Människa och maskin

av Torsten Fagerholm Forum 2019-03, sida 16-20, 04.04.2019

Taggar: Personer: Peter Sarlin

Att bygga AI på rätt sätt – som gynnar människan – är mycket mer än ett tekniskt-matematiskt problem, betonar Peter Sarlin, medgrundare och vd för Silo.AI. Han vill avmystifiera artificiell intelligens och sätta människan samt etiken i centrum.

Peter Sarlin har alltid varit intresserad av datorer och informationsbehandling. Som ung lekte han med datorer vid mammans hemmakontor.

”Jag har lite ovanlig bakgrund: jag kommer från nationalekonomisidan men har disputerat i tillämpad maskininlärning. Kombinationen av att förstå sig på mänskligt beteende och klara av att lösa konkreta problem inom matematisk modellering – i det här idésnittet har jag hittat min ’sweet spot’.”

Sarlin har haft två karriärer, en akademisk och en som entreprenör. Då Sarlin och hans affärskumpaner grundade Silo.AI ville han inte lämna det akademiska helt, och erbjöds en position som professor of practice vid Hanken, där han var biträdande professor 2014–2017.

”Det fungerar som en länk mellan de två världarna: det praktiska och akademiska.”

Företaget Silo.AI klassas som en av de mest lovande inom AI-branschen i Finland. Ursprungligen utvecklades en produkt, Silo Brain, under längre tid vid sidan om akademisk forskning. Bolaget erbjuder artificiell intelligens ”som tjänst”.

”En silo skapar en rymd som möjliggör samarbete mellan människa och maskin. Termen AI kan lätt missförstås. Vi är ett servicebolag som med hjälp av AI-tekniker bygger skräddarsydda lösningar åt kunder, anpassade till deras affärsprocesser och explicita behov.”

Bolaget grundades hösten 2017 tillsammans med Tero Ojanperä med bakgrund på Nokia, Ville Hulkko, Kaj-Mikael Björk (Arcada), Juha Hulkko (Elektrobit) samt Johan Kronberg (PwC:s tidigare vd).

Men först tar vi två steg tillbaka. Den då drygt 20 år gamle Sarlin avlade magisterexamen i nationalekonomi vid Åbo Akademi på rekordtid, mindre än två år.

”Min bakgrund är inom beteendevetenskaper: hur vi kan förstå, modellera och till en viss grad förutspå människans beteende. Min dåvarande professor Markus Jäntti fick en professur i Stockholm, jag flyttade med honom. Där insåg jag att den matematiska verktygslåda som nationalekonomer har för att modellera människans beteende på makronivå inte representerar verkligheten, de kommer inte att lösa de problem som existerar i världen.”

Verktyg för krishantering. Alltså återgick Sarlin till maskininlärning. I grundstudierna kring 2007 hade han byggt enkla neuronnät för att belysa problem kring finanskriser och övervakning av finansiell stabilitet. År 2009 fick han doktorandplats vid Turku Centre for Computer Science (Tucs), i avhandlingen fördjupade han sig i modellering av dynamiska system, hur tidsserier bör beaktas inom arkitekturen hos neuronnät, med konkreta tillämpningar.

”Jag tillbringade hälften av tiden vid TUCS, hälften vid centralbanker, framför allt Europeiska centralbanken i Frankfurt.”

Finanskrisen rasade, centralbanker insåg att de hade idkat överdrivet fokus på penningpolitik och underskattat finansiell stabilitet.

”Modellerna som vi byggde finns en stor grad kvar i bruk, mycket av vår teknik används av centralbanker världen över.”

Sarlin och hans kollegor byggde verktyg för att skapa en överblick av individuella länders och banksektorers risker på aggregerad nivå, hur en risk hos en bank kan inverka på andra banker. Dessa sårbarheter är ofta ett resultat av makroekonomiska obalanser och stigande tillgångspriser: aktier, bostäder, kreditnivåer.

”Vi studerade risker och sårbarheter som byggs upp långsamt, över tid, för att identifiera när de når ohållbara nivåer.”

Därtill utvecklade man bankspecifika modeller som togs i bruk av ECB 2014 då Frankfurt via den Gemensamma tillsynsmekanismen (SSM) inledde central övervakning av Europas större banker.

”Beslutsfattarna måste förstå fullständigt vad outputen baserar sig på. Resultatet var en kombination av datadrivna metoder och modeller, samt förklaringsbara modeller där det går att påvisa samband och förklara modellens resultat.”

Inga black box-fenomen är acceptabla?

”Exakt.”

[caption id=“attachment_13938” align=“aligncenter” width=“2560”] MERVÄRDE. Ifall människan lyckas vägleda AI:n så att den utvecklas på rätt sätt så uppstår ett gynnsamt samarbete mellan människa och maskin, visionerar Peter Sarlin.[/caption]

Vad mäter du egentligen? Silo.AI jobbar mycket med automatisk processering av dokument: nyheter, epost och diverse andra texter.

”Det går att bygga lösningar där maskinen kan identifiera regelbundenheter och erbjuder lösningar som människan berikar och förser med invecklade kopplingar.”

En maskin kan sila igenom enorma textmassor inom juridik eller investeringar för att identifiera nyckelfraser som är formulerade på lite olika sätt.

