Hvordan AI og maskinlæring kan åbne nye muligheder for virksomheder

Generativ AI fanger opmærksomheden, fordi den gør store spring i, hvad den kan gøre. Kan de seneste AI-fremskridt anvendes i din virksomhed?

Du har måske hørt venner eller kolleger tale om ChatGPT, chatbotten, der går viralt, fordi den er i stand til at føre tekstbaserede samtaler på en naturtro måde. Applikationen er et eksempel på de seneste fremskridt inden for kunstig intelligens, som er ved at blive mainstream. For de tidligere uindviede viser de nyeste AI-teknologier de relativt hurtige fremskridt, der er sket på området i løbet af de sidste mange år. Mange mennesker, der har brugt tid med de nyeste værktøjer, bemærker, at det maskingenererede sprog overbevisende læses, som om det var skrevet af et menneske, hvilket ikke var tilfældet for bare fem år siden. Teknologien kan have muligheder og konsekvenser for virksomheder.

Kvaliteten af de svar, som et AI-system nu kan give på spørgsmål og instruktioner, var umulig for bare få år siden. – John Crook, gruppeleder, Volaris Group

Brainstorming om mulige forretningsmæssige anvendelser af AI

Naturligvis kan AI’s voksende kapacitet også give anledning til bekymringer om etik og intellektuel ejendomsret. Men hvis man antager, at disse bekymringer kan løses med tiden, kan man ikke lade være med at spekulere på, om fremsynede virksomheder kan bruge AI til at hjælpe med at håndtere gentagne opgaver. Når alt kommer til alt, bruger virksomheder allerede teknologi til at frigøre medarbejdernes tid og give mulighed for større fokus på arbejde af høj værdi. De har allerede taget automatisering og AI til sig i form af chatbots, prædiktiv analyse og robotbaseret procesautomatisering (RPA). På en Volaris-konference i 2022 brainstormede og eksperimenterede nogle af deltagerne med use cases, hvoraf mange var udgangspunktet for en række forskellige opgaver:

• Opfordringer til kreativ skrivning – Bed GPT-3 om at skrive en blogartikel, som du kan bygge videre på
• Sentimentanalyse – Klassificer kundeemails som glade, utilfredse eller neutrale
• Tagging af kundeemails med emner eller kategorier
• At skrive en boilerplate som udgangspunkt for en ny ESG-politik
• Generere forslag til, hvordan man kan forenkle kompliceret eller forvirrende tekst
• Opsummering af en artikel
• Brainstorming af alternative markedsføringsideer
• Besvarelse af udbudsspørgsmål
• Forskellige programmeringsapplikationer

AI er kommet langt

Det er forskningsvirksomheden OpenAI, som har udviklet en stærk sprogmodel, GPT-3, der har været drivkraften i de seneste år. Denne model udgør den underliggende struktur for ChatGPT og andre applikationer. At forstå, hvordan en sprogmodel som GPT-3 blev udviklet, kan give en forståelse for dens mulige anvendelser og begrænsninger. Som den største offentligt tilgængelige neurale netværksmaskineindlæringsmodel, der nogensinde er produceret, er GPT-3 designet til at forudsige, hvilken tekst der sandsynligvis vil følge efter en given opfordring ved at trække på dens omfattende træning af forskere. GPT-3-modellen kan forudsige svar ved at blive fodret med et massivt datasæt, der kører gennem 175 milliarder parametre og indeholder mere end 45 terabyte tekst, herunder fra Wikipedia, bøger og videnskabelige artikler. (En vigtig del af arkitekturen i GPT-3 er transformermodellen, som er et stort fremskridt, og som vi skrev om første gang i 2017[i]). En anden grund til at være opmærksom på AI-verdenen? Det er blevet nemmere end nogensinde for alle at få adgang til og eksperimentere med AI-værktøjer som GPT-3. For at generere tekst i GPT-3 indtaster brugeren f.eks. en opfordring i et offentligt tilgængeligt AI-værktøj, som bruger sin træning til hurtigt at generere et relevant svar. GPT-3 kan også opsummere tekster og besvare spørgsmål. “Kvaliteten af de svar, som et AI-system nu kan give på spørgsmål og instruktioner, var umulig for bare få år siden”, siger John Crook, gruppeleder hos Volaris Group, som har fulgt med i de seneste fremskridt. “Hvis du tidligere har overvejet at bruge AI i din virksomhed, men troede, at det var for svært, for dyrt eller for usikkert, vil jeg foreslå, at du kigger på det igen.” Hvis du ønsker at lære om de nyeste muligheder inden for AI, har Crook samlet en guide nedenfor for at hjælpe virksomhedsledere med at komme i gang og navigere i AI-læringskurven ved hjælp af GPT-3.

