Kunstig intelligens i praksis

Vi har lært at kunstig intelligens er en samlebetegnelse på alle metoder som gjør det mulig for en maskin å etterligne menneskelig intelligens – og at det brukes i alt fra anbefalinger av kjøreruter og ny musikk til identifisering av sykdommer og førerløse biler. La oss nå se kort på noen eksempler på hvordan kunstig intelligens og maskinlæring kan brukes:

Hva kan kunstig intelligens brukes til?

  • Forutse, eller predikere, resultater av valg, utvikling i børsverdier og oljepriser, influensaepidemier, pollenspredning eller været 
  • Identifisere svindel eller predikere risiko i forbindelse med lån og forsikring 
  • Forutse hvilke kunder som er mest åpne for å kjøpe flere produkter, eller hvilke som trolig vil forlate oss om vi ikke gjør noe for å forhindre dette
  • Gjøre søk og bestillinger på nett enklere, og husene våre smartere, ved hjelp av talegjenkjenning
  • Avdekke feil i data og interne prosesser
  • Finne beste vei der det er mange veier til mål, for eksempel basert på avstand, lovlig hastighet og kø, slik Google Maps bruker maskinlæring i kombinasjon med «datastrømming» (en kontinuerlig strøm av data fra ulike kilder samlet på ett sted)
  • Identifisere falske og hatefulle tekstinnlegg eller uønskede bilder, slik for eksempel Facebook gjør
  • Sikre mer relevante søketreff på internett
  • Gjøre betaling på mobil sømløst ved hjelp av bildegjenkjenning
  • Kommunisere i chatbots
  • Identifisere sykdom
  • Optimalisere produksjon, drift og vedlikehold

Eksempel: Datadrevet byggeplass

La oss kjapt ta for oss et helt konkret brukstilfelle. Skanska, SINTEF, Volvo og software-selskapet Ditio går sammen for å bli de første som utvikler kunstig intelligens for anleggsmaskiner.

Utgangspunktet er at anleggsmaskiner står for en femtedel av klimagassutslippene i den norske bygg- og anleggsbransjen. Anleggsmaskinene går på tomgang i nær halvparten av arbeidstiden, og forskningsprosjektet tar seg som mål å kutte utslippene fra disse – samtidig som man vil gjøre arbeidet til maskinene bedre, raskere og billigere.

Forskningsprosjektet ser på hvordan de ved hjelp av å bruke data som Skanska allerede logger kan utvikle algoritmer som gjenkjenner ineffektive rutevalg og kjøremønstre, se hvilke maskiner som trengs hvor og som samkjører den samlede maskinparken for å unngå unødig ventetid, tomgangskjøring og overflødig arbeid.

På de største prosjektene har Skanska opptil 200 maskiner i arbeid. Anleggsmaskinenes aktivitet skal nå analyseres i sanntid, mens algoritmer foreslår den mest effektive bruken av hver maskin.