Professor: Glem alt om kunstig intelligens
more_vert
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og at Teknologiens Mediehus og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, tilbud mm via telefon, SMS og email. I nyhedsbreve og mails fra Teknologiens Mediehus kan findes markedsføring fra samarbejdspartnere.

Professor: Glem alt om kunstig intelligens

En maskine kan aldrig nogensinde efterligne menneskets hjerne. Det er hovedkonklusionen i Peter Naurs seneste forskning, som – indtil nu – er blevet ignoreret af både dataloger og neurofysiologer. Den kontroversielle professor fra Københavns Universitet håber derfor som modtager af verdens fornemste it-pris, ACM's Turing Award, at kunne finde et publikum for sine teorier.

San Francisco
ACM's Turing Award uddeles af det amerikanske it-videnskabsselskab, Association for Computing Machinery. Den 78-årige dansker har ikke fået prisen for at give kunstig intelligens dødsstødet. Derimod er det hans arbejde med tidlige programmeringssprog i perioden 1960-80, som har udløst hæderen. Og dermed også den del af Peter Naurs arbejdsfelt, som den festklædte forsamling havde regnet med at høre beskrevet under uddelingen af prisen i lørdags i San Francisco.

»Men mit mest betydningsfulde arbejde ligger i de seneste 15 år, hvor jeg har arbejdet med at kortlægge det centrale nervesystem i hjernen. Min forskning gør op med al eksisterende, anerkendt viden på området, så derfor har det været umuligt at få publiceret mine resultater. Det er lidt ligesom Sovjetunionen under Stalin. Det tager tid før en ideologi dør ud, og en ny kan tage over,« mener Peter Naur.

Det er netop vanetænkning, som er et af hovedpunkterne i Peter Naurs synapse-teori. Synapser er kontaktstedet mellem to nerveceller, hvor tankestrømmen sendes igennem. Ifølge den danske professor, så er synapserne som ler, der påvirkes af de vaner, vi har. På den måde styres tankerne rundt i et finmasket net af milliarder af synapser, som en computer aldrig ville kunne efterligne. Hovedsageligt fordi en computer ingen vaner har.

»Denne manglende fokus på vanens betydning ses også i den måde, computerprogrammer i dag er designet på,« siger Peter Naur og giver et eksempel fra Microsofts Word-program.

»Hvis der er en funktion, som du ofte bruger, så bliver den lagt op i toppen af menuen, hvor du ikke kan finde den, fordi du lige havde vænnet dig til, at den lå et andet sted. Når du så ikke har brugt den lidt, så bliver den rykket rundt igen. Det er jo håbløst«.

sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først

Om ikke andet, så tyder i hvert fald datalogiens historie på at Naur har ret.
 
Man har snakket om kunstig intelligens siden 1950'erne, men man er stadig umådelig langt fra noget der blot tilnærmelsesvis ligner intelligens. Det har ikke skortet på håb og løfter. Tænk blot på Arthur C. Clarkes og Stanley Kubricks berømte film "Rumrejsen år 2001" fra 1968. Filmens intelligente computer HAL er den dag i dag stadig kun en flygtig drøm.

  • 0
  • 0

Kunstig intelligens: Glem alt om Peter Naur.
Hvis man vil forstå hvorfor verden ignorerer PN kan man for eksempel kikke på hans hjemmeside: www.naur.com
Her ligger adskillige manuskripter, som giver en forklaring: Manden kommunikerer jo slet ikke. Hele teorien er baseret på en "strawman". Hvis man, som PN, definerer intelligens som "menneskelig informationsbehandling" -ja, så er kunstig intelligens jo meningsløst: Man skal bygge en kunstig biologisk hjerne for at opnå KI.
Hvis man istedet bruger begrebet "kunstig intelligens" om en computer, der erstatter menneskelig informationsbehandling, eller forbedrer denne, -- ja, så er man ikke bare på linie med den dagligdags brug af begrebet, men man kan også glæde sig over frugten af masser kreative ingeniørers arbejde med kunstig intelligens i alt fra mobilen til Google.

