Bots, chatbots, kunstig intelligens og Big Data

Bots, chatbots, kunstig intelligens og Big Data

Hva er egentlig en bot?

For å gjøre det hele nokså enkelt; en bot er et program, dvs. en kode som er skrevet for å utføre en eller flere oppgaver basert på det vi ønsker at programmet skal gjøre. Det finnes enkle bots, men også mer avanserte som benytter kunstig intelligens (AI).

En bot kan utføre strukturerte og repeterende oppgaver mye raskere og mer nøyaktig enn hva vi mennesker er i stand til å klare. Et eksempel er automatisering ved å hente og indeksere innhold fra nettsider (web spidering / crawling) – hvor store virksomheter som Google har muligheten til å analysere, strukturere og re-indeksere et hav av filer fra servere overalt i verden – for så å gi brukere en enkel måte å finne fram til dette innholdet på. Man kan jo tenke seg selv hvordan verden ville ha sett ut, uten søkemotoren Google (uten bots ville Google aldri ha blitt en virkelighet).

Samtidig har også denne muligheten til å indeksere «alt innhold» gitt en rekke flere tjenester fra Google og andre. Strukturert innhold er nøkkelen til suksess på mange områder. Bare tenk på hva man kan bygge og tilby av tjenester dersom man hadde hatt alle de dataene man ønsket seg tilgjengelig i et godt format. Mulighetene er uendelige.

Bots og den historiske utviklingen

Det er en rekke bruksområder for bots, og ikke minst kan en bot være tilgjengelig 24 timer i døgnet uten behov for verken pause, ferie, mat eller lønn – noe som kan redusere en virksomhet sine kostnader enormt – og akkurat derfor har mange virksomheter i en årrekke automatisert oppgaver gjennom å lage script. «Bots» er inn i tiden, men bots har vært brukt av mange uten at man nødvendigvis har kalt dette en bot eller har gitt et navn til sitt smarte automatiserte script som sparer en virksomhet for store utgifter eller effektiviserer arbeidsprosesser, slik at ansatte kan fokusere sine ressurser på andre krevende oppgaver hvor det virkelig er behov for menneskelig kompetanse og egenskaper.

I 1964 startet utviklingen av ELIZA ved MIT Artificial Intelligence Laboratory. Dette var et program som simulerte dialog mellom menneske og «maskin». Et program for naturlig prosessering av språk (et felt innenfor informatikk og lingvistikk), som ble skapt av Joseph Weizenbaum og lansert i 1966. ELIZA ble designet som en slags psykoterapeut, og stilte brukeren spørsmål med bakgrunn i hva man sa eller hva man svarte. Senere har det kommet en mengde andre, som med varierende hell og hensikter har kunnet kommunisere med brukerne. En nyere og mer kjent chatbot er Apples program Siri, som er innebygget i blant annet iPhone.

Chatboter kan være regelbaserte som ELIZA eller bruke maskinlæring (en del av den kunstige intelligensen). De regelbaserte botene er veldig begrensede, og de kan kun bli så smarte som de er programmert til å være.

Botene som bygger på maskinlæring bruker mønstergjenkjenning, og tar intelligente beslutninger basert på informasjonen de får inn.

Noen av de andre eldre botene som mange kjenner til, var tilgjengelig via Internet Relay Chat (IRC) fra rundt 1988. Dette var boter som hjalp brukere med å holde liv i chattekanaler – for å forhindre at servere stengte chattekanalene på grunn av inaktivitet, i tillegg til å gi enkel hjelp til nye brukere på chattekanalene (automatiserte «spørretjenester»). I 1999 kom de første kjente botnet-programmene (Sub7 og Pretty Park). Dette var trojanere og «ormer» som opererte i IRC-nettverket. Formålet med disse var at de skulle installere seg selv i all hemmelighet på maskiner. Kort tid etter, så kom IRC-bots som Gtbot, Agobot og Spybot. Gitbot kunne starte DoS-angrep gjennom script trigget av handlinger på IRC. Gjennom Agobot var ideén å sette opp en bakdør som seinere kunne benyttes til angrep. I 2003 kom Spybot på banen med key-logging og spam-meldinger i botnett. IRC-protokollen har derfor vært med på å gjøre botnett til en «suksess», og med tiden har det vokst fram boter som har påvirket samfunnet både negativt og positivt.

