Forestillingen om «maskiner som tenker selv» eller kunstig intelligens synes å være over alt for tiden. Vi er omgitt av systemer som i stor grad kan forstå hva vi sier når vi snakker med dem, noen ganger kan de gjenkjenne bilder, og av og til kan de anbefale en film som vi kanskje kan ha lyst å se. Denne utviklingen er resultatet av 60 år med vekslende interesse, utvikling og anstendighet. I dag er det unektelig slik at bevisstheten omkring kunstig intelligens er høyere enn noensinne. Men er tiden endelig inne for at kunstig intelligens kan gi oss noe tilbake? Kort fortalt er svaret ja. Men hvorfor nå? Og hvorfor betyr det noe?
Begrepet kunstig intelligens ble først tatt i bruk i 1956 da forskere hadde temmet atomet og vi sto på terskelen til romalderen. Kunstig intelligens ble ansett for å være lett å forme. Dette fikk Marvin Minsky, kognitiv forsker ved MIT, til å komme med følgende spådom: «I løpet av én generasjon (…) vil problemet med å skape ‘kunstig intelligens’ i det alt vesentlige være løst».
Dessverre var kunstig intelligens langt vanskeligere enn rakettforskning. Mens romskip landet på månen, krasjlandet troen på, interessen for og finansieringen av kunstig intelligens på Jorden, noe som førte til den første av mange ‘vintre for kunstig intelligens’.
Det de første forskerne på kunstig intelligens forsøkte å lage, var AGI, som står for Artificial General Intelligence, eller kunstig generell intelligens. Det er en datamaskin som er like intelligent og fleksibel som et menneske, og som kan utføre enhver intellektuell oppgave som et menneske kan klare. Samtidig skapte science fiction-forfattere frykt for ASI, som står for Artificial Super Intelligence, eller kunstig superintelligens, altså at datamaskiner er mer intelligente enn mennesker. Slik kunstig superintelligens var enten menneskets ultimate nemesis, som Skynet i filmserien Terminator, eller våre skytsengler, som de ulike ‘minds’ i Iain M. Banks romanserie Culture.
Kunstig intelligens som i Googles Alphago kan slå verdensmesteren i sjakk, men ville bli slått av en treåring når det gjelder å gjenkjenne bilder
Den kunstige intelligensen vi ser i dag er ANI, som står for Artificial Narrow Intelligence, eller smal kunstig intelligens. ANI spesialiserer seg bare på ett område, slik at kunstig intelligens som i Googles Alphago kan slå verdensmesteren i sjakk, men ville bli slått av en treåring når det gjelder å gjenkjenne bilder. Den kinesiske internettgiganten Baidu har utviklet en kunstig intelligens som kan transkribere tale bedre enn et menneske, men som ikke klarer å åpne en dør, for ikke å snakke om å spille sjakk. Det skyldes at kunstig generell intelligens er vanskelig. Ting som de fleste mennesker synes er vanskelig, som matematikk, finansiell markedsstrategi eller språkoversettelse, er barnemat for en datamaskin, mens ting som er enkelt for mennesker, som å kunne se, bevege seg og oppfatte ting er uhyre vanskelig for dem. Dataforskeren Donald Knuth oppsummerte det slik: “Kunstig intelligens har nå klart å gjøre så godt som alt som krever ‘tankearbeid’, men har mislykkes med å gjøre det de fleste mennesker og dyr gjør ‘uten å tenke’ – bare fordi våre evner er optimalisert gjennom millioner av år med evolusjon. Du kan imidlertid komme fryktelig langt med smal kunstig intelligens, og nå finnes det overalt. Dersom du bruker en iPhone, vil din bruk og dine preferanser bli modellert av en kunstig intelligens som er som et dypt nervenettverk som kjører på telefonen din døgnet rundt. Hvis du tar bilder på en Android-enhet, vil Google Photos bruke teknikker for kunstig intelligens til å gjenkjenne vennene dine og beskrive bildene dine. Verdens største teknologibedrifter har forstått at kunstig intelligens gir bedre produkter, bedre produkter betyr mer fornøyde brukere, og fornøyde brukere betyr høyere fortjeneste.
Systemer for smal kunstig intelligens kan gjenkjenne menneskelig tale, beskrive bilder, oppdage svindel, lage kundeprofiler, redusere kraftforbruket og kjøre bil. Derfor kommer det ikke som noen overraskelse at Apple, Google, Facebook, IBM, Twitter og Amazon har vært travelt opptatt med å kjøpe opp de beste gründerbedriftene innen kunstig intelligens og ansette dyktige folk i et heseblesende tempo. I september 2016 hadde Apple hele 281 ledige stillinger for eksperter på maskinlæring – som er en viktig underdisiplin av kunstig intelligens. Google har over 7000 ansatte som jobber med kunstig intelligens eller maskinlæring (tilsvarer cirka 1 av 8 ansatte).
