Diversitet er menneskets sidste chance for at overleve

Udviklingen indenfor kunstig intelligens er accelereret indenfor det seneste årti, hvilket har ført til mange dommedagsprofetier om, hvordan computere overtager menneskeheden. Bl.a. forudsiger EU at mellem 45 pct. og 60 pct. af alle arbejdere i Europa potentielt kan erstattes af automatisering inden 2030. Men lad os lige huske på, hvordan delelementer af kunstig intelligens (KI) skabes – herunder maskinlæring, som runger mindre eksistentielt truende.

Maskinlæring giver os mulighed for at løse klasser af problemer, som ikke tidligere har været mulige for computere at løse. Men der er typisk tale om meget snævre områder, som er tilpasset et enkelt firmas særlige problem, i et særligt marked, og som kræver en særlig type data og implementering.

Maskinlæring og symbolske metoder, et andet delelement af KI, har i flere tilfælde overhalet mennesket, når det handler om disse meget specialiserede områder, som f.eks. diagnosticering, modellering og screening af anormaliteter i kæmpe mængder af data. Men så snart der skal løses et nyt problem, med nye faktorer, på tværs af sektorer og dataklasser, skal algoritmerne trænes på ny. Og netop her viser mennesket sin styrke gennem diversitet.

Vi lever i en verden, hvor det på trods af årtiers advarsler, er gået op for os, at status quo kan ændre sig over natten, fordi pandemier og klimakriser er en del af vores virkelighed. Det ryster vores antagelser øjeblikkeligt, og gør det bidende nødvendigt at sikre diversiteten på tværs af vores samfund, fra uddannelse, offentlig sektor til erhvervsliv.

Vi har desværre haft en historisk tendens til at forveksle diversitet med en kønsdebat. Men det handler slet ikke om køn. Det handler derimod om menneskets naturlige tendens til at vælge mennesker som en selv, en såkaldt “ligner-mig-effekt”. For det er alt andet lige nemmere at arbejde sammen med mennesker, der tænker på samme måde, kommunikerer ens, og har de samme værdier og kulturelle afsæt som en selv. Det kommer bl.a. til udtryk, når vi ansætter mennesker med samme uddannelsesmæssige og demografisk baggrund som os selv. Så selvom man i ledelsen aktivt hyrer kvinder, ender man ofte med at få flere kvinder ind i herreklubben, som blot ligner herreklubben, hvorved intet er vundet.

Diversitet handler nemlig om forskellighed - fra religion, uddannelse, seksuel orientering, handikap, alder og mange flere parametre. For når hjerner er kodet forskelligt, ser man forskelligt på virkeligheden, og kan derved bedre håndtere den.

Ekkokammeret har måske været tilstrækkeligt i det forrige århundrede, hvor vi følte, at vi havde uanede ressourcer, og hvor verdens kriser kom stille rullende mod os fremfor bragende. Men virkeligheden har overhalet evolutionen, som i sin natur er langsom og forudsigelig. Verden er en anden, og vi skal have datidens mammutkæmpere på banen igen.

Dem der tør stå overfor en langt større udfordring, end de umiddelbart kan klare, og så alligevel klare det, fordi de tør tænke anderledes. Vi skal turde bryde mønstre og skabe helt nye løsninger, der kan være fundamentet for den tid, vi står overfor. Men det kræver mod og selvrealisering, og der er mange, der skal udskifte sig selv på tværs af arbejdsmarkedet, hvis vi skal sikre et divers mindset i tide.

Svaret kan ikke findes i en business case eller en cost-benefit-analyse. Svaret findes ved at være helt tæt på ens marked, på den forskning der springer frem og på de mange iværksættere, der verden over genopfinder gårsdagens forretningsmodeller. Og gøre det på et digitalt fundament fremfor et lag, der bare placeres ovenpå noget gammelt og eksisterende.

Vi behøver ikke bruge tid på tallene, for dem præsenterer vi hvert år til kvindernes internationale kampdag. Og ja, diversitet kan betale sig i klassisk forstand. Det skaber en signifikant bedre omsætning grundet innovation og nytænkning. Men diversitet har også en anden fordel, der kan blive menneskets redning, når maskinlæring og dyb maskinlæring overtager dele af vores specialistopgaver.

I modsætning til algoritmer, der skal trænes, før vi kan få glæde af deres “intelligens”, kan en divers gruppe mennesker agere på stedet, når det handler om at forudsige både korte og langsigtede trusler og muligheder. Det betyder ikke, at vi er gode til at komme med de rigtige forudsigelser. Men her ligger en oplagt symbiose, for menneske og maskine slår altid menneske eller maskine.

Diversitet er derfor menneskets største værdiskaber, fordi vi kan være komplementære til maskinlæringens typiske tunnelsyn. Diversitet bliver menneskets bedste våben, når det handler om vores evne til at overleve i en verden, hvor teknologi nemt kan overgå de homogene beregninger.

Men det kræver en ændring i vores vurdering af værdi fra uddannelser til rekruttering. For uddannelser er lidt firkantet sagt designet til at skabe specialister. Folk der uddannes til at skulle konkurrere mod KI om arbejdsopgaverne. Skal vi overleve fremtiden, skal vi derfor hellere skal spørge os selv, hvad kommer vi til at mangle, med de egenskaber maskinlæring og dyb maskinlæring tilbyder? Og hvordan kan vi uddanne næste generation til at være komplementære til den ny teknologi i stedet for konkurrenter til den?

Det her handler derfor ikke om diversitet for individets skyld. Det handler om diversitet for menneskehedens skyld.

Natasha Friis Saxberg