Professor Hans Siggard Jensen
(Foto: Aarhus Universitet)
“Et af de vigtigste emner, når det kommer til kunstig intelligens, er evnen til at lære. Men det er samtidig også det sværeste emne, fordi vi ikke ved meget om, hvordan mennesker tænker og lærer.”
Hey, glem lige alt, du kender til kunstig intelligens fra science-fiction-filmene.
Alle Terminator-robotterne, de menneskefjendtlige Matrix-maskiner og den følelsesmæssigt dysfunktionelle supercomputer HAL i filmen ’2001: A Space Odyssey’.
Væk med dem.
For selv om it-forskere jævnligt får større og mindre gennembrud inden for kunstig intelligens, er der (stadig) et pænt stykke vej fra nutiden til filmverdenens fremstilling af dræberrobotter med smag for at overtage vores lille planet.
Med mindre du forventer, at dine mobil-apps, google-søgninger eller Amazon-indkøbsforslag vil angribe os, naturligvis.
For det er nogenlunde her, vi er i dag med kunstig intelligens, som ellers er udpeget til at være et af de mest betydningsfulde teknologi-gennembrud i det 21. århundrede.
Flere forskere forventer ligefrem, at maskinerne passerer den menneskelige intelligens inden for få årtier, hvorefter der vil opstå en hidtil uset superintelligens.
Denne skabelsesberetning 2.0 vender vi tilbage til.
Annonce:
Her er vi i dag
I dag er de kunstigt intelligente løsninger overvejende domænespecifikke løsninger, som sjældent gør særligt meget væsen af sig uden for deres egen lille, veldefinerede kasse.
Det kunne eksempelvis være Apples stemmestyrede assistent Siri, der i samspil mellem mange teknologier som tale-genkendelse, internetsøgning og tekst-til-tale giver iPhone-brugere en lille hjælper til rådighed.
Men Siri er hverken mere eller mindre levende end din elektriske tandbørste eller stavblender.
Kunstig intelligens er dog ifølge professor Hans Siggaard Jensen fra Aarhus Universitet en teknologi, som aldrig har været så udbredt som i dag.
Og vi støder da også ind de i kunstigt intelligente løsninger flere gange dagligt.
“De fleste har jo tre-fire milliarder linjer kunstig intelligens-kode i lommen fra apps i deres smartphones. Her er hver app en Turing-maskine, som bliver styret af overhjernen i form af en menneskeskabt smartphone, som også er en Turing-maskine,” forklarer Hans Siggaard Jensen.
Sådan opstod kunstig intelligens
Computeren og kunstig intelligens stammer i sin spæde start fra en af datalogiens grundlæggere, englænderen Alan Turing.
Udover at knække nazisternes Enigma-koder under 2. Verdenskrig står Alan Turing nemlig også som fadder til flere it-koncepter, som vi i dag benytter med den største selvfølgelighed.
Helt tilbage i 1936 beskrev den dengang 24årige Alan Turing en matematisk model for, hvordan man via en manipulerbar maskine kan løse matematiske problemer – senere kendt som Turingmaskinen.
Efter krigen grundlagde den ungarsk-amerikanske matematiker John von Neumann den computerarkitektur, Von Neumann-arkitekturen, med en CPU, hukommelse, databuser, input- og output samt et eksternt lager, som i dag i en forfinet form danner grundlaget for vores computere.
Da kunstig intelligens i dag består af computere, er konceptet derfor heftigt inspireret af både Alan Turings matematiske koncept om en universel Turing-maskine til imitation af andre maskiner og Von Neumann-arkitekturen til at bygge den artificielle intelligens med.
“Dengang havde vi bare ideerne, men ikke så meget at vise frem,” forklarer professor Hans Siggard Jensen om den helt spæde fødsel af kunstig intelligens.
Senere har folk som John McCarthy og nyligt afdøde Marvin Minsky taget de første ´syvmile-skridt udi at benytte maskinerne til løsning af logiske problemer. Også den nyligt afdøde danske Turingpris-vinder, Peter Naur, har skubbet på udviklingen med teorier om, hvordan vi formulerer algoritmer – altså den måde, som computere skal “tænke” på.
