Vad är artificiell intelligens?

Det senas­te året har jag job­bat myc­ket med kom­mu­ni­ka­tions­frå­gor kring arti­fi­ci­ell intel­li­gens och inno­va­tion. Intres­sant och givan­de, men det kan ock­så vara snå­rigt eftersom båda begrep­pen är gans­ka fly­tan­de. Det råder inte kon­sen­sus om hur utveck­ling på områ­de­na främ­jas, och i fal­let AI vad det egent­li­gen hand­lar om, och då är det lätt att mötas av lika delar evan­ge­lisk tvär­sä­ker­het som upp­giv­na axelryckningar.

Både AI och inno­va­tions­kraft läm­par sig där­e­mot all­de­les utmärkt för utbildan­de kom­mu­ni­ka­tions­in­sat­ser (ja, jag menar con­tent mar­ke­ting) – besluts­fat­ta­re och berör­da fat­tar helt enkelt bätt­re beslut med mer under­lag och dju­pa­re för­stå­el­se för ämnet.

Deep Blue och AlphaGO

Men hur ska man upp­ly­sa om och för­kla­ra AI för män­ni­skor? Hur ska man för­stå vad AI är och inte är?

Den öpp­na onli­ne­ut­bild­ning­en Ele­ments of AI foku­se­rar inled­nings­vis just på de här frå­gor­na. Vad är AI, och vad är AI inte. En tidig insikt som för­med­las i utbild­ning­en är att det som fått myc­ket upp­märk­sam­het på områ­det tidi­ga­re – stra­te­gi­spel som schack och GO – egent­li­gen är gans­ka lätt för en AI.

Det är inte så kons­tigt att det här är områ­den som varit i fokus när det gäl­ler att mäta hur en “super­da­tor” står sig mot mänsk­lig intel­li­gens. AI-utveck­la­re har velat ha något att mäta sig mot och tit­tat på vil­ken intel­li­gens som har hög sta­tus i sam­häl­let. Och så har vi medi­e­lo­gi­ken på det, kam­pen och spän­ning­en är där, det blir helt enkelt bra event.

Schack och GO är inveck­la­de spel med oänd­lig stra­te­gisk vari­a­tion. Men de har ock­så valts av den anled­ning­en att de läm­par sig väl för AI-trä­ning. Schack och GO är näm­li­gen hårt regel­styr­da. Och det är just det som gör dem till orätt­vi­sa och fak­tiskt för lät­ta utma­ning­ar för en AI.

Vi stäl­ler helt enkelt vår mänsk­li­ga gene­rel­la intel­li­gens (även de mest geni­a­la schack­spe­la­re kan ofta kny­ta skor­na, tol­ka ett ansikts­ut­tryck eller gis­sa om det kom­mer reg­na) och begrän­sa­de kapa­ci­tet mot en arti­fi­ci­ell, snävt avgrän­sad intel­li­gens (Alp­ha­Go Zero vet inte ens vad ett sko­snö­re är) och gene­rellt obe­grän­sa­de kapacitet.

Att för män­ni­skor mäta sig med en AI i snä­va, regel­styr­da, övning­ar är lite som att täv­la mot en miniräk­na­re om vem som kan räk­na upp flest deci­ma­ler av PI.

Vad är intelligens?

När man bör­jar tän­ka kring arti­fi­ci­ell intel­li­gens behö­ver man allt­så förr eller sena­re stäl­la sig frå­gan, vad är intel­li­gens? Efter lite grun­nan­de tror jag att många inser att de tagit ett par tan­kegen­vä­gar kring det­ta tidigare.

Den förs­ta är att man med intel­li­gens näs­tan all­tid menar något smart. Intel­li­gens är inte ett neutralt ord i van­ligt tal, det är för­knip­pat med hög intel­li­gens, intel­li­gen­ser med hög sta­tus, eller en kom­bi­na­tion av dem.

Men det är inte nöd­vän­digt­vis vad utveck­ling inom AI hand­lar om. Så fort man löst en bra AI-trä­nings­mo­dell för ett kom­pli­ce­rat spel som GO, eller för ald­rig så avan­ce­rad logistik­pla­ne­ring inom frakt eller flyg­led­ning, så har män­ni­skor ing­en chans att mäta sig med det arti­fi­ci­el­la. En dator använ­der ju inte bara sin intel­li­gens till att lösa upp­gif­ten, den kom­bi­ne­rar sin intel­li­gens med för­må­gor som redan är vida över­lägs­na män­ni­skans inom logik, beräk­nings­ka­pa­ci­tet och för­må­gan att sor­te­ra när­mast oänd­li­ga mäng­der infor­ma­tion. Det är fak­tiskt inte ens sär­skilt intel­li­gent bete­en­de, det är regelstyrt.

AI-revolutionen sker längs en bred front

Den AI-revo­lu­tion många talar om, och vis­sa är räd­da för, hand­lar inte främst om en arti­fi­ci­ell intel­li­gens som kom­mer blän­da oss med sin geni­a­li­tet, det hand­lar om många arti­fi­ci­el­la intel­li­gen­ser som utnytt­jar oli­ka kapa­ci­te­ter på sätt som är över­lägs­na oss. AI-revo­lu­tio­nen sker längs en bred front, popu­le­rad av många snä­va AIs.

Som poten­ti­ell köpa­re av arti­fi­ci­el­la intel­li­gens­lös­ning­ar, och fak­tiskt även som kon­su­ment av redan exi­ste­ran­de, behö­ver vi för­stå mer och pro­ble­ma­ti­se­ra för att inte gå i dyra eller obe­hag­li­ga fäl­lor. Insik­ten om att något är lät­ta­re för en AI att lösa om det är regel­styrt och kvan­ti­fi­er­bart (AI-trä­ning krä­ver enor­ma mäng­der data!) hjäl­per dig att väl­ja vil­ka pro­blem i ditt före­tag som läm­par sig för de lös­ning­ar som finns och kom­mer på marknaden.

Såda­na insik­ter hjäl­per dig ock­så att för­stå var­för din film- eller musik­ström­nings­app kom­mer med just de rekom­men­da­tio­ner du ser, och var­för etik är en så vik­tig frå­ga när det gäl­ler AI och databehandling.

Dif­fe­rence between machi­ne lear­ning and AI:

If it is writ­ten in Pyt­hon, it’s pro­bably machi­ne learning

If it is writ­ten in Power­Point, it’s pro­bably AI

— Mat Vel­lo­so (@matvelloso) Novem­ber 23, 2018

För ett drygt år sedan skrev jag om Goog­les ‘Duplex’ (Botar som ring­er fri­sö­ren blir en kort paren­tes), och utveck­ling­en inom så kal­la­de ‘deep fakes’ (där AI används till att lura oss att det är en verk­lig per­son eller röst som som syns eller hörs) har tagit sto­ra kliv sedan dess. Det bör­jar bli ett verk­ligt pro­blem inom till exem­pel rätts­vä­sen­det där nya (eller nygam­la) frå­gor om bevi­sens äkt­het mås­te ställas.

Även om du inte före­stäl­ler dig din fram­tid inom utveck­ling av AI är det dags att lära mer om vad AI hand­lar om. Det kom­mer ge oss alla bätt­re och intres­san­ta­re dis­kus­sio­ner när vi ser tillämp­ning­ar av det som bru­kar klum­pas sam­man till “AI” inom allt fler områ­den. Att bör­ja med en kost­nads­fri onli­ne­ut­bild­ning är ett enkelt steg.