Artikkel

Robotene: Nyttige idioter

robot
Dagens roboter kan ikke først lære noe, for så å bruke kunnskapen til noe annet. Hvis de lærer seg å bake kake, betyr det ikke at de kan lage mat. De kan bare bake kake. Foto: Colourbox

Robotene: Nyttige idioter

Samfunnet er midt i en teknologisk revolusjon av datamaskiner som lærer. Men maskiner trenger ikke være intelligente for å lære, og de er langt unna å ta over verden.

Husker du Terminator-filmene med Arnold Schwarzenegger? Se for deg en slik menneskelignende maskin stå på et podium foran Stortinget. Roboten skuer med røde, kalde kameraøyne ut over en stille folkemengde på Eidsvolls plass. Du kan se i menneskenes redde blikk at noe er alvorlig galt. De oser av frykt, og den merkelige stillheten gir deg frysninger opp over ryggen. Slik har det ikke vært i Norge siden krigen, men nå har det kommet en ny tidsalder. Roboten er Norges diktator.

Dette skrekkscenarioet har du kanskje fått et hint om i avisene. Robotene kommer. De skal ta over jobbene våre. Selvkjørende biler, «big data» og kunstig intelligens har plutselig skutt fart, og skal vi tro avisene, er samfunnet i ferd med å gå under. Journalistene veksler mellom teknologifryd og fremtidsfrykt. Heldigvis for oss er det sterkt overdrevet.

Maskinen som kjenner deg

Det er sant at mer og mer av livet ditt styres av datamaskiner. Når du åpner mobilen og blar nedover Facebook-feeden din, har en datamaskin lært hva du liker og valgt hva du skal se.

Datamaskinen lærer deg å kjenne bedre enn vennene dine, for den ser alt du gjør på Facebook. Om morgenen i senga liker du kanskje å se nyheter, på jobben kattevideoer, og på kvelden chatter du med venner. Hvert eneste klikk du gjør blir nøye vurdert av datamaskinen og påvirker hva den viser deg i feeden din.

For å få datamaskinen til å lære om deg, bruker Facebook maskinlæring. Men hva er maskinlæring? Og kan egentlig en datamaskin lære seg å ta over verden?

Som å bake kake

Å få maskiner til å lære, er en form for programmering, det vil si at det er en måte å fortelle datamaskiner hva de skal gjøre. Tradisjonell programmering innebærer å fortelle datamaskinen akkurat hva den skal gjøre ved å gi den en nøyaktig oppskrift. Programmering gir en steg for steg-oppskrift, hvor alle stegene er bestemt i detalj av et menneske. Stegene er som i en kakeoppskrift, med fast rekkefølge og vekt i gram og desiliter.

Maskinlæring er forskjellig fra vanlig programmering. Man forteller fortsatt datamaskinen hva den skal gjøre, men lar den selv finne ut hvordan ved å se på eksempler.

Istedenfor å gi den oppskriften, setter vi noen ingredienser på et bord sammen med masse ferdige kaker. Så lar vi maskinen prøve å bake selv, igjen og igjen. Hvert forsøk blir sammenlignet med en av eksempelkakene, og datamaskinen prøver å få det så likt som mulig.

Etter mange feilede forsøk har den til slutt lært å bake kake – men kanskje med en helt annen oppskrift enn det vi selv pleier å bruke. Det viktigste er bare at det blir kake, ikke hvordan.

Poenget med maskinlæring er altså å få datamaskinen til å gjøre det vi vil - basert på erfaring, data, eller eksempler. På Facebook lærer den hva den skal vise deg basert på alt du og alle vennene dine gjør. Det er altså informasjon om deg og vennene dine som er ingrediensene, og innholdet i feeden din som er kaken.

Vi bestemmer hva, maskinen finner ut hvordan. Betyr det at datamaskinen er intelligent?

Lærer uten å forstå

De fleste vil si at intelligens innebærer å forstå, tenke selv, og ta egne valg. Slik er det ikke med maskinlæring. Selv om det er en form for kunstig intelligens, vil det ikke si at maskinene er blitt intelligente slik vi vanligvis tenker på det.  Det eneste datamaskinen gjør, er å oppdage nye kakeoppskrifter, ikke å lage andre ting enn kaker.

Når vi bruker maskinlæring, har ikke datamaskinen egen vilje. Den prøver bare å gjøre akkurat det vi ber den om og ingenting annet. Den kan ikke tenke utenfor boksen, ha sin egen mening eller ha noe som ligner på menneskelig vilje. Den gjør akkurat det den blir fortalt, og ingenting annet, akkurat som med vanlige datamaskiner.

LES OGSÅ: Roboten fant ut mer om gåing på tre timer enn forskeren kunne lært den på flere dager: Et lite skritt for en robot ...