  • 0
  • 0

En computer, der har uendelig beregningskraft, og hvor du "bare" kan angive, "prøv alle muligheder og find et svar", er meget tæt på at være kunstig intelligent. Årsagen er, at for at løse denne opgave, må den have intelligent - og hvis den selv opdager denne, er den kunstig intelligent. Det kan i princippet ske ved den selv opdager formlerne, for hvordan computeren analyserer sin software, og går hurtigere. En sådan computer, er netop også den menneskelige hjerne, og da vi - når vi tænker - søger at opnå, at finde "metoder" at løse et problem, i stedet for at blot gå gennnem programmet slavisk, så vil vi automatisk opnå strukturer i vores hjerne, som svarer til denne computer, der opnås, ved at søge blandt de mest optimerede computerstrukturer. Vores hjerne, er dog langt foran de mest normale computerstrukturer, og vi vil se, at computerne i fremtiden vil få ligheder, som minder om vores hjerne. En stor del, kan lægges i software. Softwaren, kan analysere "sig selv", og den vil i princippet kunne løse programmer, der vil tage uendlig lang tid at køre. Det er intet problem, at programmeringssproget indeholder "for alle R", eller "for alle C", eller for i:=1 to 9 hvor i er real, og dermed svarer til integraler. Det er hellerintet problem, i at håndtere uendeligt i sproget, og minus uendelig, eller epsilon. Sproget løses, i stået for at køres - og også normale programmer, kan direkte tastes ind, og "løses". Vi kan tage nogen simple eksempler, på hvordan programmer analyseres. F.eks. kan vi udføre et program "normalt", og dette kan gøres allerede ved kompileringen. Mange programmer, såsom "hallo world", kan faktisk udføres 100% ved kompileringen. Og programmet er ikke andet, end at hallo-world udskrives til en stream/kø til operativsystemet. Langt værre, er det når inputs kommer. Så skal programmet taget højde for det. Det sker, ved at antaget at noget er ukendt, og regne med dette. Resultatet bliver, at der genereres et nyt program, for det ukendte. Og dette er så produkt resultatet.
Som eksempel, kan ovenstående, når der tilføjes, at der visse steder - f.eks. ved branches - undersøges om en del af et program går tilbage til samme tilstand (loop), og derved opstår det samme resultat, som for en compiler, trods programmet fortolkes. Det er ikke muligt, at se forskel på compilere, og fortolkeres hastighed ideelt. De har samme kompleksistet. Men bliver også ligeså effektive, da alt "reduceres væk", og løkker udregnes. Men, man skal også kunne isolere en del af et program, for at indsé, hvilke variable der reelt skal tjekkes på, om går tilbage til samme udgangspunkt. Og det gøres reelt, ved en process, der minder om at opdele til parallele processer, hvor man udfra analyse af dataflow seperarerer uafhængige programdele, eller gør dem uafhængige (udfra analyse).
Ikke mindst, når det hele gøres medens computeren kører, og når der korrigeres for muligheden af, at et program modificerer sig selv, så kan opnås, kan opnås, at også en fortolker der fortolker en fortolker, bliver ligeså hurtig, som en compiler, og f.eks. simulering af pentium processorer, på andre strukturer, bliver ligeså effektiv (eller mere effektiv) end hvis det kører på en Intel processor. Der er ingen grund til, at computerne har et indstruktionsset der ligner, da man altid kan simulere, og det bliver i sidste ende, til en perfekt oversættelse, hvor også registre optimeres.
