Forretningsmodeller: Business Model Canvas

Når man oppretter en bedrift, har man som regel en forretningside. Denne forretningsideen forklarer hva en bedrift gjør, men å opprette en bedrift krever også at man har oversikt over flere segmenter som målgruppe, markedsføring gjennom ulike kanaler og ressurser. For å ha en god oversikt over sin forretning, bruker mange bedrifter ulike forretningsmodeller for å realisere sine fremtidige mål. I dette innlegget skal jeg forklare hva Business Model Canvas er.

Business Model Canvas

Business Model Canvas Explained – Strategyzer via Youtube

Business Model Canvas (BMC) er en forretningsmodell utviklet av Alexander Osterwalder. Denne modellen gir forretningen en oversikt over bedriftens etablering, samt oversikt over hvordan man skal få inntekt – med andre ord hvordan bedriften skal skape verdi for seg selv. BMC er er delt opp i 9 segmenter;

Kundesegmenter

Hvem er kundene? Her bestemmer man hvem målgruppen er og hva slags type personer de er. Dette kan være alt fra kjønn og interesser til alder og yrke. Hvorfor vil de kjøpe produktet eller benytte seg av tjenesten som tilbys? For å besvare dette spørsmålet, må man etablere seg noen hypoteser for å kjenne målgruppen sin. Etterhvert som bedriften blir stabilt etablert, blir det lettere å kartlegge hvem målgruppen er.

Verdiløfte

Hva slags løfte er det bedriften skal oppfylle for kunden slik at det gir verdi? Skaper man verdi for kunden gjennom produktet man selger eller tjenesten som tilbys? Mitt tidligere innlegg om online-plattformen Hygglo er et eksempel på en bedrift som tilbyr en tjeneste for privatpersoner til å selge og leie produkter framfor å kjøpe.

Kanaler

Hvordan skal kundene få vite om bedriften og det den tilbyr? Hvilke kanaler kan benyttes for å nå ut til målgruppen? Å benytte seg av sosiale plattformer som Facebook og Instagram, samt personlige hjemmesider er en måte man kan nå ut til kundene sine på. Man kan også velge å ta den «tradisjonelle» ruten ved å ha plakater på togstasjonen eller dele ut flyers på stands. Her må man tenke seg fram til hvor det er mest sannsynlig at kundene legger merke til bedriften. Er det digitalt eller offline?

Kunderelasjoner

I denne seksjonen må man tenke over tre spørsmål:
1. Hvordan får man kunder?
2. Hvordan beholder man kundene?
3. Hvordan får man flere kunder?

Å tilby en god tjeneste og/eller et bra produkt skaper et godt førsteinntrykk – men å tenke på hvordan man får faste kunder er like så viktig. Her er det vanlig at bedrifter gjør seg godt tilgjengelig på blant annet sosiale medier for å holde direkte kontakt med kunder. Dette kan være for å besvare på eventuelle spørsmål, ta i mot tilbakemeldinger og holde konkurranser for å lokke til seg flere kunder. Mange bedrifter har også kundeklubber som gir spesielle bonuser og rabatter for medlemmer.

Inntektsstrøm

Hvordan får bedriften penger? Det er mange måter en bedrift kan tjene penger på – og her er det mange strategier man kan ta. Inntekt kan skje på transaksjonsbasis; man tjener penger ved at kunden kjøper produktet til fast pris. Man kan også tjene penger ved å tilby måned-/årsabonnement, som er typisk for streamingtjenester som Netflix og HBO. Noen bedrifter velger også å sponse personer med innflytelse i bytte mot online markedsføring for å få flere kunder i senere tid.

Ressurser

Hva slags ressurser trenger man for å få forretningen til å fungere stabilt? I tillegg til penger og produsenter, trenger man også dyktige ansatte, eventuell fysisk butikk og/eller nettbutikk. Her er det verdt å tenke hva slags ressurser konkurrenten har; man må produsere bedre produkter enn konkurrenten. Kanskje konkurrenten mangler utkjøringsbil? Er det noe som er aktuelt å inkorporere i forretningsmodellen?

