close

Vores nyhedsbreve

close
Når du tilmelder dig nyhedsbrevet, accepterer du både vores brugerbetingelser og at Mediehuset Ingeniøren og IDA group ind i mellem kontakter dig angående events, analyser, nyheder, tilbud etc. via telefon, SMS og e-mail. I nyhedsbreve og mails fra Mediehuset Ingeniøren kan findes markedsføring fra samarbejdspartnere.
den levende maskine bloghoved

Alle kan maskinlæring i dag, hvor vanskelig kan kunstig intelligens være?

Det kan næppe være nogen hemmelighed at kunstig intelligens er i vinden (det være sig medvind og modvind). Det er altid en udfordring når ting bliver populære. Heldigvis har jeg netop haft ferie og haft lidt tid til at tænke.

Det er altid interessant når områder bliver kendte uden for “elfenbenstårnet” hvordan gud og hvermansen pludselig “ved” alt om disciplin (her typisk Gardner, bilfabrikanter, o.l.). På gode, eller måske dårlige dage, bliver jeg mindet om Sokrates’ syn på sofisterne. Vi ser nu i øjeblikket en tsunami af mennesker og organisation som kan AI. Det er alt fra Gardner til ganske så tekniske miljøer som har købt en GPU konto på Amazon, lastet en open source pakker ned og trykket på knappen.

På en eller anden måde er det naturligvis behageligt at ens disciplin er kommet ud i verden - det havde jeg egentlig ikke troet da jeg var en lille datalog. På den anden siden leder det til en masse polimik. Ikke mindst i forhold til AIs historie og de afdøde filosoffers diskusion om bevidsthed og intelligens.

Der er i tillæg på mange måder to fronter (af folk uden for disciplinen): dem som ikke husker AI vinteren og derfor syntes at dette er løsningen på alle problemer, eller dem som husker vinteren og derfor syntes at da AI ikke kunne levere i 70erne så kan vi bare afskrive det. De sidste er måske mest interessante da absolut alle (tekniske) områder har haft sin vinter. Hvis vi skulle leve efter det credo at man har fejlet en gang, så kan vi egentlig bare nedlægge hele butikken.

Oprindeligt (i slutningen af 50’erne) havde AI-miljøet en tanke om at kunne skabe en intelligens, sammenligelig med menneskets, inden for få år (måske tilmed bevidsthed, uden at det dog var en diskusion). Som med de fleste andre, omend ikke alle teknologier havde man overvurderet ens teknologi, eller undervurderet problemet. Man led af den tvangstanke at (på en god dag, højere ordens) logik var tilstrækkelig og nødvendig for at løse intelligens problemet.

Den fundamentale udfordring ligger i at man ikke har nogen god idé om hvad intelligens egentlig er, og endnu mindre bevidsthed; og om homo sapiens i det heletaget har nogle af delene. Alle de, igennem historien eksisterende definitioner er faldet efterhånden som vi observere andre dyr udføre ting som vi “vidste” var tegn på intelligens.

Der er dog én ting der er enighed om og det er at læring er essentielt. Ingen læring - ingen intelligens (eller ‘fænotypisk plasticitet’ hvis man er på den slags fester og har behov for at imponere en af det modsatte køn).

Denne hybris, fristes man måske til at sige, endte som det måtte ende med den store AI vinter fra ca. 1970 til ca. 1990. Det som på mange måder var foråret var folk som Rodney Brooks (datidens enfant terrible indenfor AI) som tog et fundamental opgør med den deduktive, logiske tilgang til AI. Feltet gik fra at forsøge at løse det generelle intelligensproblem til at undersøge metoder for at gøre “ting” bedre end mennesker på specifikke områder.

Dette hænger også delvist sammen med et skifte i tilgangen til den videnskablige tænkning om intelligens. Opgøret med det Cartesianske verdensbilede havde for alvor taget fat i den del af de naturvidenskablige- og tekniskediscipliner som arbejder med organismer. Den gamle AI, GOFAI (Good Ole Fashion AI) hang godt fast i Decartes’ dualisme. Derfor gik man også fra den store kognitive tænke-maskine til at lade sig inspirere af andre intelligent entiteter i naturen. Man gik til bio-inspireret AI.

Dette er dog ikke det sammen som at smide alt GOFAI på lossepladsen. Et højere abstraktionsniveau kan ofte være givtigt. I dag er den hotte metode ‘dybe net’ et eksempl på dette. Hinton sige at dybe net er sådan som hjerne virker. Hvilket naturligvis er fis i en hornlygte. Dybe net er en højniveausmodel.

Samtidig er det jo også værd at nævne Kuhns tanker om paradigmeskift. Noget som også spiller ind i dages AI diskussion; måske specielt i forhold til andre discipliner. AI feltet selv har netop været igennem 20 år med skiftet.

Det er dog klart at et eller andet sted er der stadigvæk en interesse for det som nu hedder GAI (General AI), altså den kunstige menneskeintelligens. Det er dog ikke et hovedmål længere; snarere en antaget konsekvens. I dag er der mange som har kastet sig på dybe net bølgen som løsningen på GAI. Man kan jo ikke være helt overrasket, da det er et metodesæt som har løst nogle problemer som har været meget store udfordringer i årtier. Det er jo klar at når en metode er hot er alle med (se ovenfor om elfenbenstårn). Samtidigt er det værd at nævne at, hvis vi skal holde os til Kuhn, så er dybe net måske i “normalvidenskab” perioden. Der er mangen, også fundamentale uløste gåder.

Det er dog, på en god dag mildest talt utydeligt om menneskelig intelligens er noget som kan konstrueres. Det er nok realistisk at man på sigt kan konstruere noget som lige så intelligent, eller mere (hvis vi kan blive enige om hvad det er). Det er derimod ikke oplagt at vi ville kunne forstå det og vice versa. Det er også en længere diskusion som måske har behov for endnu en ferie.

Anders Kofod-Petersen
er professor i kunstig intelligens og vicedirektør i Alexandra Instituttet.
Kommentarer (1)

I den sammenhæng kan jeg kun anbefale interesserede at læse Nick Bostroms, Superintelligence: Paths, Dangers and Strategies (som jeg netop selv er kommet igennem).

  • 0
  • 0