Refleksjonsnotat: Del 1 av Digital markedsføring

Første delen av kurset, representert av Arne Krokan har vært en lærerik opplevelse for meg. I den siste måneden, har det blitt tatt opp mange ulike temaer som omhandler teknologi – den delen i digital markedsføring som mange kanskje overser, inkludert meg selv da jeg først begynte. Kunstig intelligens, Blockchain, nettverkseffekter, delingsøkonomi og forretningsmodeller var noen av temaene som var sentrale i denne delen av kurset – og det er temaer som har både positive og negative effekter for samfunnsutviklingen.

Ved å skrive blogginnlegg, fikk jeg innblikk i hvordan disse teknologiene påvirker og kommer til å påvirke samfunnet i fremtiden. Kunstig intelligens er for eksempel en teknologi som allerede har endret måten vi navigerer oss rundt i hverdagen på (Google Maps) – og kommer til å fortsette å endre på hvordan vi beveger oss fra A til B (selvkjørende biler).

Teknologi har med andre ord store effekter for samfunnsutviklingen og endrer ikke bare på små hverdagsvaner, men også livsstilene våre. Arne Krokan påpekte flere ganger i hans forelesninger at teknologisk fremdrift er essensielt for å overleve – og digital markedsføring får ikke noe unntak fra dette.

Konsekvensene av teknologisk fremdrift er imidlertid tap av arbeidsplasser. Tap av arbeidsplasser på bakgrunn av AI-erstatning betyr at man må finne ut av hvor man kan sysselsette faktiske mennesker i stedet. For min del, er det viktig å tenke på hvordan dette kommer til å påvirke min fremtidige karriere – og hvorvidt teknologi kommer til å gjøre at jeg blir erstattet eller ikke. Å ha mer kunnskap og hvordan teknologi fungerer i praksis er derfor blitt viktig for meg etter det jeg har lært i første kurset.

// Kim

Kilder

Jære, Lisbeth (2018). Digitalisering er mer enn automatisering. Hentet den 15.02.2020 fra https://www.viderebloggen.no/digitalisering-er-mer-enn-automatisering/

Kunstig intelligens: Fremtidens moralske dilemmaer

Som nevnt i mitt forrige innlegg er teknologi i stadig utvikling. Det finnes et hav av eksempler på lovende teknologi – og blant dem er kunstig intelligens. Kunstig intelligens er noe de aller fleste har hørt om, og det er også et tema som bringer mange tanker. I likhet med all annen teknologi, følger utviklingen av kunstig intelligens med fordeler, ulemper og risiko. Med andre ord, er det disse dilemmaene som avgjør om vi syns kunstig intelligens virker fascinerende, spennende eller rett og slett skummel og truende.

I tillegg til fordeler og ulemper, bringer avanseringen av kunstig intelligens også med seg moralske dilemmaer som eventuelt må drøftes. Kommer vi til å klare å utvikle maskiner som tar for seg moralske situasjoner på en hensiktsmessig måte?

Hva er kunstig intelligens?

Kunstig intelligens er maskinens evner til å simulere og kopiere menneskelige egenskaper. Disse egenskapene består blant annet av problemløsning og evnen til å tilegne seg nye kunnskaper og ferdigheter. På generell basis, er målet med kunstig intelligens å gjøre livene våre “enklere” ved å erstatte arbeidsoppgaver som vanligvis blir utført av mennesker. Et eksempel på dette inkluderer å analysere statistikk. Ikke bare kan kunstig intelligens gjøre denne jobben for oss, men det kan også bli brukt til å forutse fremtidig data som aksjekurs på en nøyaktig måte.

Bruksområdene til kunstig intelligens er mange. At vi alle nå slipper å gruble over hvordan man kommer seg fra A til B er også takket være kunstig intelligens. Så lenge man har mobiltelefonen med seg, kan en app som Google Maps finne den raskeste veien til din destinasjon. Tradisjonell transkribering – en arbeidsmetode som ofte blir tatt i bruk i forhold til teksting av videoer og filmer kan også bli erstattet ved hjelp av talegjenkjenning.

