Automatisering, robotikk og digitale tvillinger

Vi begynte Datareisen med å slå fast at data er en integrert og uatskillelig del av livene våre, samfunnet, næringslivet, industrien og det offentlige. Kontinuerlig endrer data spillereglene for hvordan verden henger sammen. Det er ikke bare digitalisering, men en digital transformasjon.

Om du så skulle velge å ikke bruke noen form for datamaskin overhodet og kun betale med kontanter, vil du likevel være avhengig av en helt vanvittig stor mengde datadrevne prosesser i dagliglivet ditt. Om enn indirekte.

Data er i hjertet av det hele, som oksygen for algoritmene som styrer den digitale hverdagen vår.

Dette perspektivet – hvordan data ligger til grunn for digital teknologi, effektivisering og automatiseringer – har vi snakket mindre om i disse siste kapitlene. La oss derfor samle noen tråder her og minne om hvordan data skaper verdi også på andre måter.

Å «overlate jobben til maskinene» er ikke i seg selv noe nytt.

Vann- og vindmøller er eldgammel teknologi. Siden den industrielle revolusjon mot slutten av 1700-tallet har dampdrevne motorer og andre industrimaskiner gjort arbeidsoppgaver raskere, bedre og i større skala enn det mennesker har vært i stand til. Selv programmering med binærkode går tilbake mer enn 200 år, som vi husker med bruken av hullkort i gamle industrimaskiner.

Med fremveksten av datamaskiner, utviklingen av programmeringsspråk og teknologier som kunstig intelligens, har vi kunnet løse stadig mer komplekse problemer – med stadig mindre menneskelig medvirkning.

Automatisering kan eliminere menneskelige feil og gjøre prosesser mer effektive, konsekvente og pålitelige. Det legger også til rette for en hel rekke nye produkter, tjenester og systemer vi bruker hver eneste dag.

Netflix anbefaler filmene du ser på, maskinlæringsmodeller anbefaler nye ansatte, og roboter erstatter manuelle yrker – både rent fysisk i fabrikker og rent praktisk i eksempelvis kundeservice. Om du har sett en chatbot som førstelinjeforsvaret til mange bedrifters nettsider, er det nettopp fordi det er så voldsomt mye mer kostnadseffektivt å la en robot svare på mange av de mest grunnleggende spørsmålene.

Vi lar også Google og Apple fylle ut skjemaer for oss, kopiere data fra et system til et annet, synkronisere enhetene våre eller følge faste prosesser for å behandle en bestilling. Kort sagt tidkrevende, strevsomme og nokså ofte dørgende kjedelige arbeidsoppgaver, som en nå slipper å gjøre selv.

Men lenge før vi automatiserte digitale prosesser, automatiserte vi altså fysiske prosesser. Også dette gjør vi nå på nye og ofte langt mer effektive måter, takket være data – idet det fysiske og digitale smelter sammen i tingenes internett.

Mye av automatiseringen rundt oss er drevet frem av kunstig intelligente systemer. Men langt ifra alt.

Mange chatboter er for eksempel ikke kunstig intelligente i det hele tatt, men baserer seg på regelbaserte systemer bygget på en «hvis A, så B»-instruks (slik logikken bak beslutningstrær fungerer). Like fullt gjør de bankene, nettbutikkene og nyhetsmediene de «jobber» for mer effektive. (Her har riktignok ChatGPT hevet lista for hva vi forventer av en chatbot nå).

Et eksempel på denne typen regelbasert automatisering er det som kalles robotisert prosessautomatisering. Det kan du lese mer om i trekkspillmenyen under:

En digital tvilling, som du kanskje husker fra de første kapitlene i Datareisen, er en digital representasjon av et gitt system eller en gjenstand.

Denne typen digitale tvillinger er ikke noe folk flest jobber med direkte, men også her er vi på mange måter «sekundærbrukere», idet dette brukes til eksempelvis å sikre strømtilførsel eller bygge komplekse motorveibruer.

Si for eksempel at vi vil utrede et prosjekt for havvind. Basert på data om både vindmøllene i seg selv, og miljøet de er del av – havet og kysten – kan vi her bruke maskinlæringsmodeller til å simulere og forutsi hvordan møllene og omgivelsene vil kunne påvirke hverandre, hvor mye kraft som vil genereres, og så videre. Dette er en form for digital tvilling.

Vi kan også konstruere hele havvindparken i en spillmotor – som et dataspill – som kommende ansatte kan utforske i virtuell virkelighet (VR). Med VR-briller på kan de få opplevelsen av å være der ute før møllene overhodet er konstruert, og få opplæring og erfaring med hvordan det faktisk vil være å jobbe der. Dette er også en form for digital tvilling.

Denne kan også kobles opp mot virkelige data om for eksempel vær og vind – og sanntidsdata fra selve møllene etter at de er konstruert.

Robotikk er vitenskapen bak det å bygge roboter. Med robotikk tenker vi som regel på fysiske roboter, til forskjell fra digitale programvareroboter som i tilfellet med RPA.

Det trenger imidlertid ikke å være snakk om menneskelignende skapninger, men mer generelt om konstruksjoner/fysiske systemer som støtter mennesker og hjelper oss å løse problemer.

En robot kan eksempelvis brukes til å sortere varer på et lager, ved hjelp av aktuatorer («armer») og sensorer («øyne og ører») som lar roboten registrere og interagere med dens fysiske omgivelser.

Også dette dreier seg i høyeste grad om bruk av data. For at roboten skal kunne gjøre noe som helst, må den samle inn data om sine omgivelser, som digitiseres (gjøres til 0 og 1 – bits og bytes) og behandles, for så å trigge en eller annen form for handling eller respons.

Noen roboter er «dumme», altså programmert til å utføre enkle, repetitive oppgaver. Andre kan registrere og reagere på omgivelsene sine på måter vi oppfatter som mer eller mindre intelligent.

Dette gjelder for eksempel selvkjørende biler og robotstøvsugere, som baserer seg på maskinlæring, og som kan lære, tilpasse seg og forbedres over tid gjennom oppdateringer av programvaren og maskinlæringsmodellene, uten at den fysiske maskinvaren må endres.

Dette er selvsagt nært sammenknyttet med automatisering – som altså blir stadig mer utstrakt både i den fysiske og digitale verden. Det vil nødvendigvis ha konsekvenser for hvordan vi lever og jobber, etter hvert som stadig flere oppgaver kan overtas av maskiner.

Slike systemer kan imidlertid på ingen måte hverken føle, tenke eller resonnere. Nettopp derfor kan de heller ikke per i dag erstatte oppgaver som krever kreativitet, samarbeid, intuisjon eller empati. De er også dårlige til å håndtere unntakssituasjoner som på en eller annen måte avviker fra det de er programmert til å gjøre, og det er her vi mennesker fremdeles har et ess i ermet.

For det er ingen som slår oss på fleksibilitet og tilpasningsdyktighet. I alle fall ikke ennå.