Aldous Huxleys “Vidunderlige nye verden” og Karel Câpeks “Salamanderkrigen” ble utgitt i henholdsvis 1932 og 1936, og retter sterke advarsler mot utviklingen fremover. I Huxleys dystopi er mennesket kategorisert etter verdi, og produksjonsarbeiderne ved samlebåndet ligger langt nede på rangstigen der de er klekket ut i rene rugesentraler og utstyrt med kun det høyst nødvendige av intelligens. Klassesamfunnet har fått sitt uttrykk gjennom at man er A, B, C og så videre. Familieliv tolereres ikke. Sorteringssamfunnet der, altså. Alt er funksjonelt og følelser, vel, det er det kun de i toppsjiktet som kan ha der de lever et liv i luksus.
I “Salamanderkrigen” er utviklingen noe annerledes. Mennesket oppdager en art lynende intelligente salamandere som kan løse alskens problemer. De jobber, krever lite og alt er såre vel inntil en dag hvor salamanderne nekter å jobbe og reiser seg mot menneskene.
Lærdommen er at det kan straffe seg å gjøre seg avhengige av teknologi og arbeidskraft man ikke har kontroll på eller kunnskap nok om. Med dette dystre bakteppet, tenkte vi å se på roboter og automatisering. Kom ikke her og si vi ikke har selvironi.
Roboter — små og litt større
Den mest utbredte oppfatningen av roboter vil sannsynligvis være menneskeaktige metallskapninger som 3CPO i “Star Wars” eller som den lille vennen hans, R2D2. Der 3CPO kan millioner av galaksens språk, er R2D2 mer praktisk anlagt og reparerer skader, kan benyttes til navigasjon og til å lagre planer over dødsstjerner. Ganske kjekt, egentlig.
Vi omgir oss med enkle roboter i dagliglivet. Vaskemaskina har en robot som sørger for at programsyklusen utføres i rett rekkefølge. Uten den lille elektroniske hjernen, hadde du selv måttet skru på bryteren fra forvask til hovedvask til skylling.
“Robotisering” handler om å automatisere prosesser som ellers ville ha vært gjort manuelt. I det ligger også en forenkling. Vi har lenge automatisert prosesser.
Noen har kanskje hørt om Ned Ludd, som ødela spinnerienes maskiner, fordi de tok jobben fra folk. Denne nokså tidlige automatiseringen skjedde på slutten av 1700-tallet. På 80-tallet tok typografer i bruk datamaskiner for å sette avisene, fremfor sin settekasse og sine blytyper. I dag er mer eller mindre hele typografens jobb automatisert.
Hva er så den store forskjellen i dag mellom fortidens automatisering? I tidligere tider har automatiseringen i alle hovedsak vært mekanisk, og så etter hvert litt mer digital. Maskinene er “dumme”, som i at de må opereres av mennesker.
I dag eksperimenterer vi med, og ser bruk av, kunstig intelligens og maskinlæring på et nivå som gjør at maskiner på sine spesifikke områder er langt mer intelligente enn deg og meg, fordi de lærer på en helt annen måte. På å rapportere hendelser fra for eksempel børs, idrettsarrangementer og liknende, er roboter allerede mer effektive enn menneskelige journalister.
Veien mot undergangen eller et enklere liv?
Har du prøvd å ringe med stemmegjenkjennelse på telefonen? Eller søke på Google med stemmen? Det fungerer ganske bra, gjør det ikke? Er det ikke også kjekt at du med et tastetrykk har bildet du tok tilgjengelig på alle enheter gjennom Google, uten å måtte lagre det på hver enkelt?
Datamaskiner, eller regnemaskiner, har eksistert i lang tid. De har hjulpet mennesker med raskere å regne ut kompliserte regnestykker. Under andre verdenskrig konstruerte britene med Alan Turing i spissen “Colossus” for å bruke regnekapasiteten i den til å knekke den tyske Enigmakoden. Etter mange forsøk lyktes det Turing og kodeknekkerne i Bletchley Park å kunne overvåke tysk kommunikasjon, noe som sterkt bidro til den allierte seieren.
