En del får kramp när man nämner matematik, jag är inkluderad.

”Att digitalisera” är idag en självklar ambition för de flesta organisationer och företag. Populärbilden av digitalisering är ofta att det handlar om att ”slippa papper”. Man gör dem till digitala dokument. Och fortsättningen av denna tanke är att digitalisering är en infrastruktur. En infrastruktur som gör det enklare att flytta omkring grejer: skicka bilagor, video och bilder, strömma musik, jobba hemifrån, zooma... samt att den skapar snabbare processer.

Matematikens rike

Men det riktigt revolutionerande med digitalisering är att vi flyttar in i Matematikens rike där allt är beräkningsbart. För varje år som går är det mindre och mindre av vårt vardagsliv som inte är digitaliserat.

Jaha… hmm… vad kan detta innebära?

Ett oskyldigt exempel är all den statistik och peppning man får från sin träningsapp.

Ett mindre oskyldigt exempel är Cambridge Analytica-skandalen där till synes triviala likes, delningar och bilder i sociala media kunde användas för att koppla individer till psykologiska profiler – individer som sedan utsattes för osynlig manipulation. Och så gick det som det gick i presidentvalen i USA och Brasilien, i Brexit-omröstningen. I botten av detta var matematik.

Och tanken på matte kan göra att man känner sig obekväm...

Kramplösande läsning

För mig var det förlösande att läsa The Maths(s) Fix av Stephen Wolfram. Jag var inte speciellt duktig på matematik i skolan, tanken på ekvationer blockerar mig på fortfarande. Mr Wolfram visar att den nit skolan har på att vi ska lära oss ”handkalkylera” är en rest av en tid som varit.

Innan datorer fanns var handkalkylering förstås alldeles nödvändig. Men världen har förändrats, idag använder man datorer för beräkningarna i arbetslivet.

Det som istället är viktigt är att bli skicklig på Computational Thinking. Enligt S Wolfram detta att bli bekväm med att tänka i ”beräkningar” och ”algoritmer”.

Stephen Wolfram föreslår en modell i 4 steg:

1. Först, att verkligen förstå problemet. Vad är det som skulle bli bättre om vi hade en lösning på det. Vad är det mer specifikt som då ska lösas? Vad är behovet?

2. Abstrahera problemet. Dela nu problemet i mindre delar. Utforska och formulera vilka metoder som finns tillgängliga och är lämpliga för att lösa dem. Här skiftas fokuset till att förstå principer och essenser istället för nödvändigtvis kunna alla detaljer.

3. Utför kalkyleringen. Ja, vi kan kanske handkalkylera men det är sannolikt bättre att göra det med datorers hjälp. Och här har vi hela spektrat av verktyg och metoder.

4. Utvärdera resultatet. Är det rimligt?

Jag tror att dessa steg är något som många av oss har lättare att känna oss bekväma inför. Att sätta sig in i problem, fundera kring lösningsalternativ, utvärdera och bedöma ”sans-och-vett” är något vi redan gör i andra områden.

Den knepiga kalkyleringen i steg 3 gör datorerna :)

…jag hör invändningen!

”Man måste ju kunna kalkylera för att rätt lösa matematik! Det är ju fusk att använda en dator!”

En metafor: På 1910-talet var det nödvändigt att kunna det mesta av mekanik för att överhuvudtaget få ett fordon att rulla.

Idag är kunskapen om en differentialväxel helt irrelevant för att lösa ett logistikproblem.

Det viktiga mekanikeryrket är kvar, men man måste inte kunna mekanik för att tillämpa nyttan av idén med fordon.

Dynamit

Dynamiten med digitalisering kommer med insikten av ”beräkningsbarhet”.

Logiken i Matematikens rike:

1. Allt som är digitalt kan beräknas…

2. …det innebär att ”allt kan ställas mot allt” mer eller mindre…

3. …till vår hjälp har vi hela spektrat av ”matematiska” verktyg, ren matematik, statistik, data science, machine learning, artificiell intelligens…

4. …och eftersom beräkningar sker i datorer får vi tillgång till extrema prestanda.

Jag tror att det är med denna bakgrund man ska förstå den omvälvande samhällsförändring som just nu sker i vår tid.

Det är en exponentiell utveckling där massiva datamängder och artificiell intelligens gemensamt förstärker varandra i varje danssteg.

Utan digitala data — ingen AI. Med massiva digitala datamängder och AI — öppnar sig ”världar” som är helt och hållet nya. Som i sin tur skapar nya data.

Och då har vi inte ens nämnt IoT, Internet of Things (eller Sakernas Internet på svenska). Jag tror vi ska se på IoT på samma sätt som vi ser på människans sinnen — IoT kommer att bli organisations sinne. Organisationen kommer alltmer att bli Organismen.

AI – Assisterad Intelligens?

De mänskliga förmågorna briljerar när det gäller att formulera problem.

Vad är det vi vill göra för att få ett bättre liv?

Det är bara vi människor som kan avgöra om resultatet är rimligt och bra (för oss). Genom att bli skickliga här tar vi aktivt rollen som skapare och kreatörer. De blir en motvikt till känslan av att abdikera för att ”det är alldeles för svårt”, eller, ”det där får experterna hålla på med”.

Det här är våra verktyg! Vi behöver tillsammans prata, tänka och skapa.