AI, ai for en artig tid

AI, Artificial Inteligence er verdens frelse. Alle rutinepregete jobber skal erstattes av smarte maskiner. Alle avanserte analysejobber skal gjennomføres av spesialmaskiner. Det er ikke måte på hvor mye bedre det skal bli bare vi tar i bruk kunstig intelligens.

For hva er kunstig intelligens? Få er enige om det. Hvis folk oppfatter svarene fra en maskin som mer fornuftige enn fra mennesker, er da maskinen intelligent, eller har vi bare overført nødvendige data og et regelverk til datamaskinen som gir den mulighet til å trekke slutninger, nøytrale slutninger?

Artifical Intelligence, kunstig intelligens, KI, ble et begrep for rundt 60 år siden. Marvin Minsky og en rekke fagfolk hadde som mål å få maskiner til å opptre på en intelligent måte. Tiltroen var stor. Spill var et område som ble valgt ut for å demonstrere hva maskiner kunne makte.

Når spilleren vant skrev Nusse "Hurra".

Reglene for spillet ble programmert slik at datamaskinene slo sine motstandere om de gjorde feil. Selv i Norge ble det i 1954 laget et spill for Norges første datamaskin, Nusse, som alltid vant så fremt spilleren gjorde feil. Mange måtte tørrtrene for å gjøre de riktige trekkene. Når spilleren vant skrev Nusse "Hurra".

At datamaskiner var flinkere enn mennesker i spill ble ansett som intelligens, kunstig intelligens. Toppen ble nådd i 1997 da IBMs datamaskin Deep Blue slo verdensmester Garry Kasparow i sjakk og igjen i 2010 da Watson ble best i Jeopardy.

Nå er det et dataprogram som er bedre i poker enn de beste pokerspillerne. På samme måte som Watson læres opp, læres programvaren opp til å ta bedre beslutninger ved at fagfolk gjør analyser og lærer programvaren å velge bedre alternativer.

Grunnleggerne av innsatsen om kunstig intelligens trodde at det ville ta 20 år før AI virkelig ville bli en suksess. Marvin Minsky trodde det ville ta en generasjon.

På åttitallet ble det fornyet interesse med et mindre ambisiøst mål. Ekspertsystemer var nå det nye. I Norge dannet Det norske Veritas datterselskapet Computas Expert System for å lage systemer som kunne hjelpe deres inspektører.

Men nok en gang ga ikke systemene nok verdi. Først rundt årtusenskiftet begynte kunstig intelligens å få innpass innen diagnostikk basert på mye data og bedre maskineri. IBM Watson fremstår som det beste eksemplet. Resultatet er en fornyelse av interessen.

På mange områder vil roboter kunne gjøre en bedre jobb.

Tiltroen til maskiner basert på ekspertsystemer på et definert område tar ikke slutt. Nå er det snakk om hvor mange arbeidsplasser som blir erstattet av maskiner i form av roboter. Foreløpig er det ikke virkelig snakk om arbeidsplasser, men om arbeidsoppgaver. På mange områder vil roboter kunne gjøre en bedre jobb.

Konsekvensen er ifølge tilhengerne at de fleste industrisegmenter må redefinere sin strategi og hvilke oppgaver ansatte skal utføre. Mennesket må lære seg å tilpasse sin kompetanse til maskinene.

Vi må bli overlegne på det sosiale, samspillet mellom mennesket og maskin. Vi må lære oss å være kritiske, så vi ikke blir slaver av vår egen programmering. Vi må sette spørsmålstegn og kunne uttale: Hva med?

Kunstig Intelligens kan ikke overgå menneskelig intelligens. Systemer basert på kunstig intelligens kan imidlertid bli oppfattet som bedre av brukerne fordi vi mennesker er subjektive. Vi gjør oss opp en oppfatning av person og problemstilling hvilket påvirker våre beslutninger.

Medisinske analysesystemer basert på Watson er ikke subjektive, bare undersøkende. Farten på søket etter datagrunnlaget kan et menneske aldri konkurrere med, men systemet blir ikke bedre enn det det lært opp til.

Programvaren vil bli oppfattet som mer intelligent fordi den i løpet av minutter klarer å analysere enorme mengder data og komme med et forslag som kan virke mer fornuftig enn det en fagperson klarer å foreslå i løpet av samme tidsrom.

Fagfolks oppgave blir å raffinere programvaren.

Kunstig intelligens vil derfor bli brukt på områder der problemstillingen er kjent, men hvor tid er avgjørende. Innen sikkerhetsavsløringer ser man aktiv bruk av kunstig intelligens. Fagfolks oppgave blir å raffinere programvaren basert på funn og erfaring. En av oppgavene er å luke ut falske positive funn, eksempelvis at en e-post defineres som farlig, men slett ikke er det.

Mens beslutninger ofte tas basert på statistisk analyse vil det etter hvert bli brukt neurale nettstrukturer for å forstå. Både fascinerende og skremmende.

Ahlert Hysing er fagredaktør i Computerworld.