Maskinlæring vs. dyp læring

Det finnes mange underkategorier innenfor kunstig intelligens – og blant dem er maskinlæring og dyp læring. Disse begrepene blir ofte brukt om hverandre fordi deres funksjoner fungerer på lignende måter. I praksis er det klart mer komplisert, men en enkel måte å definere maskinlæring på er at maskinen etterhvert lærer gjennom prøving og feiling for å forbedre sine algoritmer. Læringsprosessen starter ved bruk av data og regler. Maskinen vil da analysere denne dataen for å se etter mønstre slik at den kan ta bedre beslutninger. 

I likhet med maskinlæring, fungerer dyp læring på lignende måte. Dyp læring kan forklares som en mer avansert versjon av maskinlæring, som simulerer menneskehjernen. Den lager koblinger og relasjoner (nevrotisk nettverk) mellom handlinger basert på erfaring. Dette betyr at dersom algoritmen i maskinlæring utvikler seg i uønsket retning, må man manuelt gå tilbake og justere på koden. Her ville et deep learning nettverk klart å justere seg selv. 

La oss bruke en skiløper som et eksempel. Vi starter med å se for oss en skiløper som skal nå et mål, som er å komme seg fra punkt A til punkt B. Her finnes det mange måter å komme seg fra A til B, og det er dette maskinen skal finne ut av selv.

Ved maskinlæring, vil det bli programmert forhåndsregler – eller andre måter for å hjelpe programmet i riktig retning. Dette betyr at vi lager et skispor for skiløperen i de første 50 meterne. Når skiløperen har kommet seg forbi disse 50 meterne som er lagt opp for han, er det opp til skiløperen å komme seg til mål basert på det han har lært og lærer underveis.

Dette betyr at hvis skiløperen plutselig snur og løper baklengs etter 100 meter, er man nødt til å legge forhåndssporet annerledes ved å manuelt gå inn og justere for å hjelpe skiløperen i mål.

I dyp læring har vi også skiløper og et mål – men denne skiløperen er smartere. Han kan nemlig lære seg å komme i mål, enten om han starter fra punkt A, midt i løypa eller til og med i skogen. Han klarer å bygge et nettverk av informasjon med kompliserte nevrotiske koblinger. Disse nevrotiske koblingene gjør at han selv finner ut av når han skal ta til venstre eller høyre – uten manuell innblandning.

Kunstig intelligens og etikk

Det er ingen tvil om hvor nyttig kunstig intelligens er for å løse komplekse oppgaver og hvor mye bruk vi har for det. Ved hjelp av maskinlæring og dyp læring, vil maskiner bidra videre til å erstatte arbeidsoppgaver foretatt av mennesker. Det er fortsatt en oppgave som kanskje ikke er så lett for maskiner å lære seg: etikk.

Selvkjørende biler er et godt eksempel på en maskin som benytter seg av dyp læring. Statistikk viser at etterhvert som selvkjørende biler tar over veien, vil det hypotetisk sett resultere til langt færre bilulykker, ettersom 90% av bilulykker er forårsaket av menneskelige feil.

Dette betyr imidlertid ikke at selvkjørende biler er perfekte. Det finnes allerede selvkjørende biler ute på veien som har vært involvert i ulykker. Med dette i bakhodet, kan man tenke seg fram til situasjoner hvor selvkjørende biler møter på en uunngåelig bilulykke. Hvilke valg skal bilen ta når en slik situasjon oppstår?

En maskin med moraler? 

Moral Machine er en plattform utviklet av Scalable Cooperation ved Massachusetts Institutt for Teknologi som tar for seg moralske dilemmaer ved selvkjørende biler. Denne plattformen viser brukeren flere moralske dilemmaer som involverer selvkjørende biler, hvor brukeren skal dømme utfallet av situasjonen. Skal bilen, som ikke kan stoppe i tide, kræsje i en betongvegg og drepe føreren, eller kjøre over en fotgjenger i stedet? 

