AI:n som påstår sig läsa pokerspelares tankar – proffsen köper det inte

När AI lämnar labbet – vad händer då?

Det är lätt att fascineras av demonstrationer i kontrollerade miljöer. Det är i det stökiga, operfekta verkliga livet som tekniken verkligen prövas. Den här veckan fick vi två tydliga exempel på just det.

Pokerns nya analytiker

Under årets World Series of Poker Main Event – direktsänt på ESPN i juli – dök ett oväntat analysverktyg upp i sändningen. Systemet, byggt av ingenjören Luke Geel med bakgrund hos det amerikanska flygvapnet, analyserar i realtid allt från ögonrörelser och blinkfrekvens till kroppshållning och hur spelarna hanterar sina marker. Resultatet presenteras som ett sannolikhetsmått: blufffar spelaren, har hen ett starkt kort, eller spelar hen på en möjlig kombination?

Konceptet är fascinerande. Att digitalisera den mänskliga förmågan att läsa av motståndare – en konst som erfarna pokerspelare ägnar decennier åt att förfina – är ett genuint ambitiöst mål. Men enligt Wired är pokerproffsen långt ifrån övertygade. Det grundläggande problemet är träningsdata. Av de 9 000-plus deltagarna i turneringen filmades en ytterst liten andel händer. Det innebär att underlaget för att bygga tillförlitliga mönster kring enskilda spelares beteende är mycket tunt.

Michael Gagliano, ett pokerproffs med 17 års erfarenhet som tog sig till final i turneringen, ställer sig skeptisk. Och han har en poäng. Att träna ett system på ett begränsat antal händer och sedan presentera utfallet som ett analysverktyg på TV-sändad nivå är ett djärvt steg. Ändå är grundidén sund – och jag tror att vi om fem år ser liknande system som faktiskt fungerar, när dataunderlaget växt och modellerna mognat.

Det är inte ett misslyckande. Det är version 1.0.

Humanoidrobotens prislapp-problem

På fabriksgolvet pågår en annan och kanske mer ekonomiskt avgörande diskussion. The Robot Report konstaterar det som många anat men få sagt rakt ut: tekniken för humanoidrobotar är i stora drag redo. Det är lönsamhetskalkylen som inte håller.

Företag som Agility Robotics har visat fungerande lagerhantering, greppförmågan har förbättrats dramatiskt och grundmodeller för maskininlärning ger robotarna allt bättre situationsförståelse. Men mångsidigheten – humanoidrobotens stora löfte – har ett pris som är svårt att motivera när man jämför med specialbyggda automationslösningar.

Siffrorna talar sitt tydliga språk: de bästa humanoidrobotarna klarar omkring 1 000 paketsorteringar i timmen under kontrollerade förhållanden. Specialiserade sorteringsrobotar presterar mellan 1 300 och nästan 3 000. I högvolymproduktion är den skillnaden avgörande när man räknar på avkastning och återbetalningstid.

Detta är inte ett tekniskt bakslag – det är en mognadsfråga. Priserna kommer att sjunka, precis som de gjorde med solpaneler, elbilsbatterier och servrar. Frågan är hur länge industrin är beredd att vänta och vilka segment som öppnar sig först.

Två berättelser, ett gemensamt tema

De här två nyheterna är egentligen facetter av samma fenomen: AI och robotik befinner sig i övergångsfasen mellan proof-of-concept och verklig skalning. Det är en fas som är full av friktion – teknik som fungerar men inte tillräckligt bra, affärsmodeller som ännu inte stämmer, och ett omgivande samhälle som både fascineras och ifrågasätter.

Det som är avgörande att förstå är att friktion i denna fas är normalt – och hälsosamt. Det är i spänningen mellan ambition och verklighet som de bästa lösningarna formas. Pokersystemet kommer att förbättras när dataunderlaget växer. Humanoidrobotarna kommer att bli konkurrenskraftiga när priserna faller och mjukvaran mognar ytterligare.

För dig som affärsledare eller beslutsfattare är budskapet tydligt: börja förstå var tekniken faktiskt befinner sig – inte där hype-kurvan säger att den borde vara. Det är där de kloka investeringarna görs.