AIs regnekraft og evne til at mønstergenkende på tværs af meget store mængder af data gør det velegnet til at forstå og forudse menneskelig adfærd. Det kan give kommercielle fordele, men området er meget kontroversielt og har høje entry barriers.
Dette blog indlæg er nummer fem i rækken om AIs disruption på innovation
Dette blog indlæg er nummer fem i rækken om den disruptive effekt af en teknologi, der bygger på en ny form for intelligens, der er selvlærende, universally enabling og som giver mulighed for dyb customization:
- Hvor påvirker AI i dag?
- Hvad er det nye og disruptive ved AI?
- AIs effekt på robotics og eksperimentel automatisering
- AIs effekt på klima- og meteoforskning
- AIs effekt på samfundsvidenskab og humaniora
- AIs effekt på undervisning, læring og psykoterapi
- AIs effekt på bioteknologi og lægemidler
- AIs effekt på materialeforskning og kvantekemi
- AIs effekt på teoretisk fysik og matematik
- Hvad bør investeringsstrategier i AI tage højde for?
Den, der er bedst til at forudsige, har de bedste konkurrencefordele
Investering bygger på forudsigelser. Den, der bedst forudser markedet, kan få det bedste afkast. Tilsvarende afspejler finansielle markeders bevægelser, hvilke begivenheder og trends som flertallet af markedets aktører tror på. Det gælder finansielt såvel som bredere forbrugsadfærd. Blandt andet derfor er simuleringer af adfærd og sociologiske mønstre af potentielt meget stor finansiel og kommerciel værdi.
Men at afkode og dernæst forudsige adfærd blandt millioner af aktører kræver enorme mængder af grunddata. Dernæst kræver det enorm regnekraft at samkøre disse data og drage strukturelle erfaringer. Det værdiskabende led i dén proces er derfor at udvikle nye metoder til analyse, fortolkning og simuleringer på sociale og kulturelle fænomener og interaktioner.
AIs evne til mønstergenkendelse på tværs af meget store data giver gode forudsætninger, …
Grundlæggende er et af AIs særkender, at sammenfald og digital forarbejdning kan ske vektor-baseret i stedet for relationelt. Det svarer til, at menneskehjernen arbejder mønstersøgende, snarere end deterministisk, dvs. efter stringente 1:1 relationer. Derfor er AI en særligt velegnet katalysator for sociale interaktioner. Det gælder f.eks.:
Analyser af store psykometriske data eller sociale medier for tidlige tegn på kommercielle trends og tendenser. Det kan bl.a. ske via agentbaserede simuleringer af sociale interaktioner. Det kan dog også, mere kontroversielt, være politiske og sikkerhedsrelaterede tidlige tegn på udbredt mis- eller disinformation.
Desuden åbner AIs karakteristika for tværfaglig forskning. Det gælder f.eks. bredere sociologisk forståelse af, hvordan normer og etik udvikler sig over tid og under hvilke omstændigheder. De forståelser har bl.a. stor betydning for udvikling af undervisnings- og formidlingsformer.
… der bliver endnu stærkere, når AI også kan hyperpersonalisere kommunikation
AI har vist sig særdeles velegnet til at hyperpersonalisere formidling og kommunikation. Det muliggør bl.a. brug til psykoterapi og følelsesmæssig support, se næste blog indlæg. Men desuden har AI vist sig god til at forudsige mennesker.
I juli i år offentliggjorde en række forskere fra Institute for Human-Centered AI i Nature f.eks., at de havde skabt en kognitiv “foundation model” kaldet Centaur.
- Centaur er trænet på Psych-101, der er et omfattende datasæt med informationer fra mere end 60.000 mennesker, der foretog millioner af valg på tværs af 160 eksperimenter.
Forskerne fandt, at modellen var i stand til at outperforme alle tidligere modeller for forudsigelse af menneskelig adfærd. Det gælder også for scenarier, der ikke har været set før. Dermed antyder projektet, hvordan AI er i stand til at forudsige vores valg i hverdagen, jo dybere adgang til vores tanker og beslutninger som vi giver det.
For det giver basis for overtalelse, som historien har mange eksempler på
Tilbage i 2018 opstillede forskere fra bl.a. Oxford, Cambridge, Future of Humanity Institute samt OpenAI en række scenarier. De fokuserede på, hvordan AI kan benyttes til ondsindede formål som f.eks. hacking eller bredere cyber-offence til politisk motiveret desinformation. Disse er lige relevante i dag.
På det tidspunkt var skandalen omkring Cambridge Analytica fra 2016-18 f.eks. i frisk erindring. Hér havde avancerede modeller på psykometriske data gjort det muligt at hyperpersonalisere politisk kommunikation (f.eks. “OCEAN” personlighedsprofiler). Det er naivt at tro, at en sådan brug af AI kun kan opstå i USA eller kun af det ene parti; det var blot dér, at den første strukturerede brug blev afdækket.
Det er dog så komplekst et område, at kun få har kritisk masse til det
Området er komplekst og kræver brug af flest mulige komplekse data. Det giver høje entry barriers og derfor egner området sig generelt bedst til Big Tech. Google DeepMind samt LLM udbyderne OpenAI og Meta særligt optagede af analyser af diskurs og interaktion, dvs. informationsspredning. Desuden udvikler Microsoft og IBM begge modeller til at simulere sociale scenarier.