Dette er bare et av mange spørsmål som involverer etikk og selvkjørende biler, og man kan se for seg flere lignende situasjoner som krever at man må ta vanskelige beslutninger. Ved en uunngåelig bilulykke, vil enhver person handle i panikk. Dette betyr at uansett utfall, hadde man ikke vært i stand til å ta en rasjonell beslutning. En maskin derimot, har ikke følelser og vil derfor kunne gjøre akkurat det som den er blitt instruert i å gjøre. Spørsmålet er da hva skal den gjøre? Hvordan kan denne bilen få best utfall av situasjonen som mulig? Er best utfall at føreren dør og 3 fotgjengere blir reddet? Eller er best utfall at maskinen tar vare på føreren under alle omstendigheter og kjører over fotgjengere i stedet? 

Spørsmålene stopper ikke her. Hvem er det som bestemmer hva det beste utfallet er? Er det de som har programmert maskinen? Eller er det myndighetene som bestemmer lover og regler for selvkjørende biler? 

Vi som forbrukere har jo også vår mening. Hadde du kjøpt en bil som er programmert i å redde så mange liv som mulig, eller kjøpt en bil som er instruert i å ta vare på deg som forbruker i en potensiell ulykke? Som forbruker vil man kanskje vite at man er trygg i bilen man kjører. Samtidig, har myndighetene også et overordnet ansvar for alle – og vil da foretrekke en maskin som redder flest folk. 

Selvkjørende biler + digital markedsføring = sant?

Disse forbruker-scenarioene gir et lite innblikk over hvordan handel av selvkjørende biler kan bli i fremtiden. Markedet har sine behov, og dersom det viser seg at det beste utfallet er å redde så mange liv som mulig, kan det tenkes at det blir vanskelig å overbevise forbrukere om å bruke selvkjørende biler. 

Med disse etiske situasjonene i bakhodet, kan det tenkes at bilprodusenter vil få problemer med å selge direkte til forbrukere. Allikevel finnes det store selskaper som vil satse på selvkjørende biler. Med selvkjørende biler, vil førere få muligheter til å gjøre andre ting mens de er på veien. Dette inkluderer å rette oppmerksomhet mot mobiltelefonen. Mer tid brukt på digital plattform betyr flere muligheter for bedrifter å vise seg frem. Det er viktig å se på de nye mulighetene for å gjøre ditt brand synlig. Aktivitet og lokasjonsbasert-markedsføring kan kanskje bli den nye måten å fremheve merket sitt på. Ankommende på nåværende lokasjon, vil kunstig intelligens kunne foreslå relevante aktiviteter. Om bilen kjører rundt lunsjtider, kan den for eksempel foreslå å spise lunsj på nærmeste restaurant. Her kan det bli konkurranse om å bli det mest foreslåtte resultatet – i likhet med søkemotorer som Google.

Konklusjon

Selvkjørende biler er allerede ute på veien – og vil i fremtiden endre måten vi kommer oss rundt på. Det skal ikke bare være enklere, men også tryggere. For å oppnå dette, må man først diskutere noen etiske dilemmaer. 

Når dette til slutt når en konklusjon, vil vi se endring i forbrukervaner. Ved endring av forbrukervaner, vil man også se forskjell i den digitale markedsføringen. 

For å lese mer om det jeg har skrevet om, anbefaler jeg å følge lenkene fremhevet med fet skrift. Jeg anbefaler også å se denne TED-Ed videoen av Patrick Lin som drøfter etiske dilemmaer rundt selvkjørende biler!

// Kim

Fremtidens dystopi: Utviklingen av moderne teknologi

Etter første forelesning med Arne Krokan, har jeg fått andre perspektiver på hvordan teknologi påvirker oss. Det er mye snakk om blant annet selvkjørende biler, kunstig intelligens som foretar jobbintervjuer og automatisk betaling på butikk ved hjelp av ansiktsgjenkjenning. Med andre ord, er det er ikke noe tvil om at teknologi blir mer avansert og velutviklet etter hvert som årene går. Dette har fått meg til å tenke over hva vi egentlig bruker teknologi til? Hva er i så fall fordelene og ulempene med ny og moderne teknologi? La oss starte med mobiltelefonen som et eksempel.