Kjerneaktiviteter

Hva er de viktigste aktivitetene en bedrift må foreta for å få verdi? Hvordan skal bedriften bli ekspert i feltet sitt? I noen tilfeller, lønner det seg å fortsette å utvikle og oppdatere produktene sine. I andre tilfeller, som for eksempel rådgivere, har problemløsning i fokus og vil kanskje fokusere på dette.

Partnere

Hvem er forretningens viktigste partnere? Disse partnere og/eller leverandørene bidrar til å gjennomføre kjerneaktivitetene slik at bedriften får verdi. Hvordan kan de bistå på best mulig måte?

Kostnader

Til slutt kommer kostnader. Hvordan skal bedriften greie å betale for ressurser, og hvor mye koster disse ressursene? Her er det viktig å tenke på de viktigste kostnadene og de dyreste kostnadene bedriften har.

Oppsummert

Business Model Canvas gir bedrifter 9 spørsmål å tenke over for å lykkes i sine mål:

  1. Hvem er kundene?
  2. Hva slags løfter skal oppfylles/leveres?
  3. Hvilke kanaler skal benyttes for å nå ut til målgruppen?
  4. Hvordan skal man få god relasjon til kunden?
  5. Hvordan får bedriften inntekt?
  6. Hva slags ressurser sitter bedriften med?
  7. Hvordan skal bedriften levere sine løfter?
  8. Hvem er bedriftens viktigste partnere og konkurrenter?
  9. Hva er kostnadene for å operere en business?

// Kim

Kilder

Altinn (2019) Forretningmodell. Hentet den 29.01.2020 via: https://www.altinn.no/starte-og-drive/starte/for-oppstart/forretningsmodell/
Innovasjon Norge (2018). Hvordan lage forretningsmodell. Hentet den 29.01.2020 via: https://www.innovasjonnorge.no/no/verktoy/verktoy-for-oppstart-av-bedrift/hvordan-lage-forretningsmodell/

Blockchain – makt til folket

Blokkjede-teknologien, også kalt blockchain på engelsk, er en av de mest revolusjonerende teknologiene som har oppstått i de siste årene. Mange assosierer blockchain med kryptovalutaen Bitcoin, men blockchain har flere potensielle bruksområder. Kan blokkjede-teknologien i fremtiden endre hvordan myndighetene håndterer våre personlige data på? 

Hvordan fungerer blockchain?

Denne forklaringen tar utgangspunkt til videoen “How does a blockchain work” av Simply Explained på Youtube.

Simply Explained – How does a blockchain work via Youtube

En blokkjede er en kjede med blokker som inneholder informasjon. Hver blokk inneholder data, en “hash” til den spesifikke blokken og “hashen” til den forrige blokken i kjeden. En hash kan bli sammenlignet med et fingeravtrykk – og ingen hasher er like. Hashens formål er å identifisere en blokk og dataene som blokken inneholder. Blokkene kan inneholde forskjellige data – og det avhenger av bruksområde. I Bitcoin for eksempel, vil en blokk inneholde data som avsender, mottaker og antall coins. 

Å endre data i en blokk er i utgangspunktet ganske vanskelig på grunn av “fingeravtrykkene” som blokkene har. Endres informasjonen i blokken, vil hashkoden også endre seg. Dette betyr at hvis man prøver å endre informasjon i en blokk, blir hele kjeden ugyldig. 

Hash-kodene gjør det vanskeligere for uvedkommende å få adgang til data, men det betyr ikke at det er umulig. Derfor er blockchain-teknologien åpent for alle og er avhengig av et peer-to-peer nettverk.

Bilde av Taylor Vick via Unsplash

Ved hjelp av en mekanisme som heter “proof-of-work”, gjør det at blokkjeden får ekstra sikkerhet i tillegg til hash-kodene. Proof-of-work fungerer ved å gjøre genereringen av en ny blokk i kjeden saktere. I stedet for at genereringen tar et par sekunder, tar det flere minutter i stedet.