“Mange computersystemer minder om mennesker, fordi de er inspireret af, hvordan mennesker tænker og løser problemer, men de har også givet indspil til, hvordan vi så igen forstår den menneskelige bevidsthed som en art computer - begge dele baseret på ideer om informationsbehandling,” forklarer Hans Siggaard Jensen om den tidlige udvikling af kunstig intelligens, som hurtigt fik ben at gå på.
Op igennem 1950′erne og 60′erne begyndte computere således at slå habile skakspillere, de kunne bevise geometriske sætninger og optimismen voksede, mens populærkulturen i eksempelvis Hollywood fik øjnene op for de såkaldt tænkende maskiner.
Senere er begreber som neurale netværk kommet til, hvor eksempelvis maskinerne med de bedste løsninger på stillede problemer overlever i bedste darwinistiske stil.
Sådan “tænker” de kloge maskiner
Ifølge Hans Siggaard Jensen “tænker” kunstig intelligens fundamentalt anderledes end mennesker.
For mens menneskers tankespind består af et yderst komplekst samspil af følelser, logisk tænkning, erfaring, abstrakt tankegang og at lære, benytter computere ofte blot den såkaldte brute forcing-metode til at løse problemer med.
Brute forcing er maskinens afprøvning af en masse mulige løsninger, indtil den finder et plausibelt svar på et stillet problem.
“Et af de vigtigste emner, når det kommer til kunstig intelligens, er evnen til at lære. Men det er samtidig også det sværeste emne, fordi vi ikke ved meget om – endsige har gode teorier om - hvordan mennesker tænker og lærer,” siger Hans Siggaard Jensen.
“Mennesker kan eksempelvis genkende op mod 300.000 ansigter, men vi ved ikke, hvordan vi gør det. Maskiner kan også genkende 300.000 ansigter, men det sker gennem brute forcing og nogle empiriske studier, som må siges at være den metode inden for kunstig intelligens, der stadig er toneangivende,” fortsætter han.
Med andre ord: hvis vi skaber maskiner i vores eget billede, og dette billede er ekstremt tåget, kan vi umuligt kreere maskiner, der er lige så kloge som os selv.
Eller kan vi?
Biler på vej mod klogere maskiner
Hans Siggard Jensen peger på, at der er sket mange teknologiske landevindinger i de senere år, som giver håb for fremtiden. En af dem er de selvkørende biler, som forventes at skulle køre på vores veje inden for de nærmeste par år.
“Googles og andre selskabers selvkørende biler er meget interessante eksempler på, hvordan vi indbygger normative beslutningsevner i maskiner. Udover muligvis at kunne hjælpe med at løse en masse trafik-problemer vil disse biler også give os meget gode, praktiske erfaringer med kunstig intelligens,” siger han.
Bayesianske Netværk
For når de selvkørende biler for alvor bliver sluppet løs, skal de fortolke sensorinput i realtid, arbejde med sandsynlighed baseret på adfærd typisk via matematiske modeller kaldet Bayesianske Netværk og samtidig skal deres adfærd kunne aflæses og fortolkes korrekt af andre selvkørende biler.
Derfor anser Hans Siggard Jensen de selvkørende biler som et af de hidtil største projekter med kunstig intelligens, hvor brute forcing løbende skal erstattes af begrebet machine learning – altså, at maskinerne skal lære sig selv at gebærde sig ude i trafikken.
Men også her er der på nuværende tidspunkt en del vej til at kunne fremstille en maskine, der kan klare den kunstige intelligens’ ultimative prøvelse, nemlig Turing-testen.
Det kan du læse mere om her: Forslag til ny Turing-test: Computere skal kunne grine af The Simpsons
“Hvis vi bare kommer i nærheden af, hvordan en hund kan lære tricks, vil det være fantastisk. For hundens læringsalgoritmer er meget avanceret i forhold til en maskines læringsalgoritmer,” forklarer Hans Siggard Jensen
“Derimod kan vi godt bygge en kunstig intelligent maskine – en art dyre-robot - der i lighed med en hund kan lugte 10.000 gange bedre end mennesket, og den maskine kunne faktisk fungere som en rigtig god sporhund,” tilføjer professoren.