Da telefonen først ble utviklet, var hovedfunksjonen å kunne ringe til familie og venner. Takket være utviklingen av moderne teknologi, har man i de siste årene fått tilgang til uendelig informasjon gjennom sosiale medier og internett på mobiltelefonen. I dag er det ikke noe tvil om at de aller fleste er avhengig av å eie en mobiltelefon, enten det er for å holde kontakt med bekjente, berike seg selv med informasjon eller finne veien til en plass man aldri har vært før. På den måten, kan man si at fordelene med den kontinuerlige forbedringen av mobiltelefonen er mange, men det har også resultert til andre effekter.

Alle moderne mobiler i dag har en GPS, og man kan velge om det skal være aktivert eller deaktivert. Jeg pleier alltid å ha GPSen aktivert, og bruker det hovedsakelig i forbindelse med reising. Når GPSen er aktivert, sporer Google hvor jeg reiser til enhver tid – og på slutten av måneden og året får jeg en oppsummering på alle plasser jeg har vært.

At Google daglig innhenter informasjon om meg tenker jeg ikke mye over, men det finnes systemer som har tatt datainnhenting til ekstreme lengder: Kinas omdømmesystem.

Egen skjermdump via Netflix: Black Mirror (Nosedive)

For dere som har sett episoden «Nosedive» i Black Mirror, kan dette høres kjent ut. Under Kinas omdømmesystem blir det innhentet informasjon om innbyggernes digitale fotspor, samt hverdagslige vaner for å rangere dem etter det staten kaller for troverdighet. Har du en høy score, vil du bli belønnet med luksuriøse goder som billigere flybilletter, enklere vei til promotering i jobber og bonuser ved hotellbooking. På en annen side, vil en lav score bli straffet med sanksjoner som inkluderer blokkering fra å kjøpe togbilletter, treigere internettforbindelse og avslag på søknad til boliglån.

Hvilken betydning har dette for bedrifter og handel?

Et nasjonalt sporingssystem som dette påvirker ikke bare individuelle personer, men også bedrifter. Kina er i følge regjeringen vår største handelspartner i Asia, hvor våre viktigste import inkluderer maskiner, klær, elektriske artikler og leketøy. For å opprettholde en solid handelsavtale med Kina, er det viktig å ha et godt forhold til landet. Allikevel nådde våre diplomatiske relasjoner med landet et bunnpunkt da regimekritikeren Liu Xiaobo vant Nobels fredspris i 2010.

Til tross for den negative politiske episoden, førte det ikke til alvorlig økonomiske konsekvenser mellom Norge og Kina, men hva om slike episoder gjentar seg i fremtiden?

Med ”social credit”-systemet implementert, vil altså bedrifter bli straffet for ”dårlig oppførsel”. Med dette i bakhodet, vil en gjentatt fredspris-tabbe føre til alvorlige sanksjoner for bedrifter i Kina som handler med Norge, som igjen i verste fall vil føre til en utilstrekkelig handelsavtale.

Konklusjon

Dette kontroversielle systemet oppsummerer mye av de dystopiske konsekvensene ved utvikling av moderne teknologi som ansiktsgjenkjenning, avansert data mining og kunstig intelligens som blir hyppig brukt i Kinas omdømmesystem.

En ting er å bruke teknologi for å spore tidligere oppholdsplasser, men en annen ting er å få alle sine aspekter ved sitt liv nøye analysert til enhver tid.

Kan man tenke seg at dette systemet en gang i fremtiden vil ha en påvirkning på flere folk i verden? Inkludert oss i Norge?

For å lese mer om temaene jeg har tatt opp i dette innlegget, trykk gjerne på linkene i teksten med fet skrift! Jeg anbefaler også å se på denne videoen som forklarer hvordan dette systemet funker.

// Kim