Rundt 1994 kom den første web crawleren (WebCrawler) som ble brukt til å indeksere nettsider. AOL tok denne i bruk i 1995, som igjen ble kjøpt opp av Excite i 1997. Googlebot ble opprinnelig kalt BackRub da den ble utviklet i 1996.

Positive og negative sider med den teknologiske utviklingen

Det er mye positivt bots har bidratt med på mange områder, men det finnes også en skyggeside som nevnt tidligere. Kriminelle kan benytte slik automatisering til å overbelaste nettverk, innhente (stjele) personlig informasjon og infisere systemer med ondsinnet kode. Vi kjenner jo alle til spam via e-post, og bots brukt til spam er blitt nokså vanlig. I tillegg er det også et marked for bots for klikk på poster (les: poster på Facebook), øke antall likes og det å øke trafikk på nettsider. Årsaken er selvsagt å gi en Facebookpage, en nettside etc. økt verdi (men på et «falskt» grunnlag – ofte for å hype opp verdien av et selskap).

Det vi kjenner som «Internett» i dag, ville aldri ha vært mulig uten bots. Webcrawlere gir oss en enkel mulighet til å finne informasjonen vi søker og såkalte chatbots gir oss stadig bedre muligheter til effektiv, rask og automatisert kommunikasjon uten behov for mennesker. Det være seg enkle spørretjenester (bots) med tagget innhold som returnerer relevant informasjon til brukeren basert på input fra brukeren, mer avanserte chatbot-løsninger som bedre forstår vårt naturlige språk, som kjenner til våre preferanser – og kan gi oss de svarene vi søker gjennom smarte chatbots som har kunstig intelligens som en del av de tekniske kvalitetene.

Hva så med tjenester som kan etableres gjennom å ha god brukerinnsikt og gode data tilgjengelig?

Det kan være alt fra spørretjenester for å gi brukere et svar på et spørsmål 24/t i døgnet, bots (programmer) som jobber i bakgrunnen på f.eks. servere som har som oppgave å utføre utregninger eller kontroller for å forenkle daglige arbeidsoppgaver (ved avvik så kobles ofte det menneskelige aspektet inn for å vurdere avviket), bots for å sette store datamenger (Big Data) i sammenheng og presentere viktige funn m.m. Maskinlæring («data mining») er her viktig – hvor teknikker hjelper oss til å håndtere store mengder data på en smartere måte. Ved hjelp av algoritmer som klarer å finne sammenhenger i et datasett får vi et bedre grunnlag til å ta de riktige beslutningene. Maskinlæring har som mål «å lære fra» data man har tilgjengelig, for å f.eks. forutse hendelser og utfall. Maskinlæring baserer seg på statistiske modeller, matematisk optimalisering og algoritmer som kan gi oss verdifull kunnskap.

De fleste virksomheter har mye verdifull data som hver for seg har sin «funksjon», men potensialet når disse dataene settes i en sammenheng gjør at man får en dypere innsikt – som igjen gjør det mulig å utforske nye forretningsmuligheter. Det er derfor viktig å vite hva maskinlæring kan tilføre virksomheten, og dette gjelder ikke bare for virksomheter innenfor området teknologi. Alle virksomheter har et uoppdaget potensiale til å forbedre seg basert på eksisterende data som i dag ikke utnyttes til det fulle.

Chatbots har også blitt populært med tanke på å effektivisere gjentagende arbeidsoppgaver og ikke minst kutte kostnader i virksomheter (i tillegg til å omorganisere, frigjøre ressurser og bruke ressursene på oppgaver som vanskelig lar seg automatisere pr. nå), og hvem vil vel ikke stille et spørsmål til en chatbot, få et raskt svar – istedenfor å være i telefonkø eller å taste seg fram via en telefontjeneste?

Spørsmål som stilles ofte til en veiledningstjeneste og som er forholdsvis enkle for en veileder å besvare, kan fint gjøres tilgjengelig via en bot, ev. en chatbot som er mer egnet til å forstå mer enn tagget innhold – og som også klarer å forstå «språket» til brukeren på en bedre måte. Kunstig intelligens kan også bidra til at chatboten kan lære av erfaring basert på løpende dialog med brukerne, men her er det også stor risiko for chatbot’n til å lære feil. Dette er et kompleks område som fortsatt har en lang vei å gå. Til nå er det mest treffsikre at en chatbot følger et sett med regler, dvs. triggerord som fanges opp i dialog med brukeren – hvor boten presenterer et mulig svar til brukeren – hvor brukeren så må bekrefte eller avkrefte om boten er på rett vei eller ikke. Har man gjort en god jobb med triggerord (ord og begrep man vet brukerne benytter), så vil man kunne komme langt – og kanskje også i de fleste tilfeller kunne gi korrekt svar til en bruker via botens første svar. For å forstå brukerne best mulig, må grundige analyser basert på statistikk fra ulike brukerinteraksjoner via ulike kanaler gjennomgås og jobbes med.

