Lyssna på samtalet i sin helhet här (Youtube) eller i poddformat.
Användningen av artificiell intelligens inom offentlig verksamhet är ännu i sin linda. Men den är på framväxt. Och det finns saker som vi måste se upp med. Det var en av slutsatserna i det samtal som hölls mellan filosofen Jonna Bornemark, nationalekonomen Andreas Bergh, sociologen och professorn i medieteknik Martin Berg och forskaren i informationsteknologi Lena Hylving. Bland annat finns en tendens att ge AI mänskliga röster och namn som bidrar till att göra AI mer mystisk än vad den egentligen är menar Jonna Bornemark.
– Vi talar ofta om AI som ett subjekt i stället för i termer av arbetsredskap och i det finns en lite farlig slagsida, säger Jonna Bornemark. Ett smart utnyttjande av AI, menar hon, handlar om arbetsdelning. Människor har omdöme och värderingar. Vi kan omvärdera mål vilket vi inte ska tro att AI kan.
Martin Berg slår fast att vi bli bättre på att förstå det komplexa band som finns mellan teknikutveckling, politik och globala ekonomiska system.
– Vem tjänar på AI, frågar han sig. Det finns ju ett antagande att ju mer AI som kan implementeras ute i samhället desto mindre behöver vi människor. Men i vems intresse ligger det? I vems intresse ligger frånvaron av krångliga människor?
När det gäller artificiell intelligens finns två tendenser som, enligt Andreas Bergh, måste nyanseras; antingen höjs AI till skyarna och man tror att den ska lösa allt, eller så är man mer alarmistisk och talar om AI i termer av en dystopisk framtid.
– AI har faktiskt varit något nytt och skrämmande åtminstone sedan 50-talet, påpekar Andreas Bergh.
En sak som blir alltmer tydlig i takt med att användningen av AI ökar är hur svårt det är att förutse konsekvenserna av all ny data som samlas in. Lena Hylving som studerat hur Trafikverket använt sig av AI för att bättre samla in information kring halt väglag refererade till hur personal som jobbar med halkbekämpning plötsligt måste kunna prioritera och motivera varför man valt att halkbekämpa den ena vägsträckan men inte den andra.
– Detta skapar stress, säger Lena Hylving. Dessutom finns en risk att flera års yrkeskunskap nedprioriteras och försvinner till förmån för den kunskap som ges via maskinlärning.