Det er også muligt, at "tråde" parellele processer op, medens de udføres, og noget der ikke umiddelbart kan parelleliseres vil kunne paralleliseres, når det køres. På mange måder, vil du opdage, at software, og strukturer, der løser sådanne problemer, arbejder præcis som vores hjerne. Og vi ved det endog. Når vi ser dem.
Det som er tilfældet, er at løsningen for computere, er samme, som for alle andre ting, og i princippet uafhængig af atomer. Du får samme løsning, i et andet univers, der ikke beror på atomer, og det har intet at gøre med fysikken. Det er regulære "intelligens teoremer", der har med matematik, og løsning af programmer, der opskrives matematisk, eller ved hjælp af computerprogrammer (for diskrete problemstillinger), at gøre.
Et eksempel på, hvordan ting følger samme regler, er at hvis du skal lave en ideel computer, vil opstå forwarding. Forwarding, kan du "mekanisk" lave fuldautomatisk, ved at tage en ikke forwarded processor, eller anden digital elektronik, og udskifte alle ramlagre, og registre, med lagrer der har en "cache" foran. Denne cache, vil nu kunne diffundere ind, i selve processorstrukturen automatisk, hvorved forwardingen opstår. Det er muligt, for ethvert digitalt diagram, at gøre automatisk, og hvis du sikrer dig, at din specifikation, er god nok (f.eks. nulstiller hvor noget er ligegyldigt, så det bliver 100% ens med en forwarded model), så vil det kunne gøres ganske fuldautomatisk. Har du brug for en struktur, der består af noget for beregning, og noget hukommelse, vil det ofte føre til, at hukommelsen specialisers. Og ikke ligger sammen med beregneren, da dette gør den sløv. Det vil dog være noget hukommelse, sammen med beregneren, da det øger tilgangshastigheden for den pågældende hukommelse. Typisk, vil en hjerne specialisers i dele, og det er den menneskelige hjerne også.
Det hele kommer simpelthen ved et ganske simpelt problem: Lav et "sprog", som kan beskrive enhver program, også med uendeligheder, og løs problemet analytisk, samt sæt "analysatoren" til at løs problemet, om hvordan den opnår sig selv, så det er optimalt. Løsningen hertil, vil have stor lighed, med den menneskelige hjerne, fordi vi har mange idelle løsninger i os.
Det er endog hele naturen, der har det. Vi kan finde "backup kondensatorer" i naturen, ved er "lokal energilager", og her, vil opstå lignende strukturer. Det er ikke en homogen ens masse, der er ideel. Men, en struktureret komplex konstruktion, der kan have større lighed, med veje, huse, og måske kugleformede, eller andre former for "huse". Hjernen opstår, ved at løse et problem. Og strukturerne bliver på mange måder ensformige, uanset atomer, og uanset om mediet er silicium, eller kulstof. Dog, kan nogen faktorer, få betydning for, hvor "meget" hukommelse der er til en beregner, og hvor stor beregneren er. I de fleste tilfælde, vil det også afhænge af typiske problemer, og kan være forskelligt fra hjerne til hjerne. Det kan måske være arveligt, men det kan også ske, at det endog kan bestemmes under udviklingen, og opvæksten. På computere er det mere nemt, da man indenfor software (desvære ikke hardware), nemt kan omstrukturere sine tråde, og derved dynamisk ændre softwaren, og lave programmer der ændrer og programmerer sig selv til opgaven.
Men, det kommer stadigt frem, ved at løse problemet, at lave en ideel computer, til et fiktivt programmeringssprog. Og indeholder sproget nok strukturer, er sproget ligegyldigt, da de alle transformeres til samme "indmad".