Alle i dette peer-to-peer nettverket vil ha samme kopi av en blokkjede. Dette betyr at hvis uvedkommende prøver å endre informasjonen i en blokk, vil proof-of-work mekanismen gjøre at alle deltakere i nettverket verifiserer blokkjeden først. Alle i dette nettverket blir enig med hverandre om hvilke blokker som er gyldige og forkaster blokker som er ugyldige. Informasjonen blir vanskelig å manipulere når det finnes mange millioner kopier av samme blokkjede. En hacker må derfor greie å sabotere og ta kontroll over alle disse kopiene for å lykkes. 

Bruksområder for blokkjede

Blokkjede-teknologien er muligens best kjent i kryptovaluta-verdenen, men blockchain-teknologien har potensielt andre bruksområder i fremtiden.

Sette penger i en bankkonto

Bilde av Dmitry Demidko via Unsplash

Banker vil mest sannsynlig få stor nytte av blokkjede-teknologien i fremtiden. Ikke bare er åpningstidene på bankene relativt korte, men å overføre penger mellom bankkontoer kan ta flere virkedager dersom man gjør det utenfor bankens åpningstider. I tillegg til dette, kan verifiseringen av pengene ta enda lengre tid hvis banken har mange transaksjoner å verifisere, som er typisk når mange venter i siste liten med å overføre penger til BSU. I mellomtiden, vil pengene da være fryst på kontoen slik at de ikke kan brukes. 

Med andre ord, kan blokkjede-teknologien redusere prosessering- og verifiseringskostnadene ved å eliminere behovet for en tredjepart.

Smart kontrakter = fremtidens leiekontrakter

Blockchain kan også bli brukt til å lage smart kontrakter. Smart kontrakter er en selvkjørende kode som er bygd inn i en blokkjede. Blokkene inneholder vilkår og betingelser for kjøp mellom kjøper og selger. Transaksjonene kan bli sporet og når vilkårene er oppfylt, kan de ikke reverseres. 

Smart kontrakter kan i fremtiden erstatte leiekontrakter. Begge parter sender sin andel av avtalen i kontrakten. Utleieren kan eksempelvis sende inn dør-koden til leiligheten, mens leietakeren sender inn depositum. Avtalen i denne kontrakten er at dør-koden gjøres tilgjengelig for leietaker med en gang depositum er betalt inn. 

Photo av Helloquence via Unsplash

Vanligvis må manuell sjekking til for at vilkår i en kontrakt blir gyldig, noe som tar tid. Med en smart kontrakt, kjøres koden automatisk når alle vilkår er oppfylt. Dette betyr at hvis utleieren ikke sender dør-koden i tide, refunderes depositumet automatisk til leietakeren. Dette systemet eliminerer altså muligheten for at utleieren kan stikke av med depositumet og svindle leietakeren.

Smart kontrakten gjør også at vilkårene som blir satt inn i blokkjeden er endelige, og kan plutselig ikke bli endret på. Med andre ord, skaper smart kontrakter et trygt og ærlig system for både utleier og leietaker. 

Stadig synkende tillit til myndighetene – kan blockchain fikse det problemet?

I følge Statens sentralbyrå, har nordmenn og nordiske borgere generelt stor tillit til forskjellige statlige institusjoner. Nordmenn stoler mest på politiet, etterfulgt av rettsvesenet og Stortinget. I mange andre plasser i verden, blant annet USA, er tillit til myndighetene stadig synkende. 

Den synkende tilliten er assosiert med det faktum at myndighets-modellen er bygd opp av et hierarkiskt byråkratisk system. Dette systemet er ofte komplisert, og er delt opp i forskjellige lag og prosesser. Verden beveger seg i en retning som ikke lenger reflekterer måten myndighetene opererer på, og resultatene er treige beslutningsprosesser, lite fleksibilitet på grunn av lover og flere muligheter for korrupsjon. 

