Artificiell Intelligens

Vad är AI, vad kan det göra och hur ser framtiden ut?

publicerad 2 månader sedan av
Daniel Öhman

Go är ett traditionellt brädspel i Asien där spelarna anses vara skarpare än resten av befolkningen. Brädet har ett rutsystem, vanligen 19×19 rutor, och spelas med runda pjäser. Var spelare har antingen färgen svart eller vit och gör ett drag i taget.

Bild tagen från kiseido.com

Målet med spelet är att omringa så många rutor som möjligt, spelaren med flest rutor vinner. Varje pjäs har friheter kring sig på de närliggande rutorna och om motståndaren omringar alla friheter runt spelarens pjäs eller pjäser kommer de att avlägsnas och området blir tomt.

Bild tagen från kiseido.com

Vad har ett gammalt brädspel för betydelse inom artificiell intelligens? Forskare har försökt att besegra spelet med AI ända sedan Deep Blue vann över världsmästaren Kasparov i schack år 1996. Orsaken till svårigheten är på grund av att alla möjliga drag överstiger antalet atomer i universum. Programmet behövde därmed besitta en mänsklig intuition och kreativitet som aldrig tidigare setts inom AI. DeepMind lyckades med just detta för fyra år sedan. Programmet med namnet AlphaGo vann tre rundor över go-världsmästaren Lee Sedol och förklarade följaktligen spelet bemästrat. En ny era inom AI inleddes. Men hur fungerar artificiell intelligens? Hur fungerar AlphaGo? Kan man klassa AI som intelligent; AI är väl inte bättre än oss på konst, forskning, litteratur osv.? Vad gör vi om AI blir bättre än oss?

Hur fungerar artificiell intelligens?

Vi vet att datorer kan minnas och beräkna, t.ex. kan en miniräknare som minns siffrorna vi matar in sedan återge ett svar. Inlärning är däremot lite mer komplext. Föreställ dig ett fjäll med dalar och toppar. Om vi placerar en massiv boll på bergssluttningen kommer bollen att rulla ned tills den når botten av dalen. Vi benämner botten av dalen med eulers tal e (2.718…) och placerar bollen någonstans på bergssluttningen med benämningen 2. När bollen sedan rullar ned i dalen kommer talet att närma sig eulers tal. 

Illustrerad av Daniel Öhman

Om bollen istället placeras på en slät lera kommer inte mycket att ske, men om flera bollar placeras i ungefär samma område kommer det att bildas en dal. De framtida bollarna kommer, likt berget med dalarna, att rulla ned och närma sig eulers tal. Se det som en stig, ju fler som går på den desto tydligare blir den. Ifall färre går på stigen blir den övervuxen och svår att se. Vi kan nu säga att leran och skogen har lärt sig. 

Illustrerad av Daniel Öhman

Konsekvent som universum är följer vår hjärna samma princip. Hjärnans neuroner som skickar signaler mellan varandra binder även till varandra ifall de skickar signaler tillsammans, likt stigen i skogen. Därav det engelska uttrycket ”neurons that fire together wire together”. När nervcellerna bildat en koppling har även ett minne bildats. Framtida stimuli inom samma minnesområde kommer, som berget med dalarna, att “rulla ned” i minnet och du kommer ihåg. Stigen som bildats, nervcellerna som knutits vid, måste däremot nyttjas för att inte vittra och växa igen. Det betyder att vårt minne är dynamiskt och förändras efter förutsättningarna. Forskaren John Hopfield visade att hjärnans system med neuroner kan efterliknas i datorn. Däremot blir avbildningen simplare eftersom neurala nätverket i hjärnan är en komplicerad mix av cellkärnor, axoner och dendriter osv. för att inte nämna att antalet nervceller är flera biljoner.

Bild ur boken Life 3.0 skriven av Max Tegmark

Prickarna representerar neuroner kopplade av linjer som representerar synapser (en slags koppling som låter nervcellerna skicka elektriska signaler). Längst upp hittar du vart bilden matas in. Alla mellanlager representerar egenskaperna som analyseras och sorteras för att sedan landa i dalen vilket är den sista delen längst ned. Likt ett flipperspel skulle pixlarna för var bild trickla ned genom varje nod tills det landade på bilden det mest liknar: Alexander, Philip eller Meia

Hur fungerar AlphaGo?

Fantastiskt! Nu är det väl endast att sätta programmet på nästa uppgift? Inte så enkelt. Om programmet får massor av ny information och skapar dalar vet det fortfarande inte vad det ska göra. För att åstadkomma detta behövs något sorts system för att bestämma vilka åtgärder som är positiva och vilka som är negativa utifrån den data som matas in. T.ex. om ett drag är bra eller dåligt. Detta system kallas reinforcement learning.

