Kap. 3 – Formalization How Information Technology Is Conquering the World: Workplace, Private Life, and Society Professor Kai A. Olsen, Universitetet i.

Presentasjon om: "Kap. 3 – Formalization How Information Technology Is Conquering the World: Workplace, Private Life, and Society Professor Kai A. Olsen, Universitetet i."— Utskrift av presentasjonen:

1 Kap. 3 – Formalization How Information Technology Is Conquering the World: Workplace, Private Life, and Society Professor Kai A. Olsen, Universitetet i Bergen og Høgskolen i Molde

2 Kai A. Olsen, 29.03.2015 2 Datamaskinen Mange spådommer om hva som skulle være mulig har ikke slått til, det er langt fra at ”datamaskinen skal kunne utføre alle oppgaver som gjøres av mennesker” som mange mente på 60-tallet. Til tross for at vi har fått betydelig kraftigere maskiner. Mange av de ”nye” anvendelsene vi har fått i dag er forbedringer av tidligere (f.eks. iPad, moderne mobiltelefoner, streaming av musikk…) Men i dag har vi nye påstander om hva maskinene kan gjøre om 20-30 år.

3 Kai A. Olsen, 29.03.2015 3 For å kunne bruke datamaskinen Må oppgaven være entydig beskrevet, altså formalisert. Til syvende og sist skal jo oppgaven utføres på en maskin som kun kan utføre enkle operasjoner. Men, mange oppgaver er formalisert, og mange kan formaliseres. Noen ganger kan vi formalisere innenfor en begrenset verden.

4 Kai A. Olsen, 29.03.2015 4 Oppgaver som er vanskelige En gang hadde en tro på at datamaskinen skulle kunne: Oversette mellom naturlige språk Styre biler i vanlig trafikk Sette diagnose i medisin Ta avgjørelser med vage eller ufullstendige data Undervise m.m. Men dette har vist seg vanskeligere enn mange trodde – til tross for en dramatisk teknisk utvikling.

5 Kai A. Olsen, 29.03.2015 5 Bedre maskinvare enn ventet Moore’s lov (dobling av antall komponenter hvert annet år) Kjappere maskiner Mer kapasitet Lavere priser Mindre maskiner Datamaskiner overalt

6 Kai A. Olsen, 29.03.2015 6 Programvare Mange prosjekter feiler (ref. NAV, Forsvaret, Dell, Felleskjøpet, Ruter,…) Vanskelig å holde budsjetter i kr. og i tid Ideer om nye applikasjoner (som god språkoversetting) har ikke slått til Hvorfor denne forskjellen, er programutviklere dummere enn de som utvikler maskinvaren?

7 Kai A. Olsen, 29.03.2015 7 Maskinvare har den enkleste oppgaven Maskinvare Oppgave Programvare Vi skal løse en oppgave. Maskinvaren hjelper oss bare et stykke på vei. Det overlates til programvaren å løse resten.

8 Kai A. Olsen, 29.03.2015 8 ”Duk og dekket bord” I noen tilfeller har programvare-utviklerne en enkel jobb, forarbeidet kan allerede være gjort Eksempel: Innføring av datamaskiner i banker Oppgavene var allerede formaliserte I praksis var jobben å omskrive formaliserte regler fra norsk til et programmeringsspråk. Er det like lett å innføre databehandling i sykehus?

9 Kai A. Olsen, 29.03.2015 9 Formalisering og systemutvikling I mange tilfeller vil formaliseringsarbeidet være en viktig del av systemutviklingen Skal vi opprette en Internett-butikk må vi formalisere produktspekteret (entydige navn eller koder), betalingsrutiner (kort), kunderegister m.m. Dette blir forenklet ved at datateknologi gjennomsyrer samfunnet, da har vi strekkode på alle varer, kredittkort, standard betalingstjenester m.m. Altså: Datamaskinen er så nyttig at samfunnet tilpasser seg denne teknologien – da blir den selvfølgelig enda mer nyttig!