Mange mener derfor at alle verdens myndigheter bør inkorporere blockchain-teknologien inn i systemet. Blockchain-teknologien kan for eksempel redusere korrupsjon knyttet til valg. Hver eneste stemme blir lagret i en blokkjede som gjør det vanskelig å sabotere. 

Bilde av Element5 Digital via Unsplash

Blockchain-teknologien kan også bidra til økt effektivisering. Transaksjoner skjer med en gang, og verifisering av data skjer via et nettverk av datamaskiner. Resultatet av dette betyr at saksbehandlingsprosesser går vesentlig fortere, og korrupsjon blir eliminert. 

Konklusjon: makt til folket

Blockchain-teknologien har mange fordeler. Data som blir lagret i disse blokkene, er krypterte og peer-to-peer nettverket gjør at det blir vanskelig for uvedkommende å endre på informasjonen. 

Ved å inkorporere blockchain inn i myndighetens systemer, vil det bidra til økt effektivisering, eliminering av korrupsjon og økt fleksibilitet.

Blockchain gir økt sikkerhet for folket; vi vet hvor dataene våre er lagret, hva de blir brukt til, og uvedkommende kan ikke manipulere vår personlige informasjon.

// Kim

Kilder

Accenture (i.d). How Blockchain Technology Can Revolutionize Banking. Hentet den 26. januar 2020 via: https://www.accenture.com/pl-en/insight-blockchain-technology-how-banks-building-real-time
Adams, Dr. Victoria (2019). Why Governments Need Blockchain. Hentet den 26. januar 2020 via: https://media.consensys.net/building-blockchain-for-government-why-governments-need-blockchain-9691d1e21e3d
Banton, Caroline (2019). Bureaucracy. Hentet den 26. januar 2020 via: https://www.investopedia.com/terms/b/bureaucracy.asp
Fortney, Luke (2019). Blockchain Explained. Hentet den 26. januar 2020 via: https://www.investopedia.com/terms/b/blockchain.asp#blockchain-vs-bitcoin
Frankenfield, Jake (2019). Smart Contracts. Hentet den 26. januar 2020 via: https://www.investopedia.com/terms/b/blockchain.asp#blockchain-vs-bitcoin
Kleven, Øyvin (2016). Nordmenn på tillitstoppen i Europa. Hentet den 26. januar 2020 via: https://www.ssb.no/kultur-og-fritid/artikler-og-publikasjoner/nordmenn-pa-tillitstoppen-i-europa


Filterbobler og ekkokammere = Sensurering og confirmation bias

I mitt forrige innlegg, skrev jeg om delingsøkonomi og hvordan digitale plattformer har endret forbrukervaner fra å eie til å leie. I det innlegget, nevnte jeg også hvordan transaksjonskostnader blir redusert takket være filtreringssystemer som hjelper oss med å finne akkurat det vi ser etter. På mange måter, har disse anbefalingssystemene spart oss mye tid og krefter når vi internett-shopper, oppdager ny musikk på Spotify eller leter etter noe spennende å se på Netflix. Allikevel, skaper disse personaliserte algoritmene en effekt: nemlig filterbobler og ekkokammere.

Bilde av Zdeněk Macháček via Unsplash

Hva er filterbobler?

Begrepet filterbobler var først brukt av aktivisten Eli Pariser. Filterbobler er et resultat av at anbefalingsalgoritmer skreddersyr søkeresultater for det som mest sannsynlig vil vekke interesse. Over tid, vil disse anbefalingene bli bedre og mer rettet etter interesse basert på personlig data som alder, kjønn, tidligere søkehistorikk og nåværende lokasjon.

Disse filtreringssystemene er spesielt fordelaktig når man online-shopper; søker man etter Adidas-sko, kan det hende at algoritmen justerer seg til å vise reklamer for andre Adidas produkter. 

Fordelene med filtrering er kanskje ikke helt det samme når man søker etter nyhetsartikler for å lese eller prøver å lære noe nytt. Resultatene av personalisert filtrering gjør at man får et stort utvalg av artikler og innlegg som støtter nåværende meninger og perspektiver – med andre ord det vi ønsker å se og lese. Denne filterboblen skjermer en fra å lese artikler som ikke samsvarer med personlige meninger – nesten som en ufrivillig sensur.