Mer om Colossus og kodeknekkerne i Bletchley Park? Se her.
En konsekvens av dette var at mange fikk øynene opp for de åpenbare fordelene elektroniske regnemaskiner hadde, og at den senere, særlig fra 60-tallet og fremover, fikk en kommersiell utbredelse. På samme tid satte det amerikanske forsvaret i gang arbeidet med å bygge et nettverk av datamaskiner, som skulle kunne overleve et atomangrep. Dette ble etter hvert til Internett, slik vi kjenner det i dag.
På 80-tallet kom de personlige datamaskinene for fullt inn i hjemmene våre, og 90-tallet ga oss Internett. I dag, vel, i dag er et liv uten Internett vanskelig å forestille seg for de fleste i Vesten.
Apropos Internett, så endret søkemotoren Google måten vi søkte på drastisk. Google bruker en robot som indekserer sider, og den er under stadig utvikling. For å gi oss best mulige resultater, forsøker den å lese mest mulig som et menneske. Dette er grunnen til at søkemotoroptimalisering i dag er nokså omstridt, og av noen sett på som bortkastet. Å lure Google-roboten straffer seg.
Maskinlæring
Stemmegjenkjennelse og optisk gjenkjennelse av noe eller noen er bare et lite knippe av feltene det forskes på innen kunstig intelligens. Begreper du gjerne hører er “dyp læring” (deep learning) og “maskinlæring”.
Hva ligger i disse to begrepene? Dyp læring baserer seg på svært avanserte statistiske analysemetoder. Abstraheringsnivået er høyt, og det tar i bruk store mengder data. Bak dette ligger det selvsagt også svært avansert maskinvare som kan ta unna de store regneprosessene. Videre forklaring av dyp læring vil kreve så vidt store forhåndskunnskaper, at vi nøyer oss med å si at dyp læring er analyse av store mengder data, og hvor maskinen lærer.
Videre lesning for de spesielt interesserte:
Maskinlæring er mer en sekkebetegnelse som dyp læring er en del av. Det defineres gjerne som “å gi datamaskiner mulighet for å lære uten at de eksplisitt er programmert til det” (Arthur Samuel, 1959). Et viktig element i maskinlæring er anvendelsen av statistiske metoder og da også store mengder data.
Innen maskinlæring finnes det tre hovedområder:
- Styrt læring, hvor maskinen får ulike input som skal gi et ønsket output. Her er en “lærer” tilstede, og målet er at maskinen skal lære generelle regler. Dette blir å regne som en slags oppdragelse, hvor det legges føringer for hva som er det ønskede resultatet.
- Åpen læring, hvor maskinens læringsalgoritme overlates til seg selv å analysere og finne mønstre. Ofte benyttes dette for å avdekke så langt skjulte mønstre. Nytten av dette er stor innen forskning og utvikling.
- Forsterkende læring, hvor maskinen i et dynamisk miljø skal utføre en bestemt oppgave, som å styre en bil eller vinne i sjakk. Her er det ingen bestemt lærer som gir beskjed om hva som skal gjøres, men maskinen må forstå hva som skal gjøres når miljøfaktorer endres. Dette er nyttig når man skal lære selvkjørende biler hva de bør gjøre.
Særlig mer komplisert enn dette er neppe noen grunn til å forklare maskinlæring. Det vi imidlertid kan slå fast, er at dagens datakraft er på et nivå hvor avansert maskinlæring ikke bare er mulig, men skjer. Og det skjer raskt. På mange områder er ikke maskinlæring noe som vil skje et godt stykke inn i fremtiden, men som er i gang her og nå.