Sådan kommer du i gang: Sådan får du adgang til GPT-3 Playground

GPT-3 Playground er et onlineværktøj, hvor du kan indtaste tekst, trykke på send og se GPT-3’s svar. Du kan strukturere den tekst, du giver (kaldet en prompt), så den giver nyttige resultater. For at komme i gang med GPT-3 skal du gå til OpenAI’s tilmeldingsside og oprette en gratis konto. Log ind, og naviger derefter til Playground-appen. Skriv eller indsæt din prompt, og tryk på enter for at oprette en ny linje, og klik derefter på “Submit”. Standardindstillingerne er fine at begynde at eksperimentere med.

Demonstration af, hvordan GPT-3 virker

Lad os se nogle eksempler, der viser GPT-3’s evner og nogle af dens begrænsninger. Disse demonstrationer kan inspirere til ideer, som du kan bruge i din virksomhed i dag.

Eksempel 1A: Forbedre ordlyden i en kontrakt

Eksempel 1 viser, hvordan man kan forbedre ordlyden i en kontrakt. Den grøntonede tekst er GPT-3’s svar på de tekstinstruktioner (prompt), du har indtastet. (Redaktørens bemærkning: Vi foreslår ikke, at du skal bruge GPT-3’s svar i stedet for din eksisterende juridiske gennemgangsproces. Du kan dog behandle GPT-3 som en slags virtuel assistent, der kan foreslå outputs til overvejelse).

Skriv følgende afsnit om, så det passer til en juridisk kontrakt, der reducerer risikoen for LinkSoft:

LinkSoft vil gøre sit bedste for at give kunderne 99,99 % oppetid. Dette omfatter ikke perioder, der er planlagt til opgraderinger og vedligeholdelse. Nedetid måles fra det tidspunkt, hvor en ikke-planlagt serviceafbrydelse rapporteres af kunden.

Uanset det modsatte i denne aftale skal Linksoft bruge kommercielt rimelige bestræbelser på at levere tjenesterne med en oppetid på 99,99% (“serviceniveau”), undtagen (i) perioder, hvor tjenesterne er utilgængelige, mens de er planlagt til opgraderinger og vedligeholdelse, eller (ii) enhver utilgængelighed forårsaget af faktorer uden for Linksofts rimelige kontrol, såsom for eksempel naturkatastrofer, krigshandlinger eller terrorisme, optøjer, civile uroligheder, afbrydelser i telekommunikations- eller internetudbydertjenester eller udstyrssvigt. Nedetid skal måles fra det tidspunkt, hvor en ikke-planlagt serviceafbrydelse rapporteres af kunden.

Eksempel 1B: Undersøgelse af resultaterne

Læg mærke til, hvordan AI-værktøjet blandt andet har ændret sig:

• tilføjet i klausulen “Uanset” i starten,
• ændret bedste indsats til rimelig indsats, og
• tilføjet et par undtagelser.

Igen er det meget vigtigt at huske, at du ikke bare skal bruge GPT-3’s svar, som det er, da det ikke er en erstatning for din juridiske vurderingsproces. Dens output skal blot ses som et forslag, du kan overveje. Når du har kørt disse resultater flere gange, vil du måske bemærke, at du ikke altid får det samme resultat. Nogle gange vil det overraske dig. En gang ændrede den f.eks. 99,99 % til 99,9 %, og en anden gang fjernede den ethvert specifikt mål for oppetid. Hvis du ikke kan lide svaret, er det hurtigt og nemt at prøve igen for at få et andet resultat. Husk, at din tekst som ved enhver onlinetjeneste sendes til leverandørens servere, så det er ikke tilrådeligt at bruge fortrolige data.

Eksempel 2A: Skriv en Excel-makro

GPT-3 kan hjælpe med at skrive kode, også i Excel. Forestil dig, at du har et regneark med hundredvis af identisk strukturerede faner, hvor celle W44 på hver fane viser EBITA for virksomheden/gruppen på den pågældende fane. Du vil gerne samle alle EBITA’er i én kolonne og placere dem på det første ark, men du er ikke sikker på, hvordan. Prøv følgende prompt i GPT-3:

Skriv en Excel-makro, der løber gennem alle faner i et Excel-regneark og kopierer indholdet af celle W44 fra hver fane til kolonne A på det første regneark.

For hver ws i ActiveWorkbook.Worksheets

ws.Range(“W44”).Copy

Sheets(1).Range(“A” & Rows.Count).End(xlUp).Offset(1, 0).PasteSpecial

Næste ws

Eksempel 2B: Undersøgelse af resultaterne

Kopier koden fra GPT-3, indsæt den i en Excel-makro, og se, om den fungerer som ønsket. Den er ikke altid 100 % korrekt med hensyn til syntaks, så hvis den første version, den producerer, ikke kompilerer, kan det være værd at gøre et nyt forsøg. Selvom GPT-3 ikke blev bygget specifikt til at skrive kode, var GPT-3-designerne forbløffede over, at den kunne blive i stand til at gøre det. GPT-3-modellen har behandlet nok kode til at lære, hvad der sandsynligvis er den korrekte løsning efter kodekommentaren i ovenstående prompt.