Bilde av Benjamin Dada via Unsplash

Sosiale nettverk skaper ekkokammere 

Mennesker er sosiale flokkdyr – vi har et behov for å være med andre, og dette inkluderer også å assosiere seg med folk som har lignende meninger som oss. Effekten av dette derimot, er at man til slutt antar at alle tenker som en selv – og glemmer at det finnes andre perspektiver. For å si det på en annen måte, skaper filterbobler også ekkokammere

Ekkokammere er spesielt synlig i temaer som politikk, hvor kommunikasjon og meninger er forsterket i en liten gruppe eller større samfunn. I et ekkokammer, vil man altså oppsøke meninger som allerede samsvarer med egne syn. Å oppsøke og tolke ting slik at det bekrefter eller styrker egne verdier heter også confirmation bias – altså bekreftelsestendenser. 

Ekkokammer-effekten kommer av at man blir eksponert for informasjon fra andre individuelle eller organisasjoner med like verdier og synspunkter, som gjør at diskusjoner oppleves som at alle sier det samme til hverandre gjentatte ganger. Her kan det også tenkes at man deltar i diskusjoner med likesinnede mennesker for å få en følelse av aksept, og kutter ut personer som har motsatte synspunkter. 

Demokrati er et offer for filterbobler 

Bilde av History in HD via Unsplash

Eli Pariser tar for seg konsekvensene av filterbobler i forhold til demokrati. I boken hans, skriver han at demokrati krever at innbyggere ser ting fra hverandres perspektiver, men i stedet er vi mer og mer inngjerdet i våre egne bobler. Demokrati er avhengig av at man deler meninger og fakta med hverandre, men i stedet blir vi tilbudt parallelle men separate universer.

Donald Trump er et godt eksempel på en person som deler selektive artikler, innlegg og videoer på hans mest brukte plattform: Twitter. Ikke bare deler han artikler som samsvarer med hans politiske syn, men han følger også kun personer som støtter hans meninger. Resultatet av dette er at alle hans 71 millioner følgere blir utelukkende eksponert for hans politiske meninger – og disse følgere deler hans tweets videre til hverandre, som til slutt skaper et ekkokammer med personer som deler samme synspunkt.

Videre forklarer Pariser at personaliserte filtre opptrer som en slags usynlig auto-propaganda som indoktrinerer oss med våre egne ideer og forsterker vårt ønske for ting som er kjent – i likhet med hvordan Donald Trump ikke deler meninger som utfordrer hans egne verdier. 

Filterbobler er kanskje ikke direkte farlig for demokratien, men spredningen av ensidige synspunkter gjør at det blir vanskeligere å se andre perspektiver enn sin egen. Etterhvert som man blir anbefalt artikler på noe man har søkt på, ruller snøballen videre. Artiklene går fra å være saklige til å kanskje bli mer radikale – og til slutt ser man ikke forskjellen mellom saklige artikler og fake news/propaganda. 

Er følelser roten til problemet?

Bilde av CDC via Unsplash

I følge Verdens helseorganisasjon, er anti-vaksinebevegelsen en av de største truslene vi sto ovenfor i 2019. Å være skeptisk mot vaksiner starter kanskje med en genuin bekymring om at vaksiner ikke trengs, og neste steg innebærer at man søker etter artikler som støtter denne følelsen. Denne handlingen vil til slutt forsterke bekreftelsestendensen som man hadde til å begynne med, og søkealgoritmene fortsetter å anbefale lignende artikler. 

Når man først har hoppet ned i kaninhullet, blir frykten for vaksiner enda større. Søkealgoritmer begynner å anbefale artikler som tar utgangspunkt til clickbait, hvor overskriftene har overdrevne og skandaløse uttrykk for å skape reaksjoner hos leseren. Bildene som brukes i disse sammenhengene kan også være like dramatiske – og det er typisk at gråtende, syke barn blir brukt som “plakatbarn” for anti-vaksinebevegelsen. Tanken er at babyer er sårbare og trenger beskyttelse; reaksjonen til skremte foreldre blir da å dele anti-vaksine artiklene videre til andre foreldre for å beskytte barna deres. 

