Month: April 2024

Den 9e april hade vi ett mycket trevligt referensgruppsmöte i AROA-projektet. Detta tillfälle användes för att presentera vad som hänt i projektet men också för att få återkoppling och diskutera våra idéer med branschexperter. Under förmiddagen introducerade Åsa Cajander dagen och sedan diskuterade vi några begrepp och hur de skulle kunna appliceras på våra tre domäner (jordbruk, tåg och IT). Jessica Lindblom använde sig främst av sitt forskningsområde lantbruket och passade på att visa bilder från olika besök på jordbruk som använder sig mycket av automatiserad och AI-baserad teknik. Hon visade även bilder på oss när vi utstyrda i overaller och gummistövlar besökte Lövsta, där SLU bedriver delar av sin lantbruksforskning. Därefter följde en kort presentation och diskussion om digitalt arbetsengagemang och vad som egentligen kan tänkas ingå i det begreppet. Forskningen är inte särskilt entydig och föreslår en rad olika definitioner, där många snarare fokuserar brett på arbetsglädje och tillfredsställelse än engagemang. En början på en definition utgår från att digitalt arbetsengagemang är motsatsen till digital stress (s.k. teknostress). En annan utgångspunkt är självbestämmandeteorin (self-determination theory) som fokuserar på motivation och drivkrafter. Ytterligare några teorier och möjligheter diskuterades.

Efter lunch introducerade Maria Normark kort begreppen deskilling och reskilling som syftar till att belysa vilken typ av kompetens man tappar vid införandet av ytterligare automation och AI-lösningar, men också vilka kompetenser man kommer att behöva tillföra. En viktig diskussion under denna session handlade om vad vi menar med AI eftersom det kan innebära väldigt olika saker. Ett första försök att definiera en skala satte kontrollerande och styrande AI i ena änden och guidande AI i andra änden. Med kontrollerande AI tänker vi oss system som helt styr arbetsflöden samt kontrollerar yrkesverksammas aktiviteter medan guidande AI ger tips och förslag men varken är obligatoriska eller nödvändiga att anpassa sig efter.

Slutligen hade vi en paneldiskussion där framtiden ventilerades och vi bland annat lyfte frågan: hur vill vi att framtiden ska vara och vad missar vi i de perspektiven vi har diskuterat? Sammanfattningsvis var mötet mycket berikande och vi ser fram emot nästa till hösten.

_{Bild genererad via DALL-E.}

I projektet jag är del av har vi genomfört runt 30 intervjuer med olika intressenter inom Sveriges flygplatsvärld för att skapa förståelse kring införandet av teknologi på flygplatser och hur teknologin påverkar markpersonalens arbetsmiljö. För att transkribera intervjuerna har vi använt Open AIs Whisper, som funkar på det viset att man lägger in sin ljudfil i ett program och så spottar programmet ut en textfil med transkriptionen.

Generellt fungerade systemet väldigt bra och minskade tiden som krävdes för att transkribera, men viss handpåläggning krävdes definitivt, eftersom det fanns ett antal återkommande problem som är värda att uppmärksamma. Med det sagt ska det sägas att det finns olika versioner som garanterat påverkar outputen, samt att systemet säkert är bättre på engelska än svenska, men här måste jag erkänna att det inte var jag utan min eminenta kollega Andreas Bergqvist som installerade programmet och bland annat säkerställde att det gick att köra programmet lokalt. Följande recension är skriven av en hobbylingvist och hopplös programmeringsanalfabet som inte har full koll på de tekniska specifikationerna utan bara vill ha ett användbart verktyg.

Först och främst kan det av olika skäl bli väldigt knasiga ord som Whisper föreslår. Ofta var det på grund av att ljudkvalitén i sig var dålig, men även när det kommer till väldigt specifika ord, specifikt till flygbranschen exempelvis, kunde programmet få problem. Amsterdams flygplats Schiphol blev vid flera tillfällen fel då Whisper föreslog att det istället skulle vara ”Skimpol” eller ”Skippholm”, medan ”incheckningsdiskar” kunde bli ”inskräckningsdiskar” och i de flesta fallen lades ett ”r” till i ord som ”banrapporteringssystem” till att bli ”barnrapporteringssystem”.

Ytterligare exempel på sådana enkla felidentifieringar kom ofta i talesätt. ”Goddag yxskaft” blev ”goda ytskaft”, ”Dackefejden” blev ”Daccafaden” och den bästa lilla detaljen av alla – när en respondent sa ”krisen är uppfinningarnas moder” identifierades ”krisen” som ”grisen” och därmed tillkom bilden ovan och min ambition att etablera ”grisen är uppfinningarnas moder” som talesätt. Det förekom även fel som att programmet kunde identifiera helt fel pronomen, exempelvis när respondenten ytterst tydligt sa ”vi” kunde det tolkas som ”jag”. Ordklassen är uppenbarligen korrekt identifierad, men ljudet är uppenbarligen helt annorlunda. Enstaka gånger förekom även fel som att ”vi har endast X” identifierades som ”vi har inte X”, vilket såklart blir problematiskt.

Därutöver tillkom problem som jag antar är inbyggda med en viss medvetenhet. Whisper har till synes ett arbetsminne-liknande sätt att arbeta. Exempelvis, när en respondent på kort tid sa att hen hade haft tre olika ”tjänster” tolkades det tre gånger om som ”chanser”. Första ”tjänst” kan absolut tolkas som ”chans”, men de övriga två lät desto mindre som ”chans”. Så i dess ”arbetsminne” verkar programmet ha identifierat ett ljud som en viss textsträng och identifierade följande liknande ljud som samma textsträng, i ett slags ”hellre konsekvent oavsett rätt än inkonsekvent”- resonemang.

Det som däremot fascinerade mig, utöver den generella precisionen, var de fantastiska sammansatta ord Whisper lyckades få till. ”Arbetsmiljökonsekvensanalys”, ”standardiseringskommissioner”, ”toalettservicechecklista”, och även svengelska sammansatta ord som ”safetychef” var några höjdpunkter inom kategorin sammansatta ord.

Det största problemet med programmet är att vissa osäkerheter och tillägg inte tas med. Det var oftast bara det som identifieras som centralbudskapet som inkluderades. Små uppbackningsord som ”mm”, stakningar som ”eh”, och utfyllnadsord som ”liksom” var ytterst sällan med. Mer påtagligt inkluderades inte det understreckade i följande utdrag: En person pratade om en ”Utbildning som är så jävla lång och så jävla tråkig”, en annan sa att säkerhet ”Det är ju vår högsta prioritet. Det är alltid det som är först.” och en annan menade på att ”Yttersta ansvaret har ju min chef för arbetsmiljö.” Det behöver inte vara fundamentalt väsensskilt från vad respondenten sa, men nyanser och detaljer försvinner.

Så varför spelar alla dessa exemplen som jag har beskrivit roll? Här finns det saker att säga om replikerbarhet och vetenskaplig noggrannhet, men framför allt kan det leda till problem om användare förlitar sig på mycket på program som detta. Bara för att det kan visa upp fantastiska resultat på det stora hela så innebär det inte att systemet till minsta detalj har kapaciteten att producera helt korrekta resultat. Överlag är Whisper ett intressant och hjälpsamt verktyg för att öka hastigheten i transkriptionsmomentet, men än så länge kvarstår behovet för mänsklig handpåläggning, för det finns alltid risk att det är en liten gris som gömmer sig någonstans i myllret av tvärsäkra formuleringar.