Eksempel 3: Håndtering af konteksttungt sprog

Dette sidste eksempel er ikke direkte forretningsrelateret, men det er designet til at vise, hvor godt GPT-3 kan håndtere kompleksitet, kontekst og nuancer. Opfordringen i eksempel 3 starter tilsyneladende med at tale om væsener eller dyr, som fortælleren har set, og beskrivelsen af væsenerne afsluttes meget senere i den sidste sætning. Ind imellem er der flere sætninger, der handler om vejret og bruger masser af dyrenavne for at forsøge at forvirre situationen. Tror du, at GPT-3 kan komme med seks korrekte svar på spørgsmålene i opgaven nedenfor?

Jeg tror, jeg så mindst et dusin dukke op, nej, måske mere end tre gange så mange. Månen skinnede klart, og der var en kraftig vind, som skabte masser af hvide heste i havet. Bladene kastede skygger, der dansede rundt som en kat på et varmt bliktag. Sigtbarheden var dårlig, for det regnede med katte og hunde. De var på en rejse på liv og død fra deres sandede fødested til havet.

1. Hvilke dyr så fortælleren?

2. Hvor mange blev set?

3. Hvilke træer blev beskrevet?

4. Hvordan var vejret?

5. Hvad mente man med at kaste med katte og hunde?

6. Hvad fik skyggerne til at bevæge sig rundt?

Hvad er det næste for AI og din virksomhed?

For at illustrere, hvor hurtigt AI kan udvikle sig, er den computerkraft, der er til rådighed for AI, allerede 7,3 millioner gange større end for 10 år siden. Og GPT-3 er ikke den eneste AI-model, der gør store fremskridt. Andre modeller producerer billeder i stedet for tekst – f.eks. DALL-E-2[ii] og Stable Diffusion[iii]. Fra 2022 anslås det, at mængden af effektiv AI-computerkraft, der er til rådighed, vil blive fordoblet hver 5,7. måned[iv]. Da AI ændrer sig i et fænomenalt hurtigt tempo, kan nogen i dit ledelsesteam overveje at holde øje med de seneste fremskridt for at vurdere potentielle forretningsmæssige anvendelser. Hvis du endnu ikke har tænkt over, hvad AI og maskinlæring kan gøre for din virksomhed, er denne artikel ment som inspiration.

Under nogle Quadrants-sessioner foreslog deltagerne ideer til at generere et billede ud fra en prompt. Billederne ovenfor blev genereret af DALL-E-2 ud fra opfordringen: “softwareudviklere i en bar i stil med David Hockney”, efterfulgt af “softwareudviklere i en bar i stil med et farvet glasvindue”.

Om bidragyderen: Eksemplerne i denne artikel og flere af citaterne stammer fra John Crook, der er gruppeleder hos Volaris. De er baseret på hans arbejde som moderator ved Quadrants 2022, et arrangement, hvor vi opfordrer ledere til at dele deres ekspertise om bedste praksis og nye tendenser.

Crook er kendt blandt kollegerne hos Volaris som en kreativ leder med en kommerciel fornemmelse. Han er en evig elev, og hans interesse for AI og maskinlæring er blevet større i de senere år, og han følger med i kurser fra de bedste globale institutioner, der udvikler området. Crooks lederskab er baseret på årtiers erfaring med softwareudvikling. Mens han arbejdede hos Intel, blev flere af hans innovationer tildelt patenter af U.S. Patent and Trademark Office. Ud over at dele sin AI-viden på Quadrants præsenterede han også emner som bedste praksis for kundekontrakter, medarbejdervelvære og historiske erfaringer fra teknologisektoren.

Læs mere om automatisering fra Volaris:

• Sådan frigør du værdi i din virksomhed med automatisering
• Hvordan automatisering kan hjælpe virksomheder med at blive mere modstandsdygtige

Citater:

[i] Opmærksomhed er alt, hvad du behøver. A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. Gomez, Kaiser og I. Polosukhin. Advances in Neural Information Processing Systems , side 5998–6008. (2017)
[ii] En meget foreløbig analyse af DALL-E 2. Gary Marcus, Ernest Davis, Scott Aaronson. Xiv:2204.13807v2
[iii] Offentlig udgivelse af Stable Diffusion – Stability.Ai
[iv] Computertendenser på tværs af tre æraer inden for maskinlæring. Sevilla, Jaime & Heim, Lennart & Ho, Anson & Besiroglu, Tamay & Hobbhahn, Marius & Villalobos, Pablo. (2022).