Dessa fem AI-trender kommer att förändra våra liv under de kommande åren

1. Stable Diffusion: skapa nya bilder med blixtens hastighet

Möjligheten att generera en bild på några sekunder med bara några få nyckelord, med hjälp av verktyg som DALL-E och MidJourney, är minst lika imponerande som den ofta omtalade ChatGPT. Precis som ChatGPT:s språkmodell använder dessa modeller den enorma mängd data som finns tillgänglig på internet, i detta fall befintliga bilder.

Stable Diffusion är också baserat på en text-till-bild-modell. Skillnaden jämfört med de andra två är att det är en öppen källkodsmodell som vem som helst kan köra själv på en något kraftfull dator. Stable Diffusion använder sig av djupinlärning. Modellen tränas för att ta bort brus från en bild. Den får först en bild fylld med brus och ber den generera en bild med något mindre brus. Genom att upprepa den processen kan den skapa en skarp bild. Baserat på den information modellen har om hur en bild borde se ut börjar den gradvis lägga till struktur till bruset.
Denna typ av verktyg utvecklas snabbt och matas med mer och mer data. Vi kommer att se många fler exempel på generativ AI under de kommande åren som kommer att användas för att skapa innehåll som hela videor eller musikstycken baserade på beskrivningar.

2. Diagnoser: bättre än läkare

Djupinlärningsmodeller som känner igen bilder är inte bara användbara för att generera nya bilder. De har också haft en roll inom vården i många år, där de hjälper läkare att ställa diagnoser. För flera år sedan utvecklade forskare till exempel en modell som kunde känna igen hudcancer från foton på patienter bättre än dermatologer, oavsett hur mycket kunskap och erfarenhet dessa hade. Denna typ av neuralt nätverk tränas med tiotusentals bilder. För varje bild kan det bedöma om den är cancerframkallande eller inte, med en noggrannhet på upp till 95 procent.

Är det dåliga nyheter för medicinska specialister? Absolut inte. Även om dessa modeller kan användas för att hjälpa läkare att ställa diagnoser, är det fortfarande läkaren som har det slutgiltiga ordet. Om modellerna fungerar väl, sparar de dessutom läkare mycket tid som i stället kan läggas på forskning eller annat viktigt arbete.

3. Tankeläsning: är det möjligt och är det tillåtet?

Kanske den mest djupgående – och skrämmande – möjligheten med AI är förmågan att läsa någons tankar. Den första frågan som uppstår är om detta ens är möjligt. Mark Zuckerberg, VD för Meta (Facebook), föreställer sig en framtid där människor kan skicka tankar direkt till varandra om de vill. Även om det är mycket tveksamt att det någonsin kommer att gå så långt, görs det mycket forskning om kommunikation mellan hjärnor och det finns faktiskt system som kan ta de första stegen. Till exempel undersöker forskarteamet från Braingate hur en hjärn-/maskingränssnitt som använder elektroder kan göra det möjligt för personer med hjärnrelaterade sjukdomar att styra robotarmar och surfplattor med sina tankar.
Även om detta mycket väl kan vara en värdefull tillämpning, kan ‘tankeläsning’ också leda till en dystopisk framtid, vilket visas i en video från World Economic Forum. I den här videon avkodades hjärnvågorna från en företags medarbetare för att avgöra hur seriöst de tar sina jobb, om de har vissa känslor gentemot sina kollegor och om de är involverade i olagliga aktiviteter. Det behövs inga elektroder i hjärnan för att registrera all den informationen. Det räcker med att ha något bärbart, som en smartklocka eller hörlurar.

För närvarande kan denna typ av tillämpning endast ses i serier som Person of Interest. Men som en forskare påpekade, kan det du tänker och känner reduceras till data. Och tänk om AI blir extremt bra på att tolka stora mängder data. Etiska frågor och integritetsproblem skulle förmodligen hindra den utvecklingen mer än teknologin.

4. Entity resolution: att kombinera data på ett intelligent sätt

Att kombinera data är en av de viktigaste uppgifterna AI kan utföra. Men data samlas in och lagras på flera olika sätt. För traditionella datorprogram anses två datamängder vara olika om de inte är 100 procent identiska. Med entitetsidentifiering är det möjligt att koppla data som är nästan samma men inte helt identiska. Det är ett smart sätt att upptäcka att mycket liknande data är kopplade till samma person.

Entitetsidentifiering kan kombinera data på ett sätt som gör att det kan spåras tillbaka till en person. Detta är användbart för företag som inte alltid lagrar data i sina system på ett konsekvent sätt, men möjliggör att data används för att förbättra patientjournaler i syfte att leverera bättre vård eller för att förebygga bedrägerier. Återigen är diskussionen om etik och integritet aldrig långt borta. Hur långt kan man gå i att kombinera data? Vad händer om algoritmen missar målet? Hur anonym kan vi fortfarande vara i våra liv?

5. Singularity: kommer vi snart att bli överflödiga?

Kommer algoritmer att bli så smarta i framtiden att människor blir överflödiga? Vissa hävdar att detta kan bli verklighet inom ett decennium. Idén är inte ny – tänk på filmer som The Terminator. Anledningen till att vissa experter tror att det inte kommer att förbli science fiction är till stor del den hastighet med vilken AI och annan teknik utvecklas. I många fall är detta inte en linjär utveckling, utan exponentiell. Frågan är då om och när den vändpunkt nås där AI blir så intelligent att den kan förbättra sina egna algoritmer utan att vi människor behöver tänka på det. För att göra människor medvetna om de möjligheter och faror som tekniken innebär, och den hastighet med vilken den utvecklas, bildades Singularity Group som regelbundet anordnar evenemang.

Kommer människor att bli överflödiga som en följd av AI?

Med alla dessa AI-applikationer, som också utvecklas i en rasande takt, kan man nästan börja tro att vi i slutändan skulle kunna överlåta nästan allt vårt arbete till algoritmer. Om man föreställer sig en extrem form av singularitet, är det då möjligt att hela mänskligheten till och med ersätts? De flesta experter tror inte att det kommer att gå så långt. Däremot tror de att människor som inte arbetar med AI kommer att ersättas. Med andra ord verkar det som att lösningen för framtiden är att följa AI med ett kritiskt öga men samtidigt omfamna och samarbeta med den på ett konstruktivt sätt.