Filmen ‘Blade Runner’ fra 1982 er en af mange film, der handler om kunstig intelligens implanteret/implementeret i robotter. Blandt filmens mange referencer til kunstig intelligens-forskningen er Voight-Kampff-maskinen måske den mest berømte. Maskinen (med det røde ‘øje’ på billedet) er en fri fortolkning af Turing-testen, som ud fra 20 spørgsmål skal kunne identificere, om en given besvarelse kommer fra et menneske eller en maskine.
Myten om den onde maskine
Her ses en Terminator-robot med de klassiske røde øjne og det glatte, metalliske skær på kroppen.
I filmverdenen bliver kunstig intelligens ofte portrætteret som en trussel mod mennesker eller hele menneskeheden, da maskinerne på filmlærredet traditionelt har haft en iboende ondskab.
Den udlægning hedder med et fint ord antropomorfisme, da vi som mennesker ikke kan lade være med at tillægge maskinerne (ofte onde) menneskelige karaktertræk.
Vi mangler dyb læring
Lektor Thomas Bolander fra DTU’s Institut for Matematik og Computer Science peger på, at videregående machine learning i neurale netværk har været meget hypet i de senere år.
“Mange virksomheder hører om deep learning og tænker straks, at ‘sådan en skal vi også have’,” lyder det fra Thomas Bolander.
Han mener dog, at machine learning er ved at komme til sin ret i vores big data-tider, hvor flere og flere indsamler store bunker af ustrukturerede data med henblik på at kunne udnytte dem kommercielt efterfølgende.
“Mange har ved hjælp af simple algoritmer og simpel brug af kunstig intelligens opnået store resultater med big data,” forklarer han og nævner, at en af de større danske banker er på trapperne med en slags digital bankassistent.
Dermed læner den velinformerede, digitale bankassistent sig op af kommende lanceringer fra Google, som i Thomas Bolanders optik er den private virksomhed, der investerer allermest i kunstige intelligens i disse år.
Lektor Thomas Bolander
“Det kan jo potentielt udløse en eksistentiel krise, når vi mennesker ikke længere er de klogeste på Jorden.”
Annonce:
Sådan ser Google udviklingen
Læs også: Googles søgemaskine skal kunne tænke selv – ekspert i AI ny topchef for søgeforretningen
Blandt sine medarbejdere har Google også Roy Kurzweil gående, som af mange anses for en af de mest optimistiske it-spåkoner m/k, når det kommer til udviklingen af maskinhjernerne.
Roy Kurzweil anslår således, at maskinerne inden for få årtier vil passere det menneskelige niveau.
Den udvikling sker med ekspotentiel hastighed – det vil sige, at maskinernes indlæring går markant hurtigere end normalt på grund vores fremskredne udgangspunkt kombineret med netværksforbundne computeres enorme regnekraft.
Et perspektiv på en stadig hurtigere udvikling, hvor det er svært at forudsige fremtidens teknologi, kan beskrives med et kig 15 år tilbage til 2001. Her var smartphones og sociale medier stadig væk et ganske eksotisk fænomen.
Hvis vi går yderligere 15 år tilbage til 1986 var internettet en ukendt størrelse for de fleste. Og yderligere 15 år tilbage i 1971 var computere hjemme i stuen et virkelighedsfjernt fremtidsscenarie.
I det lys anser Roy Kurzweil det for sandsynligt, at maskinernes intelligens er på niveau med menneskets om 15 års tid.
Herefter er det hans teori, at maskinernes indlæring stikker af fra mennesket og mod en superintelligens – en intelligens, som vi mennesker aldrig kommer i nærheden af at begribe.
Læs også: Kurzweil: Mennesket er en computer
Lidt ligesom en abe ikke forstår, hvad internettet er for en størrelse. Eller at den ikke kan frembringe ild, for den sags skyld.
“Mennesker tolker jo ting i deres eget billede. Da computere ikke har selvbevidsthed eller kan begrebsliggøre ting, som ikke er defineret for dem på forhånd, vil de aldrig tolke videoen, som børn gør det. Computere har jo ikke prøvet at blive mobbet i en skolegård.”