  • 0
  • 0

Problemet med kunstig intelligens er ikke at vi ikke kan lave det men at vi har forkerte forventninger til det.
Hvis vi virkelig fik kunstig ingelligens, så ville bilen nægte at køre ned til bageren og istedet insistere på at vi burde gå turen og få noget motion.
Det er ikke det vi stræber efter når vi ønsker os kunstig intelligens, det vi vil have er en bil der husker alle de ting vi selv glemmer.
Selve essensen af intelligens er netop evnen til at glemme ting, således at et endelig lagringsmedie ikke fyldes med uvæsentlig information.
Derfor er det en guds gave at kunne fatte sig i korthed .

Poul-Henning 

  • 0
  • 0

Poul-Henning Kamp skrev:
Selve essensen af intelligens er netop evnen til at glemme ting, således at et endelig lagringsmedie ikke fyldes med uvæsentlig information.

 
Det er nu mere ved det end dét, men det er vigtigt at kunne flytte information fra nærhukommelsen, gradvist ud mod forglemmelseshorisonten. For 25 år siden var jeg lige så skeptisk som Naur tilsyneladende stadig er; i dag har vi kunstig intelligens, det er bare om at kunne erkende det! Lige så snart en maskine laver en proces eller delproces bedre en hvad selv kan, er det kunstig intelligens! Her tænker jeg ikke så meget på blokeringsfri bremser eller robotter der kan arbejde i varme eller giftige omgivelser, men fx de hjælpesystemer som er helt nødvendige for at kunne flyve et moderne jagerfly. Vi ser også typisk kunstig intelligens anvendt inden for meteorologien, hvor meteorologerne efterhånden har vænnet sig til ved hvilke overordnede forhold, Rossby etc. , man skal stole mere på den ene prognosemodel end den anden. I disse situationer kan mennesket (meteorologen) på ingen måde konkurrere med modellerne, og i hvert fald ikke inden for den tid man har til rådighed (inden vejret kommer væltende over os)! På en række felter får vi efterhånden støtte af algoritmer, fx helt nødvendig datakryptering og søgemaskiner, som giver os tid til arbejde med netop dét som vi synes er mest interessant. Tænk fx på hvad komprimeringsalgoritmer har betydet for lyd- og billeddistribution/behandling!
 
Selv om Peter Naur ikke kan se denne udvikling, synes jeg at det kunne være interessant hvis nogen (Ingeniøren?) prøvede at give ham lidt spalteplads, måske i form af en blog, hvor hans upublicerede idéer kunne diskuteres!  
 e    Vi må også     vi foreskal  

  • 0
  • 0

Også den anerkendte fysik Roger Penrose fremfører med ret tunge argumenter matematikkens og fysikkens grunde til at tvivle på om kustig intelligens kan blive til noget (fx 'The Emperor's New Mind).  Han mener at kunne vise, at hvis vi nogensinde skal kunne opnå kunstig intelligens, skal vor måde at konstruere computere på gennemgå en revolusion - de skal benytte regnemetoder vi endnu ikke har opfundet (selv kvantemekaniske computere vil ikke være tilstrækkeligt 'nyt'). 
Faktisk påstår han, at for at kunne forklare hvordan biologiske computere (læs: mennesker) kan foretage logiske processer som at forstå et matematisk bevis, skal vi lære helt nye måder at forstå beregninger på.
Med andre ord: vi er humlebier som endnu ikke har forstået at vi ikke kan flyve (eller skal vi sige vi har endnu ikke forstået hvordan vi KAN ressonere logisk, selv om vi gør det)!
 
Men for mig er det processen der er det spænnende!  At lære at forstå HVAD vi ikke forstår (evt. ikke kan) gør det nemmere at vide hvad vi så KAN - og hvorfor! 