Engasjering og digital markedsføring: oppfordring til verdifull vareprat 

Engasjering og spredning fra et ensidig perspektiv på sosiale medier kan være en utfordring for samfunnet på mange måter. Likevel er fokus på engasjement noe digitale markedsførere kan bruke til sin fordel. 

Engasjeringen starter med interesse, og interesse gjør at man deler meningene sine til nettverket sitt på sosiale medier. Er kampanjen vellykket, vil målgruppen bli interessert i produktet og deler det videre med sine personlige nettverk. Forbrukeren blir oppfordret til å engasjere seg i verdifull vareprat når de ser en kampanje som vekker interesse. Spesielt på sosiale medier, er det større sannsynlighet for at meningen har større påvirkning ettersom man gjør varepraten synlig for et stort publikum. I teorien betyr dette at varepraten kan nå over 2 milliarder mennesker hvis alle på Facebook deler med hverandres nettverk.

Bilde av You X Ventures via Unsplash

Forbrukere sitter i førersetet i dette tilfellet – og noen ganger kan det slå dårlig ut. McDonalds forsøkte seg på en kampanje hvor de spurte følgerne sine på Twitter om deres beste McDonalds opplevelser, men opplevde å stort sett få negative tilbakemeldinger. 

Konklusjon

Anbefalingsalgoritmene har sine fordeler, men ulempene som følger med disse er filterbobler og ekkokammere. Filterbobler og ekkokammere er spesielt synlig i temaer som politikk og har påvirket spredningen av blant annet anti-vaksinebevegelsen.

Engasjeringen blant grupper på sosiale medier er noe digitale markedsførere kan bruke til sin fordel. En vellykket kampanje vil føre til positiv engasjement og verdifull vareprat – men samtidig kan en slik strategi slå dårlig ut dersom målgruppen gir negative tilbakemeldinger. 

Denne videoen under av Eli Pariser forklarer hva filterbobler er og potensielle konsekvenser. Jeg anbefaler også å trykke på linkene i teksten med fet skrift for å lese mer!

// Kim

Kilder

Bogle, Ariel (2018). What anti-vaccination groups tell us about Facebook’s filter bubbles. Hentet den 25. januar 2020 fra: https://www.abc.net.au/news/science/2018-01-17/what-anti-vaccination-groups-reveal-about-facebook-filter-bubble/9324876
Cherry, Kendra (2019). How Confirmation Bias Works. Hentet den 25. januar 2020 fra: https://www.verywellmind.com/what-is-a-confirmation-bias-2795024
Farnam Street (i.d). How Filter Bubbles Distort Reality: Everything You Need to Know. Hentet den 25. januar 2020 fra: https://fs.blog/2017/07/filter-bubbles/
Georgiou, Aristos (2019). Anti-Vax Movement Listed by World Health Organization as One of The Top 10 Health Threats for 2019. Hentet den 25. januar 2020 fra: https://www.newsweek.com/world-health-organization-who-un-global-health-air-pollution-anti-vaxxers-1292493
Joyce, Julian (2017). Trump, Twitter and his ‘filter bubble’. Hentet den 25. januar 2020 fra: https://www.bbc.com/news/world-us-canada-42187596
Marindale, Jon (2016). Forget Facebook and Google, burst your own filter bubble. Hentet den 25. januar 2020 fra: https://www.digitaltrends.com/social-media/fake-news-and-filter-bubbles/
Pariser, Eli (2011). Beware online «filter bubbles». Hentet den 25. januar 2020 fra: https://www.ted.com/talks/eli_pariser_beware_online_filter_bubbles/transcript#t-23700
Solhaug, M. Randi (2012). Verdifull vareprat. Hentet den 25. januar 2020 fra: https://forskning.no/partner-markedsforing-kommunikasjon/verdifull-vareprat/696350

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