10 Kai A. Olsen, 29.03.2015 10 Infrastrukturendringer En vei kan ses på som en formalisering av terrenget. Tilsvarende må vi formalisere omgivelsene for å etablere nye datatjenester Eksempel: Salg på Internett/Web vil vanligvis kreve en entydig identifikasjon av varen, samt betaling over kort Vi må altså formalisere både varelager og betaling

11 Kai A. Olsen, 29.03.2015 11 Unngå 100% I mange tilfeller løses problemer med å utelate oppgaver fra automatiseringen (i hvertfall i første omgang) Eksempel fra bank: Datamaskinen først brukt til å automatisere kontoer (innskudd, uttak, beregning av renter) I dag også til automatisering av enkel lånebehandling Mer avansert lånebehandling utføres manuelt Fra flyplassen: innsjekkingsautomater, men mennesker for å håndtere unntak.

12 Kai A. Olsen, 29.03.2015 12 og vi kan endre prosesser Tidligere krevde innskudd og uttak fra bankkonto underskrifter I dag aksepterer vi en PIN kode Før måtte vi levere en papirbillett for å komme om bord i flyet, i dag kan vi klare oss med en kode eller et kredittkort. Tilsvarende for mange andre anvendelser PS. Her ligger ofte gevinsten ved å bruke datasystemer – å tenke nytt!

13 Kai A. Olsen, 29.03.2015 13 Maskinintelligens Maskinen kan spille sjakk – men er den dermed intelligent? Galt spørsmål? Vi må spørre om oppgaven er formalisert eller ikke Sjakk er formalisert, kompleksiteten ligger i antall mulige treff Det kan maskinen takle med hurtige beregninger Det er derfor ikke mye mer riktig å begrunne maskinens intelligens med sjakk enn med regnskap, begge deler er formalisert, begge deler løses med beregninger

14 Kai A. Olsen, 29.03.2015 14 Turingtest Vi sitter ved en terminal Kan stille de spørsmål vi måtte ønske Er det en maskin eller et menneske i andre enden? Når vi ikke kan avgjøre dette har vi en ”intelligent” maskin Det arrangeres slike tester, med premie til beste program og beste bruker (the most human human)

15 Kai A. Olsen, 29.03.2015 15 Menneskelige egenskaper Vi kan operere i det åpne, ikke- formaliserte, området Vi er gode på avansert mønstergjenkjenning Med denne kunnskapen vet vi hvilke type spørsmål vi skal stille i Turingtesten

16 Kai A. Olsen, 29.03.2015 16 Mønstergjenkjenning Hvilke bokstaver vises her?

17 Kai A. Olsen, 29.03.2015 17 Åpne områder: Følelser og humor Vi kan f.eks. gi datamaskinen en historie og be den karakterisere denne som kjedelig, morsom eller trist. Eksempel: A: In the middle of a forest, there was a hunter who was suddenly confronted with a huge, mean bear. Full of fear, his attempt to shoot the bear was unsuccessful. He turned away and started to run as fast as he could. Finally, he ended up at the edge of a very steep cliff. His hopes were dim. But, he got on his knees, opened his arms and said, “My God! Please give this bear some religion!” Then, there was a lightning bolt in the air and the bear stopped a few feet short of the hunter. The bear had a puzzled look for a moment, and then looked up into the sky and said, “My God! Thank you for what I am about to receive....” B: In the middle of a forest.... The bear had a puzzled look for a moment, and then looked up into the sky and said, “My God! Thank you.” C: In the middle of a forest.... The bear had a puzzled look for a moment, and then looked at the hunter that begged, “My God! Do not let him eat me”—to no avail! Karakteriser A, B og C som kjedelig (uten poeng), morsom eller trist.