En norsk bank erstatter 40 ansatte i kundeservice med en robot som svarer på henvendelser. Det betyr at roboten har blitt ganske smart. Et selskap tilbyr selvkjørende kjøretøyer, en buss som ikke engang er veldig smart, men som kommer seg helt greit fra A til B. Uten sjåfør. At roboter monterer biler er nå så sin sak, men når de ikke bare kan ta over fysiske arbeidsoppgaver, men tenke for oss, vil mange ønske å stoppe opp og reflektere.
Dilemmaer
Selve tanken om at maskinene en gang er smartere enn oss og overtar verden er ikke ny. Vernon Vinge skrev i 1993 essayet “Technological Singularity”.
Begrepet “singularity” viser til et stort (og uventet) paradigmeskifte innen kunstig intelligens.
Teknologien skaper “vesener” eller “skapninger” med større intelligens enn menneskets. Singulariteten betyr at endringen skjer så fort og så omfattende at hele samfunnet og vi som individer endres i svært stor grad og på en måte ingen kan forestille seg.
At Vinge mener vi ikke kan forestille oss det, betyr ikke “the singularity” ikke har blitt forsøkt beskrevet, aller mest i science fiction-litteratur og på film.
Dilemmaene vi møter, er først og fremst av etisk art. Er det riktig å ta arbeidet fra noen? Det er liten tvil om at ufaglært arbeidskraft, som allerede står i en vanskelig posisjon i Vesten, vil lide jo mer som automatiseres. En tilsynelatende trygg arbeidsplass i butikk kan lett automatiseres bort. Sensorer, scannere, alt sammen, det koster en god del i innkjøp, men det koster veldig lite i drift sammenlignet med et menneske. Men hva vil det igjen koste samfunnet at store grupper ikke har muligheter til arbeid?
Og er det greit at så store mengder opplysninger registreres om oss som individer? Mange finner dette problematisk, blant andre offentlige overvåkningsorganer som Datatilsynet.
En annen etisk problemstilling er hva menneskets forhold vil være til selvbevisste maskiner. Da er jo maskinen på mange måter det samme som et menneske. Samtidig så er maskinen en slave som tjener mennesket. Og hva med maskiner som er smartere enn oss? Kan vi risikere at det plutselig er maskinene som styrer verden?
De dystopiske scenariene for fremtiden er det mange av. Men det er også en del som ser lyst på fremtiden, tross supersmarte maskiner. Er det strengt tatt nødvendig for mennesket å jobbe, når maskiner kan gjøre samme jobb? Ben Goertzel er en av dem som ønsker at vi bruker offentlige kroner på “en positiv ‘singularity’” som kan løse samfunnsproblemer.
Og det er korrekt at forskning innen medisin og nanoteknologi kan gjøre mye positivt for menneskeheten. Spørsmålet er kanskje heller hvem som bør ha eierskap til noe som revolusjonerer samfunnet så gjennomgripende.
Sist, men ikke minst, når “alt” er koblet sammen via Internett, kan det også i prinsippet hackes. Dét er kanskje noe å dvele litt ved.
Tilbake til de små robotene
Avslutningsvis er det fornuftig å ta de store vyene ned på et fattbart og håndterlig nivå. Vi kan lage mange typer roboter og automatisere repetitive og regelstyrte arbeidsoppgaver for en relativt rimelig penge i dag. Det vil frigjøre noe som ingen kjenner de har nok av, nemlig tid.
Hvordan vi investerer den tiden, med andre arbeidsoppgaver eller mer fritid, det er opp til oss. For små bedrifter gir automatisering relativt sett store gevinster sett opp mot kostnaden. Det gir også godt grunnlag for vekst.
Vi i Escio skal ikke bygge løsninger som revolusjonerer verden, men heller en løsning som gjør arbeidsdagen din enklere og enda mer produktiv.
Om du vil ha fremtiden inn i huset allerede, har Amazon sluppet sin Echo, som er stemmestyrt og kobler seg til andre dingser via bluetooth. Google er selvsagt ute med Google Home, som også er stemmestyrt.
Vil du ha mer av denne typen lesestoff? Meld deg på nyhetsbrevet vårt, da vel!
