, finansiert av Swedish Brain Foundation, Swedish Foundation for Strategic Research, Swedish Research Council og andre, brukte maskinlæring for å forutsi alvorlig multippel sklerose (MS). MS er en kronisk sykdom i sentralnervesystemet som er uforutsigbar, med en progresjon som varierer betydelig fra person til person.

Det antas å være en autoimmun lidelse, noe som betyr at immunsystemet angriper personens egen kropp. Ved MS blir et fettstoff kalt myelin angrepet, noe som skader nerver i hjernen og ryggmargen. Dette skyldes at myelin omgir og isolerer nerveaksonene for å tillate signaloverføring, noe som påvirkes når den blir skadet.

Så for å finne en måte å oppdage sykdommen på et tidlig stadium, samlet forskere fra Linköping University, Karolinska Institute og University of Skövde seg for denne studien.

Forskerne analyserte omtrent 1 500 proteinprøver ved hjelp av maskinlæring. Det var faktisk den første studien som målte så mange proteiner med proximity extension assay (PEA), en svært sensitiv metode, i kombinasjon med neste‑generasjons sekvensering (NGS). Teknologien som ble brukt gjør det mulig å måle svært små mengder mer nøyaktig, noe som er spesielt viktig siden disse proteinene ofte er til stede i svært lave nivåer.

Studien fant at en kombinasjon av 11 proteiner kan forutsi både kortsiktige — et spesielt protein kalt neurofilament lettkjede (NfL) var en pålitelig indikator for dette — og langsiktige sykdomsaktivitet og funksjonsnedsettelsesutfall. Denne kombinasjonen av proteiner ble senere bekreftet i en separat gruppe med MS‑pasienter.

I tillegg må disse proteinene måles i cerebrospinalvæske i stedet for i blodet for å få en bedre forståelse av hva som skjer i sentralnervesystemet. Disse proteinene kan videre brukes til å skreddersy behandlinger for hver pasient avhengig av den forventede alvorlighetsgraden av MS.

Klikk her for å lære om den økende synergien mellom AI og nevrovitenskap.

Selskaper som leder AI‑veien

Etter hvert som AI blir normen og inntektene fra AI‑programvaremarkedet globalt forventes å nå 126 milliarder dollar innen 2025, hopper alle på denne bølgen. Men noen selskaper gjør et stort inntrykk i sektoren med innovative maskinlæringsimplementeringer:

1. Microsoft

Tekjgiganten tilbyr en forretnings‑AI‑assistent, Office 365 Copilot. Microsoft (MSFT ), som er den største investoren i OpenAI, lanserte nylig et AI‑drevet verktøy, «Reading Coach».

Med en markedsverdi på 2,9 billion dollar, handles MSFT‑aksjene til 398 $, opp 4,74 % år‑til‑dato. Selskapets inntekter (TTM) er 218,3 milliarder dollar, EPS (TTM) er 10,33, P/E (TTM) er 38,14, og det betaler et utbytte på 0,76 %.

2. Tesla

Selskapet produserer elbilmodeller med autonome kjørefunksjoner. Administrerende direktør Elon Musk omtaler Tesla som et «AI/robotikk‑selskap» og hevdet en gang at de utvikler «den mest avanserte AI i den virkelige verden».

Med en markedsverdi på 673,55 milliarder dollar, handles TSLA‑aksjene til 209,20 $, ned 14,72 % år‑til‑dato. Selskapets inntekter (TTM) er 95,92 milliarder dollar, EPS (TTM) er 2,10, og P/E (TTM) er 68,28.

3. Luminar Technologies

Selskapet produserer avanserte LIDAR‑baserte kjøretøy‑visjonsprodukter. Sensorene bruker fiberlasere som gjør at AI‑baserte programvaresystemer i selvkjørende biler får en grundig innsikt i omgivelsene.

Med en markedsverdi på 1,095 milliarder dollar, handles LAZR‑aksjene til 2,19 $, ned 35,9 % år‑til‑dato. Selskapets inntekter (TTM) er 58,79 milliarder dollar, EPS (TTM) er -1,50, og P/E (TTM) er -1,44.

Avsluttende tanker

2023 brakte AI inn i mainstream, og etter hvert som populariteten og bruken av teknologien vokser, vil også ytelsen oppleve betydelig vekst gjennom kontinuerlig forskning og investering. Allerede nå transformerer AI‑fleksibiliteten ulike bransjer, og etter hvert som vi utvikler oss, vil dens anvendelser bare drive innovasjon og bransjer videre. Som Su sa, vil den «spare folk tid og gjøre det umulige mulig».

Klikk her for å lære alt om investering i kunstig intelligens.