”Det handlar om en semantisk förståelse av innehållet för att identifiera risker eller erbjuda färdiga svarsmallar. I stället för att låta jurister plöja igenom hundra- eller tusentals sidor, så plockar AI:n fram några nyckelparagrafer som människan tar ställning till. I de flesta fall handlar AI om delautomatisering, människan behövs för att beakta alla komplexiteter.”

Först samlar man in och dokumenterar data, ger den mening. Sen hämtar man in simpla AI-modeller i form av bakgrundssignal, som gradvis förädlas via mänsklig styrning och hjälp.

”Den processen måste vi ofta hjälpa våra kunder med, de vill ofta bara ha en AI-paketlösning. Ännu 2017 föreställde sig kunder att det gick att köpa en kodsnutt som erbjuder svar. AI kan inte göras oberoende av företagets verksamhet. Därför är vi ett servicebolag, inte ett produktbolag. Lösningar som faktiskt skapar mervärde är fullständigt skräddarsydda. Man måste förstå hur datan produceras, vad den mäter och garantera att den mäter rätt saker.”

Med relevanta mätare styrs processen åt rätt håll.

”Om du tänker för snävt så går det garanterat fel. Du bygger kanske en fin maskininlärningsmodell, men den skapar inget mervärde. Där har vi varit tvungna att hjälpa marknaden vidare och ta ansvar för kundens del.”

[caption id=“attachment_13937” align=“aligncenter” width=“2560”] SAMSPEL. Genom lyckad samverkan mellan människa och maskin frigörs mänsklig kreativitet, så att maskiner sköter repetitiva och tråkiga funktioner inom specifika uppgifter medan människans tar hand om det kreativa och relationsbaserade.[/caption]

Hög finländsk kompetens. Faktum är att USA och Kina dominerar inom AI.

”Europa har hamnat lite efter. Vårt mål är att vara ett renodlat flaggskepps-AI-bolag i Europa. Vi sysselsätter ungefär tio nationaliteter. Ungefär hälften av våra anställda har utländsk bakgrund, de flesta har disputerat i Finland.”

AI-forskning har drivits i Finland sedan 1970-talet, med Teuvo Kohonen i spetsen, också genom så kallade AI-vintrar. Vårt land har enorm kompetens inom AI i förhållande till befolkningsmängden – men på världsscenen är vi ohjälpligen små.

Till skillnad från Silicon Valleys profithunger (se serien av skandaler som omger Facebook) och Kinas statsstyrda övervakningskapitalism har Silo.AI byggt sin verksamhet kring europeiska värdegrund.

”Integritet, användarnärhet, GDPR och etiska värderingar är något vi utgår från. Vi har en data privacy officer och jobbar emot black box-modeller. Etik kommer alltmer på tapeten, speciellt på lång sikt måste AI-företag vara måna om detta.”

Nyss kom det fram att Amazons nyutvecklade rekryteringsverktyg systematiskt nedgraderade alla cv:n som gav tecken på att den sökande var kvinna, eftersom roboten hade tränats på meritförteckningar som Amazon tidigare hade tagit emot, varav merparten var män.

”Det är ett stort potentiellt etiskt problem. Modellen ser ut som dina träningsdata ser ut, det kan vi inte beskylla AI:n eller algoritmen för. Vi människor som bygger modellen måste ta ett ansvar. Det innehåll som Facebooks algoritmer lyfter fram för just dig är optimalt för Facebook – men kanske inte för dig.”

Sarlin betonar att hans bolag bygger AI för människor, med människan i centrum, inte svarta lådor med kryptiska neuronnät.

”Maskiner sköter det repetitiva och tråkiga inom specifika uppgifter, människans tar hand om det kreativa och relationsbaserade – det är vår vision. Här uppstår också mest mervärde: då människan vägleder AI:n så att den utvecklas. Målet är inte att outsourca allt ansvar till en maskin. Att bygga AI på rätt sätt, så att det uppstår samarbete mellan människa och maskin, är mer än ett tekniskt-matematiskt problem. Det handlar om affärs- och servicedesign. Här kommer mitt mjuka perspektiv in: att förstå hur vi kan hjälpa och stöda människan.”

Torsten Fagerholm text

Karl Vilhjálmsson foto

Läs hela artikeln i papperstidningen.

• Peter Sarlin
• Född: i Åbo 1986.
• Bor: i Åbo.
• Familj: fru och tre barn.
• Utbildning:  ek.mag. (nationalekonomi) vid Åbo Akademi 2009, Ek.dr. i tillämpad maskininlärning 2013 vid Turku Center for Computer Science. Därtill studier vid London School of Economics, Handelshögskolan i Stockholm samt Stockholms universitet.
• Jobb: medgrundare och vd för Silo.AI; professor of practice vid Hanken. Har jobbat som extern konsult för ECB, samt diverse centralbanker. Tidigare biträdande professor vid Hanken, specialiserad på maskininlärning och artificiell intelligens, samt gästande professor i Australien, Italien och Tyskland. Direktör för Risklab Finland vid Arcada.
• Fritid: långdistanslöpning.
• Silo.AI
• Verksamhet: artificiell intelligens som tjänst.
• Mål: ”Att demokratisera och avmystifiera AI, samt främja samverkan mellan människa och maskin för att frigöra mänsklig kreativitet.”
• Grundat: september 2017.
• Anställda: över 30 i Helsingfors, Åbo och London.
• Vd: Peter Sarlin.
• Ägarskap: Grundare och anställda.
• Finansiering: Tekes och vissa lån, huvudsakligen finansierat via kunder.//Läs mer om artificiell intelligens här