Med opfindelsen af det vi kender som kunstig intelligens, har forskere skabt informationsteknologier, der imiterer menneskelig intelligens og hjælper os i hverdagen. Men kan kunstig intelligens i virkeligheden måle...
Tilbage i 40’erne, skabte Donald Hebb det første udkast til, hvad AI ville blive. Ingen computer eksisterede dengang, med den beregningsmæssige styrke til at foretage de nødvendige beregninger gjorde. Hebb var teoretiker, ligesom den mere kendte Alan Turing. Det var Turing, som kiggede i krystalkuglen og definerede den moderne computer – og beskrev den som Turing-maskine i 1936. Hebb var klart inspireret af Turing og det samme var talrige dataloger, som forskede i årene fra 1950 til 1980 – og som raffinerede det koncept, den idé, der blev til det vi i dag kender som moderne AI.
Som IT-person, inspirerer historien mig til at stå på forrige pioneers skuldre – ikke for at hævde, at kunne bidrage som de gjorde – men som Turing og Hebb kan jeg forsøge at kigge ind i fremtiden og bruge min faktiske ikke-kunstige intelligens, til at give et andet perspektiv på tingene.
Som Turing og Hebb kan jeg forsøge at kigge ind i fremtiden og bruge min faktiske ikke-kunstige intelligens, til at give et andet perspektiv på tingene
Jeg hævder, at den vej vi startede på, ved hjælp af en detaljeret modellering af hjernens neuroner, aldrig var den rigtige tilgang. Vi har ikke opnået resultater som er sammenlignelige med den indsats, der er lagt. I årene mellem 1974 og 1989 oplevede AI-forskningen et pludseligt stop – både på grund af manglende finansiering, men også grundet vanskeligheder med at levere praktiske anvendelser.
I dag er AI i stand til mange ting, der ligner sort magi. Hvordan forstår en computer tale? Hvordan finder den killinger og babyer i billeder? Hvordan kører den en bil?! Disse er alle fokuserede specialopgaver, der tidligere er beskrevet som “ekspertsystemer”, og de er baseret på de samme visioner, som Hebb havde. En motor, som kan foretage specifikke beregninger.
Moderne AI kræver avanceret hardware, urimelige mængder af beregningsmæssig kraft, elektricitet og en arbejdsstyrke af dataloger på ph.d.-niveau, for at gøre små fremskridt, hvis du sammenligner med andre områder af IT. Jeg har en 1TB solid state harddisk på min bærbare computer, og mine børn testes i skole ved hjælp af en adaptiv algoritme, der søger efter styrker og svagheder i deres viden – intelligent, for at få en ægte forståelse af deres kompetencer.
Hvad er intelligens?
Konklusionerne ovenfor fører mig til at tro, at vi arbejder i den forkerte retning. Hvad hvis intelligens skal defineres på en anden måde? Måske kræver reel intelligens biologi. Kig på en myre. Den har 250.000 neuroner (mere end det dobbelte af en hummer) pakket ind i et lille hoved, der ikke bruger strøm, men som stadig har evnen til at udføre komplicerede beslutninger. Og en hummer er i øvrigt biologisk udødelig – den ældste, der nogensinde er fanget, over 140 år gammel. At overleve så længe med kun 100.000 neuroner til at føre sig gennem livet, må betragtes som en af naturens store succeser.
Og glem ikke ormene, der kan genoprette deres hukommelse, hvis deres hoveder (hvor deres hjerne er placeret) bliver hugget af, og de gror et nyt hoved (det kan orme faktisk). På spørgsmålet om, hvordan det er muligt, svarer Michael Levin, biolog ved Tufts University, ganske simpekt: “Vi ved det ikke..”. Måske lagres hukommelsen i kroppen. Måske lagres den et helt andet sted. Dette er i øjeblikket stærkt debatteret, men det var solens placering i solsystemet også – og det faktum, at det var bakterier, som var årsag til tyfus, på et tidligere tidspunkt i historien.
Min intuition fortæller mig, at digital informationsteknologi ikke løser udfordringen med at forstå intelligens og dermed udvikle en (kunstig ditto) fra bunden. Vi orienterer os bredere. Måske i biologien, eller måske andre steder?