  • 0
  • 0

i dag har vi kunstig intelligens, det er bare om at kunne erkende det! Lige så snart en maskine laver en proces eller delproces bedre en hvad selv kan, er det kunstig intelligens!
Ved den nutidige kunstige intelligens, er det mennesker der opdager modellerne, og koder disse ind. Computeren, er endnu ikke, en "regnemaskine" som kan gennemskue matematik, og derudfra opskrive modelller, så den opnår et resultat, vi har indkodet. Den kan f.eks. ikke tilsluttes et kamera, og herefter selv analysere billedet, og finde ud af, at det er et 3D univers, som den ser.
Alligevel, er det kun et spørgsmål om, at den kunstige intelligens ikke er komplet. Og det er måske svært at opnå, at "opdage" en model, således compteren kan selv opdage f.eks. matematiske formler.
Hvis vi kunne lave computere, der optimerer deres eget software, og forstår deres eget software, og at denne software tillader enhver matematisk beskrivelse, således at vi kan indtaste noget, der i princippet vil tage uendeligt lang tid at løse, og computeren kan løse dette, på kort tid, fordi den søger at løse det - og selv opdager de formler, der skal bruges, for at opnå det, så vil denne computer kunne løse et væld af opgaver - og skulle gerne kunne komme til alt matematik selv.
Selvom computeres intelligent ikke er komplet, og må have hjælp af os (f.eks. modeller), syntes jeg dog også, at det er rimeligt at kalde det intelligens. Men det går længe, inden de kan tage redskaber (modeller) i brug. For at gøre dette, skal de være i stand til, at kunne gennemskue modellens funktion, uden at vide noget særligt om denne, og at kunne bruge modellen. De kan måske opdage modellerne selv, og omprogrammere naturen, for at opnå større beregningshastighed - men dette vil måske give ulemper, i form af, at vi får gensplejsede tomater, der indeholder matematiske tal faktorer, fordi de har spredt sig i naturen. Så det er måske begrænset, hvor langt, man "bør" lade selvtænkende computere gå, i at opnå størst mulig hastighed. Så længe, at de arbejder indenfor deres eget medie (software), og ikke tager naturen til hjælp, så er problemet næppe stort. Men hvis de er for intelligente, i at forsøge at opnå størst hastighed, så vil deres analyseformler måske føre til, at de "opdager" noget kan bruges, hvis de på nogen måder har kontakt til naturen, f.eks. også gennem mennesket. Et mangel på overblik, fra computernes side, kan føre til deres egen udrydelse. Og menneskets.
Det går længe, før vi opnår denne intelligens i computere. Og den er måske uønsket.

  • 0
  • 0

Jeg fik lyst til at kommentere videre på det første indlæg af Claus Tøndering, hvor har skriver, at vi ikke er kommet videre end til objektorienterede programmergingssprog.
 
Jeg må give ham fuldtsændig ret - sat på spidsen, så synes jeg, at IT-branchen har sat hjernen på stand by i 50-60 år!!!
 
Computeren begyndte at tage form i slutningen af 2. verdenskrig, og ret hurtigt fik vi en arkitektur baseret på et sekventielt gennemløb af programstatement. I Danmark fik vi DASK - Dansk sekvens kalkulator i slutningen af 50´erne, senere blev teorierne for programmeringssprog udviklet af Peter Naur i samarbejde med John Backus (Backus Naur Form - BNF), og kulminationen er nu nået i form af objektorienteret programmering - højdepunktet af 60 års udvikling.
 
Mentalt set er afstanden fra DASK til objektorienteret programmering minimal - vi står uændret på et fundament, hvor det primært er en manuel proces, at mappe mellem virkelighedens problemstillinger, til et programmeringssprog, hvis mest markante karakteristika, er et sekventiel princip for afvikling af programtrin i en sekvensmaskine.
 
Til daglig kæmper vi med at udvikle IT-løsninger til robotstyringer, til administrative løsninger og til mange andre omåder, hvor vi har mere end svært ved at udtrykke forretningsreglerne i en form, der mapper elegant over i en sekvensmaskine.
Resultatet ses tydeligt - vi har stort set ikke har været i stand til at forbedre produktiviteten siden DASK.
 
Det er min opfattelse, at dagens programmeringssprog  
 
 
 
er

  • 0
  • 0

Hovsa - der ramte jeg vist SEND INDLÆG, selv om jeg ikke var færdig.
 
Jeg vil slutte med at konkludere, at dagens programmeringssprog ikke egner sig til at udvikle de løsninger, der efterspørges. Neurale netværk er et blandt flere tiltag, der distancere sig fra sekvensmaskinen, regelbaserede løsninger, modeldrevet udvikling etc. er andre tiltag.
 
Danmark og Peter Naur var engang med i front, da vi fik styr på "det sekventielle paradigme".
 
Jeg savner nytænkning, der kan frigøre os fra dette 60 år gamle paradigme.
 
/Steen

  • 0
  • 0