Skip to main content

AI indvarsler guldalder for cyberfysiske systemer


Kategori:

Ifølge Chandrakant Patel fra HP Inc står vi ved starten af en epoke med et kolossalt potentiale for at udnytte AI til at løfte opgaver af konkret, samfundsmæssig relevans.

Den fysiske verden, hvor mange sektorer kræver domænespecifik viden for at fungere, kan blive den store vinder ved brug af AI og maskinlæring. Denne overraskende pointe var en del af det visionære indlæg, som Chandrakant Patel, Senior Fellow and Chief Engineer, HP Inc, leverede på HP-Dagen den 18. juni 2024.

Der har været fokus på den vidtløftige brug af AI til fx kreative formål, men de konkrete sektorer som forsyning, energi, transport, sundhedsvæsen og landbrug rummer et stort potentiale for at bruge AI til samfundsmæssigt relevante opgaver. Det er baggrunden for Patels påstand om, at udbredelsen – demokratiseringen – af AI måske vil få den største gennemslagskraft på områder, der ikke fra starten har trukket de store overskrifter.

Udbud, efterspørgsel – og sundhedsvæsnet

Inden for de fysisk konkrete sektorer med samfundsmæssig betydning skal der helst være balance mellem udbud og efterspørgsel. Elnettet skal helst kunne levere strøm til elektrificeringen af det moderne samfund. Landbruget skal levere de fødevarer, der er behov for osv. Men hvad sker der, når balancerne forskydes?
Patel nævner sundhedsvæsenet. Befolkningerne bliver ældre og ældre i disse år. Flere og flere specialister som fx kirurger går på pension. Udbuddet af domænespecifik viden daler, mens efterspørgslen stiger.

Robotter og AI kan hjælpe med at løse problemet ved, at der kan blive uddannet flere læger hurtigere. Måske kan kirurger få AI-assistance i realtid under operationen? Måske kan kirurger styre flere robotter og operere flere på én gang? Ja, måske, men det kræver ikke alene AI, men også store mængder domænespecifik viden.

HP EliteBook G11

Designet med AI-acceleration for at levere enestående ydeevne, komfort og batteritid. Med HP EliteBook G11 er du rustet til alle dagens opgaver på det hybride kontor. Og takket være de enestående samarbejdsværktøjer står dine argumenter knivskarpt, når du mødes online med andre.


  • Nyeste generation Intel® Core™ Ultra 5- og 7-processorer
  • 14″–16″ diagonal display op til WUXGA opløsning
  • HP Wolf Security for Business
  • Lyd fra Poly Studio, HP Dynamic Voice Leveling og HP AI Noise Reduction
  • 5 MP-kamera med justering af bagbelysning og dæmpet lys samt automatisk indramning
  • 3 års garanti – også på batteriet
  • Fra 1,18 kg

Læs mere om HP EliteBook G11 og køb den hos din foretrukne HP partner HER

Her kan du se hele Chandrakant Patel’s indlæg fra HP Dagen

Derfor udnævner Patel det 21. århundrede til århundredet for domæne og data. Efter maskinalderen (det 19. århundrede) og informationsalderen (det 20. århundrede) har vi nu alderen for domæne og data.

Den brede AI og den mere specialiserede AI

Med den første del af indlægget har Chandrakant Patel koblet AI på domænespecifik viden i cyberfysiske systemer. Han skelner imidlertid også mellem brugen af den brede AI til fysiske systemer og brugen af den generative AI inden for specifikke domæner.

Et eksempel på det første er togdriften. Her skal der overvåges en uhyggelig mængde data for at sikre togdriften og forebygge fejl på banelegemet, i togstammerne, i hele det elektriske system og meget mere. Til det formål kan man udvikle modeller, der indsamler og gør brug af store mængder data, der processeres og anvendes til forudsigelser, analyser og planlægning. “Using robust data detecting patterns,” som han udtrykker det.

Et eksempel på Domain Generative AI – altså højt specialiseret domæneviden – er derimod udviklingen af værktøjer og modeller inden for fx kirurgi. Det kan man ikke løse ved brug af offentligt tilgængelige data. Tværtimod kræver det højt specialiseret viden inden for det konkrete domæne, hvor den førnævnte brede AI kræver store strømme af data.

Datadisciplin og ROI på data i cloud

Efter at have ridset billedet op, runder Chandrakant Patel sit indlæg af med at tale om datadisciplin, og han gør det med et eksempel, som mange kan nikke genkendende til. For Patel blev gift for 30 år siden, og der er måske 50 billeder i hans bryllupsalbum. Han kan genkalde sig alle billederne, og under hvilke omstændigheder, hvert enkelt billede blev taget.

Hans datter blev gift sidste år, og i den forbindelse blev der måske uploadet 1 TB billeder til skyen. Han kan ikke huske et eneste af dem, for det enorme antal får det til at stå fuldstændig tåget for ham.

Det er derfor ikke mængden, men kvaliteten af data, der er afgørende, og det kræver datadisciplin, systematisk databehandling og opstilling af nogle KPI’er for, hvordan man egentlig beregner ROI på sine clouddata. Og her sluttes cirklen med behovet for en forståelse af den fysiske verden, der kan holde AI ved jorden og åbne for reelle løsninger og reelle fremskridt – på tværs af discipliner.