«Maskinelig» å feile

Vi mennesker kan lære å bake kake bare ved å prøve en eneste gang. Datamaskiner er motsatt. Fordi de ikke forstår hva de holder på med, må de prøve og feile utrolig mange ganger. Det er helt vanlig at en datamaskin må se på tusenvis av eksempler og prøve selv hundretusenvis av ganger før den har lært noe særlig.

Fordi datamaskiner er så raske, så rekker de å gjøre tusenvis av forsøk i sekundet. Det betyr at en datamaskin kan trenes til ekspert-nivå på bare noen timer eller dager, så lenge man har nok eksempler å vise den. Men den må altså gjøre masse, masse feil før den blir god.

Karakterjag

På hvert eneste forsøk må datamaskinen få tilbakemelding av oss på hvor godt den gjorde det. Vi må altså gi den karakterer for at den skal lære.

Vi kan ikke sitte hele dagen og gi karakterer, så vi bruker en matematisk formel istedenfor. Formelen sammenligner datamaskinens forsøk med eksempelet den prøver å etterligne. Maskinen får gode karakterer når den klarer å etterligne eksemplene og dårlige karakterer når det ikke ligner.

For at den skal lære seg å lage smakfulle kaker, må vi gi karakter på smaken av hver eneste kake den baker. Vi bryr oss bare om resultatet, men ikke hvordan det ble til. Det er altså opptil oss hva som er målet med maskinlæringen.

Toppkarakter i tidsfordriv

La oss gå tilbake til Facebook. I feeden din skal datamaskinene lære å velge hva du skal se, men hva gir en god karakter? Jo, gode karakterer får maskinen når du bruker mye tid på Facebook, for da tjener Facebook penger på å vise annonser til deg. Datamaskinen observerer deg og alt du og vennene dine gjør, og den prøver å lære hva som holder på oppmerksomheten din lengst mulig. Er det kynisk av datamaskinene?

I så fall så er det ikke datamaskinene, men menneskene bak, som er kyniske. Det er menneskene som jobber i Facebook som instruerer datamaskinene, velger ingredienser og setter karakterene. Datatilsynet er skeptisk, men de fleste er fornøyd med å få opp relevant informasjon i feeden sin. Uansett om det er rett eller galt, er datamaskinene bare verktøyet.

Er du interessert i forskningsnyheter om realfag og teknologi? Abonner på vårt ukentlige nyhetsbrev(link is external) eller følg oss på Facebook.

Verktøymakerne

I en øde ørken på vestkysten av USA skjøt kunstig intelligens fart en oktoberdag i 2005. Det var da DARPA arrangerte sin andre konkurranse for selvkjørende biler.

Året før hadde samtlige biler kjørt av veien eller satt seg fast. Denne gangen klarte fem av bilene å kjøre til mål etter mer enn 200 kilometer på de kronglete ørkenveiene. Ny teknologi var funnet opp på rekordtid. Bak dette sto «Defense Advanced Research Projects Agency», DARPA, en liten gren av det amerikanske militæret med et stort budsjett som finansierer fremtidens teknologi. Det var de som ga oss internett -- og snart selvkjørende biler.

John Launchbury, som leder DARPAs kontor for informasjonsinnovasjon, mener at vi har en lang vei å gå før datamaskiner kan resonnere og tenke abstrakt. Det betyr at dagens roboter ikke først kan lære noe, for så å bruke kunnskapen til noe annet. Hvis de lærer seg å bake kake, betyr det ikke at de kan lage mat. De kan bare bake kake.

John ser for seg at fremtidens roboter må kunne forklare hvorfor de brukte akkurat den oppskriften de gjorde. De må også kunne lære av bare noen få eksempler. For å få til dette, trenger vi enda et nytt teknologisk kvantesprang.

Når dette kvantespranget kommer, vet vi ikke. Det eneste vi vet, er at det krever mye forskning og at vi er milevis unna. Vi har jo hatt helt selvkjørende biler i over ti år, men de er fortsatt ikke på veiene.

Idiotisk diktatur

En robot utstyrt med dagens teknologi kan ikke ta over verden. Uten abstrakt tenkning trenger den tusenvis av forsøk på å lære selv den minste ting, til og med noe så enkelt som å bake kake.

Etter hundre feilslåtte forsøk på å bli diktator i Norge, er jeg sikker på at noen ville trukket ut pluggen. Vi trenger ikke enda en idiotisk leder.

Matias Hermanrud Fjeld er masterstudent i informatikk, programmering og nettverk

Flere artikler fra studenter som gått på formidlingskurset MNKOM

Mer på Titan.uio.no:

Tags: 

Skriv ny kommentar

Verifiser deg (din epost-adresse vil ikke bli vist offentlig)