Flere frygter fremtiden
Denne udvikling anser teknologipersonligheder som blandt andre Stephen Hawkings, Elon Musk og Bill Gates som værende ganske farlig, da maskinerne ved at passere mennesket i intelligens er uden for vores kontrol.
Thomas Bolander fra DTU i Lyngby giver dog ikke så meget for de helt vilde fremtidsgæt, som i dagens teknologi-billede måske også virker noget fjernere end de flyvende biler.
“Jeg søgte forleden på et digitalkamera. Siden er jeg blevet bombarderet med Google-reklamer for digitale kameraer. Men de kommer jo for sent, for jeg har allerede truffet en købsbeslutning,” lyder det fra Thomas Bolander, inden pointen falder:
“Så man kan – måske heldigvis – sige, at der er begrænsninger for den kunstige intelligens’ evne til at forudsige noget så simpelt som mit køb af et digitalkamera.”
Den danske DTU-lektor afviser dog på ingen måde, at maskinerne med ekspotentiel vækst en dag inden for en relativ overskuelig fremtid vil overstige menneskets intelligens.
“Hvis og når det sker, så kan det jo potentielt udløse en eksistentiel krise, når vi mennesker ikke længere er de klogeste på Jorden,” siger han og afviser samtidig al snak om ondskab i maskinerne.
“Den store, potentielle trussel kan derimod opstå ved en simpel programmeringsfejl, der kan udløse en lavine af fejl, så eksempelvis en krigsrobot begynder at skyde vildt omkring sig uden at kunne kende forskel på venner og fjender,” lyder vurderingen fra Thomas Bolander.
It-giganterne og kunstig intelligens
Inden for især det seneste årti har stort set alle it-giganterne kastet sig over brugen af kunstig intelligens.
Se her, hvordan de kunstigt intelligente maskiner skal hjælpe selskaber som Microsoft, Apple og Google.
Microsoft køber kendt tastatur-løsning til iOS og Android: Betaler 1,7 milliarder for SwiftKey
Et skridt nærmere kunstig intelligens: Alle får nu adgang til Googles motor til kunstig intelligens
IBM klar med ny storsatsning: 2.000 konsulenter skal arbejde med vild fremtidsteknologi
Mød Facebooks kunstige intelligens: Sådan skal “M” hjælpe dig
Frygtet computer-teknologi flytter ind i din iPhone
Annonce:
Her kommer det store gennembrud
Både han og Hans Siggard Jensen fra Aarhus Universitet peger på, at de afgørende gennembrud næppe kommer ved bare at gøre maskinerne hurtigere og hurtigere.
For i bund og grund handler det om, at alt hvad computeren er i stand til, er mennesket også i stand til – bare noget langsommere end maskinerne.
Men alt det, som mennesket er i stand til med at sætte ting i kontekst, føle og tænke abstrakt er endnu uopnåeligt for maskinerne.
Thomas Bolander vurderer, at et kommende kvantespring inden for kunstig intelligens derfor skal ske ved udbygningen af den nuværende computerarkitektur, så maskinerne så at sige skal kunne ‘tænke på tværs’ og ikke blot i nuller og et-taller.
“Når først maskinen kan begrebsliggøre og sætte ord på ukendte fænomener, kan den derefter handle mere intuitivt. Her skal den som minimum forstå kontekst for at opnå højere kognitive evner. Derfor er det altafgørende, at vi kan formalisere vores egne tankeprocesser,” siger han.
Hvordan designet så skal være, er der mange bud på både i forskerlaboratorierne og ude i de kommercielle virksomheder.
Hans Siggard Jensen har et frisk bud, som i lighed med flere af Googles robot-evangelist Roy Kurzweils forudsigelser nok vil være det rene science fiction for de fleste.
“Med biologisk teknologi kunne vi muligvis undgå at skabe kunstigt intelligente systemer. For transistorer kan næppe nogensinde frembringe følelser, men det kan en levende organisme,” runder han af.
Læs også:
Forsknings-projekt: Soldater skal kunne ‘se’ fjenden og landkort via computer-implantat i hjernen