Reinforcement learning bygger på principerna beteendevetaren B. F. Skinner utvecklade i teorin reinforcement theory. Principerna följer en enkel feedback loop, om något positivt händer får man en belöning och om något dåligt händer får man en bestraffning. Det är svårt att bestraffa en dator så i reinforcement learning använder man endast en positiv feedback loop. Till exempel, om programmet ska plocka äpplen ur ett träd får det en belöning varje gång det hittar ett äpple. Samma princip appliceras sedan på go. Har programmet större chans att vinna, har den större territorium, får det poäng. 

Illustrerad av Daniel Öhman

Är detta verkligen intelligens?

För att svara på frågan om AI är intelligens behöver vi en definition av intelligens. Definitionen av intelligens är däremot inte så lätt att definiera som man först kan tro. Komiskt nog beskriver även Max Tegmark i sin bok Life 3.0 att ”inte ens de intelligentaste intelligensforskarna kunde komma överens om vad intelligens är!” Lyckligtvis har Max Tegmark även gjort sig besväret att ge oss en bredare definition som fångar de flesta förslagen: 

Förslag vänster, definition höger

AlphaGo verkar därmed vara intelligent trots dess oförmåga inom ämnen som konst, forskning och litteratur. AI verkar dock utvecklas mycket snabbt, till synes även exponentiellt, och snart kan även dessa områden vara bemästrade. Faktum är att det redan händer. Min favoritartist Travis Bott släppte för fem månader sedan ut sin första singel Jack Park Canny Dope Man

För att sätta de olika områdena av mänsklig förmåga i perspektiv till de redan bemästrade tycker jag detta citat av Hans Moravec ur boken Life 3.0 är passande:

Illustrerad av Daniel Öhman

”Computers are universal machines, their potential extends uniformly over a boundless expanse of tasks. Human potentials, on the other hand, are strong in areas long important for survival, but weak in things far removed. Imagine a ’landscape of human competence,’ having lowlands with the labels like ’arithmetic’ and ’rote memorization,’ foothills like ’theorem proving’ and ’chess-playing,’ and high high mountain peaks labeled ’locomotion,’ ’hand-eye coordination’ and ’social interaction.’ Advancing computer performance is like water slowly flooding the landscape. A half century ago it began to drown the lowlands, driving out human calculators and record clerks, but leaving most of us dry. Now the flood has reached the foothills, and our outposts there are contemplating retreat. We feel safe on our peaks, but, at the present rate, those too will be submerged within another half century. I propose that we build Arks that day nears, and adopt a seafaring life!”

”Datorer är universella maskiner, deras potential sträcker sig utöver en gränslös vidd av uppgifter. Mänsklig potential, å andra sidan, är stark i områden länge nödvändigt för överlevnad, men svag i saker som är långt avlägset. Föreställ dig ett ‘landskap av mänsklig kompetens,’ som har dalar med titlarna ‘aritmetik’ och ‘memorisering,’ bergsfötter med ‘vetenskapligt belägg’ och ‘schackspel,’ och höga bergstoppar med ‘rörelseförmåga,’ ‘hand-syn-koordination’ och ‘social interaktion.’ Avancerane datorförmåga är som vatten som långsamt överflödar landskapet. Ett halvt århundrade sedan började det att översvämma dalarna, det drev ut mänskliga miniräknare och arkivarier, men lämnade de flesta av oss torra. Nu har floden nått bergsfötterna, och våra utposter där kontemplerar reträtt. We känner oss säkra på våra bergstoppar, men, vid nuvarande takt, kommer även de att översvämmas inom ytterligare ett halvt århundrade. Jag föreslår att vi bygger Arker när dagen närmar sig, och anpassar oss till ett sjöfarande liv!”

Vad gör vi om AI blir bättre än oss?

Många framstående personer har uttalat sig angående AI:ns förmåga att övervinna människan. Man brukar säga att individens syn på framtiden överensstämmer med en av följande tre grupper: :

  • Ludditerna tror att AI kommer att ersätta alla jobb och måste därmed förstöras innan dess. 
  • Digitala utopister tror att det digitala livet är det naturliga och nästa steg i vår evolution samt att om vi låter den artificiella sinnet vara fritt istället för att försöka förslava det kommer resultatet med störst sannolikhet att vara positivt. 
  • Den välgörande-AI-rörelsen (The Beneficial-AI Movement), här passar båda de tidigare grupperna in då man anser att oavsett resultatet av AI så bör vi utveckla någon sorts säkerhet- och försvarsmekanism för att undvika negativa utfall. 

Själv tror jag att vi bör sätta in så många skyddsåtgärder som möjligt för att undvika de potentiellt katastrofala följderna för mänskligheten. Potentiellt kommer vi att behöva bygga båtar för att flyta ovanpå vattnet, att integrera artificiell intelligens med oss själva för att överleva eller till och med nå nästa stadie av vår evolution. Kanske blir vi vad Friedrich Nietzsche förutsåg, gudar.