18 Kai A. Olsen, 29.03.2015 18 Ekspertsystemer Gi datamaskinen samme vurderingsevne som fagfolk Regelbaserte systemer Pilotimplementasjoner i blant annet medisin i 1980 årene Gode resultater, programmene gjorde det bedre enn mange leger Likevel, disse programmene benyttes lite i dag Testen ble gjort på formaliserte data (undersøkelser). Når legen får se pasienten kan hun ofte stille diagnose raskt basert på erfaring, intuisjon og med få prøveresultater I dag ser en på muligheten for at IBM’s program Watson (Jeopardy) skal kunne tilpasses å bli et diagnoseverktøy

19 Kai A. Olsen, 29.03.2015 19 Formalisering av en virksomhet Fra venstre: -Formalisering av bare en del av oppgavene -formalisering av det meste -overformalisering (byråkratisering)

20 Kai A. Olsen, 29.03.2015 20 Formaliseringen blir viktig For å forenkle settes det ofte formelle (lukkede) krav Et eksempel er bostøtte. Det gis ut fra skattbar inntekt, boligkostnader, mm. da kan det beregnes av en datamaskin. Det er enkelt, men ikke alltid 100% treffsikkert. En banksjef i en lokal bank kan vurdere sine kunder, kanskje så godt at hun aldri taper penger. Men nye regler for banker (som Basel-konvensjonene) setter formelle krav for sikkerhet. Blir vi tatt i fartskontroll hjelper det ikke å fortelle hvor flink vi er til å kjøre, og at vår kjøring i 90 kan være tryggere enn andres i 70.

21 Kai A. Olsen, 29.03.2015 21 Formaliseringen virker ikke alltid Med høyt formaliseringsnivå og faste rutiner etablerer vi en regel for hva som skal gjøres Ofte er det unntak, og maskinen kjenner ikke alltid til disse Eksempler: Automatisk ”bullet” funksjon i Word (kommer på om vi bruker et bullet-tegn, f.eks. et minustegn på starten av en linje) Gjentagelsesfunksjon i Excel (du skriver C+ i et felt, neste gang du skriver C vil maskinen foreslå C+)

22 Kai A. Olsen, 29.03.2015 22 Automatisk støvsuger Som et eksperiment kjøpte jeg en robot- støvsuger Kan starte på et gitt tidspunkt Navigerer i rommet (med et kamera) Men kjører seg fast på stolben, i tepper med frynser og passerer ikke standard norske dørstokker Skal vi ha full nytte av en slik må vi tilpasse (formalisere) rommet til støvsugeren eller få en mer avansert innretning (kanskje en som lærer av sine feil?) En elektrisk plenklipper fungerer nok bedre – en plen er mer ”formalisert” enn en leilighet.

23 Kai A. Olsen, 29.03.2015 23 Kostnad-nytte for formalisering Dersom vi kan formalisere kan vi ofte også automatisere Da kan vi gjøre jobben fort, effektivt, døgnet rundt, etter faste regler, m.m. – uten å betale lønninger Men 100% formalisering er ofte vanskelig å få til Løsningen ligger ofte i interaktive system, der mennesker og maskiner samhandler

24 Kai A. Olsen, 29.03.2015 24 Automatisk styring Førerløse biler er hot Til parkering: Kan parkere seg selv, kan komme når du er ferdig På vanlige veier Førerløs Eller som sikkerhet

25 Kai A. Olsen, 29.03.2015 25 Felles prosjekt Oppgave: Vi skal vurdere automatisk styrte kjøretøy A. T-bane og tog B. Biler på spesialveier (egne motorveier, parkeringshus) C. Biler i vanlig trafikk på vanlige veier

26 Kai A. Olsen, 29.03.2015 26 Prinsipielt problem førerløse biler Det er uendelig med situasjoner som må håndteres (som med språkoversetting). Ofte lav grad av formalisering i infrastruktur (høyreregel, dyr og mennesker langs veien, smale og dårlige veier, snø, ekstreme nedbørsmengder, annen trafikk) Alle situasjoner må håndteres! Det er ikke som med språkoversetting at en kan levere et svakt resultat.