Hva ligger så bak dagens voldsomme oppsving? Det finnes tre akseleratorer som grovt sett kan deles inn i tre kategorier:
Akselerator 1: Bakenforliggende teknologi
Databehandling er nå både kraftig og billig nok til å utføre den komplekse matematikken som ligger bak algoritmene i AI-systemene. Moores lov, som spår en dobling av tilgjengelig datakraft hver 18. måned, har bidratt til dette, men det har også ny teknologiarkitektur, som GPU-er (grafikkprosessor), utviklet av NVIDIA på slutten av 2000-tallet. Ved hjelp av en GPU kan man nå på bare noen minutter foreta utregninger som før tok flere dager – og denne hastigheten blir fremdeles doblet hver 18. måned. Omfanget av endringene har bokstavelig talt vært astronomisk. I dag blir det laget flere transistorer hvert sekund enn det finnes stjerner i Melkeveien. Min Apple-klokke har over dobbelt så stor prosesseringshastighet som den raskeste supercomputeren i 1985, Cray-2, som den gang kostet nesten 20 millioner dollar. Amazon leier ut datakraft tilsvarende hundre Cray-2-maskiner for under 3 dollar per time. Samtidig har Moores lov ført til en eksplosjon av data. Kunstige intelligenser kan på en måte sammenlignes med barn: de må læres opp, men de lærer forholdsvis langsomt og trenger mye data for å lære å gjenkjenne selv enkle ting som bokstaven A. Heldigvis genereres det nå 2,5 milliarder gigabyte (eller 2,5 eksabyte) data hver dag. Over 90 prosent av alle data som noen gang er generert, er generert i løpet av de siste to årene.
Akselerator 2: Næringsliv og teknologi
Bakteppet for denne underliggende teknologien har vært den økte databruken i næringslivet, noe som fikk teknologiinvestor Marc Andreessen til å finne opp uttrykket ‘Verden fortæres av programvare’. Denne umettelig appetitten skyldes erkjennelsen av at ethvert forretningsmessig problem nå befinner seg bak et digital grensesnitt. Og etter hvert som applikasjonsprogrammering (eller API) har blitt normen for digitale grensesnitt, gjør de det enklere for automatiserte systemer, som kunstig intelligens, å få tilgang til og kontrollere dem. Uber viste for eksempel at driften av et transportsystem egentlig dreide seg om ruteoptimalisering og likviditetsstyring.
Akselerator 3: Feedbacksløyfer
Summen av disse to akseleratorene danner feedbacksløyfen for kunstig intelligens, der store investeringer avler større resultater, som igjen avler større investeringer. Det er akkurat dette vi ser: en massiv økning i ytelse som bringer systemer for kunstig intelligens forbi et vendepunkt, hvoretter de kan levere en virkelig fantastisk produktopplevelse. Og det er på dette punktet vi bryr oss om kunstig intelligens, nemlig når den klarer oppgaven bedre enn et menneske. Talegjenkjenningssystemer som er nesten like gode som et menneske er bare frustrerende – vi vil ikke bruke dem hvis vi ikke må. Selvkjørende biler som er halvparten så gode som en gjennomsnittlig menneskelig sjåfør er ubrukelig. Men når selvkjørende biler er bedre, slik Teslas data tyder på at de er nå, da har vi krysset en grense.
På utrolig vide områder vil ANI være like god som eller overgå menneskene
Og det er her vi er når det gjelder ANI. På utrolig vide områder vil ANI være like god som eller overgå menneskene. Og når det skjer, vil gleden vi som forbrukere opplever ved disse tjenestene, trekke oss mot dem som tilbyr kunstig intelligens. Så da går vi en lysende fremtid i møte, eller? Tja.
Foregangsmenn som Stephen Hawking og Elon Musk er bekymret for at superintelligente kunstige intelligenser til syvende og sist kan true vår eksistens som art. Det er et tema for en annen artikkel, men veksten innen kunstig intelligens skaper noen reelle utfordringer: Fremveksten av naturlige monopoler som vil være vanskeligere å unnslippe enn Googles søkemonopol eller Facebooks sosiale monopol. ‘Datanettverkseffekter’ favoriserer de som har mest data – vil vi andre bare bli leilendinger?
Algoritmebeslutningenes pålitelighet
Vil disse beslutningene være basert på rettferdige, balanserte, mangfoldige data eller på ensidige data og snarveier som diskriminerer kvinner, fattige og minoriteter? Mange funksjoner som tidligere ble utført av mennesker, vil skape overtallighet. Vil kunstig intelligens koste folk jobben, selvrespekten, deres sosiale status osv. etter hvert som den blir utviklet og blir bedre på stadig flere oppgaver?
Nå virker det som om kunstig intelligens har krysset en grense, at den allerede har stor innvirkning på deler av hverdagen vår. Men som en tragisk gresk helt er den dømt til å bli usynlig i det øyeblikket den lykkes. Vi bagatelliserer de bemerkelsesverdige teknologiske fremskrittene til datamaskiner som kan transkribere tale eller kjøre bil. Mange i bransjen har sett det allerede: vi slutter å kalle det kunstig intelligens når det begynner å virke, vi flytter målet når det ser ut som kunstig intelligens skal skåre. Ut fra mange tidligere målestokker har kunstig intelligens ikke bare skåret mål, men allerede vunnet kampen.
Azeem Azhar er VP Venture & Foresight i Schibsted Media Group. Artikkelen er hentet fra Schibsted Future Report 2017. Les hele rapporten her: Schibsted.com/futurereport.