Hva er inn i tiden?

Meldingsapper er nå større enn sosiale nettverk, og du kjenner sikkert mange av de? Facebook Messenger, iMessage, WhatsApp, Skype og mange flere. Over 2.5 milliarder mennesker har minst én meldingsapp installert – og det er disse meldingsappene stadig flere virksomheter nå etablerer seg på. Mark Zuckerberg har uttalt at vi bør kunne kommunisere med virksomheter på samme måte som vi kommuniserer med vennene våre. Chatboter er nå bygd inn i disse meldingsappene, slik at man kan kontakte et firma direkte via Facebook og få svar av en chatbot umiddelbart. Det er lagt tilrette for at alle virksomheter på Facebook skal kunne lage sin egen chatbot til å svare på kundehenvedelser. Virksomheter som benytter chatbots via f.eks. Facebook Messenger kan komme i kontakt med eksisterende og nye kunder uten at sluttbruker trenger å installere en ny app for dialog, samtidig vil virksomheter kunne spare store kostnader istedenfor å utvikle egne apper for kommunikasjon med brukerne.

Gjennom Facebook Messenger kan man allerede i dag handle på nett, bestille både pizza og taxi, reservere bord, finne en date, prate med en virtuell assistent om alt fra triste til morsomme «ting» – og mye mye mer. Mulighetene kjenner ingen grenser – og her er det bare kreativiteten som setter en stopper. Mange av chatbot’ene som er laget, har kun til formål å kommunisere med brukeren – det kan være for å muntre opp en bruker ved å sende brukeren morsomme vitser eller filmklipp..eller rett og slett for å snakke med «en som kjeder seg». Hva får så en chatbot ut av dette? Det kan være alt fra flere følgere, økt salg eller rett og slett å samle inn data. Big data handler om å samle data som kan benyttes i ulike sammenhenger – og det å sitte på store verdifulle datamengder som kjenner brukerne (potensielle kunder), det har en enorm verdi for de virksomheter som klarer å utnytte dette på en god måte. Mange av dagens boter er etablert for å samle mest mulig informasjon om personen man har dialog med, for å samle store datamengder som gjør at chatboten selv utvikler seg – og sikrer et selskap god tilgang på nyttige og relevante data ved lansering av nye tjenester for å nå ut til ønskede målgrupper.

Ønsker du å handle via Facebook Messenger, så tilbyr en rekke virksomheter «handlehjelp». Her kan du stille spørsmål om produkter, få opp handlingsknapper for å velge om du er på utkikk etter klær til dame eller herre. Du blir presentert med bilder av f.eks. sko, kan sveipe deg gjennom et utvalg, få råd underveis – og så selvsagt shoppe.

HealtTap er en chatbot som gir deg svar på spørsmål om helse. Still et spørsmål og du får tips og lenker til artikler om problemstillingen. Det finnes også en rekke andre helse-relaterte chatbots. Virksomheter som Your.MD, Babylon Health og Baidu har alle jobbet med å utvikle chatbots for å besvare helsespørsmål. Pasienter (Messengerbrukere) kan stille spørsmål som: «Hodet mitt verker. Hva kan jeg gjøre for å få det til å stoppe?» Maskinlæring analyserer spørsmålene og gir brukeren et svar som inneholder flere mulige årsaker. Chatbot’n kan gi tips på hva man kan gjøre – men mange av rådene er selvsagt også å oppsøke lege. Slike chatbots har ikke alle svar – da de kun «kan» det de selv har av informasjon tilgjengelig i egen database, ev. tilgjengelig i tilknyttede databaser som supplerer med informasjon f.eks. gjennom et API.

Mange spår at chatbots vil erstatte mobile apper i fremtiden, men når det kommer til komplekse problemstillinger som innen helseområdet, så er det fortsatt svært utenkelig at chatbots vil kunne erstatte mennesker i det fulle og hele – men en viktig bidragsyter vil chatbots kunne være.

Ansattnett.no