Kunstig intelligens - ofte stillede spørgsmål

Der findes mange versioner af definitionen på AI. Her kommer den fra Minsky og McCarthy: "Kunstig intelligens er videnskaben, hvor man får maskiner til at udføre opgaver, der ville kræve intelligens, hvis et menneske skulle udføre samme opgaver." Det område inden for AI, som bliver vist i medierne, er det, der er kaldet machine learning eller på dansk maskinlæring.

Machine learning er det område inden for AI, der får næsten alt opmærksomheden i medierne og i forskningen. ML går ud på at bruge data i form af billeder, elektriske signaler, mv. til at lære. Så ligesom et barn lærer ved at se en masse forskellige ting, kan vi på samme måde vise en masse billeder af ting til et ML-system og lade det lære, hvad de forskellige ting er.

Inden for ML findes kategorier som kunstige, neurale netværk - også kendt som deep learning samt reinforcement learning, hvor en fysisk agent (f.eks. en robot) lærer en adfærd ud fra fysisk interaktion med sit miljø. Ligesom et barn lærer at gå ved at prøve igen og igen.

Grunden, til at vi høre så meget om AI, er til dels, at vi kan løse nogle teknologiske problemer, som vi ikke har kunnet før, og det giver nye muligheder inden for rigtig mange områder. F.eks. inden for affaldssortering og identifikation af kræft i mamografier.

Som det ser ud i dag, så er de største udfordringer, at vi ikke kan forklare, hvorfor et AI-system gør, som det gør. Vi kan ikke bare spørge computeren: "Hvorfor tror du, det her billede viser en hund og ikke en kat?" Eller med andre ord; hvad er forskellen på en hund og kat?

Med dette fokus på etik inden for AI er det nødvendigt, at der er flere forskere inden for social videnskab (filosoffer, mm.), der involverer sig i AI, så brugen kan - i mere eller mindre grad - reguleres. AI er populært sagt lige så etisk som dem, der udvikler det. Det afgørende er anvendelsen af det og ikke teknologien i sig selv.

Vores holdning til AI er, at vi kun bruger AI, når det er nødvendigt. Altså bruger vi kun AI, hvis vi kan se, at denne form for system kan løse opgaven og de traditionelle metoder ikke kan. Vi bruger det også, når systemet kan løse opgaven bedre end traditionelle metoder.

Vi ser allerede i dag brugen af AI i helt almindelige hverdagsting såsom vores telefoner og biler, der har stemmegenkendelse. Vi tænker bare ikke altid over, at det er teknologien bag. Vi ser det også i netbutikker og streamingtjenester, hvor vi bliver foreslået at købe bestemte ting og at se en bestemt film på baggrund af vores tidligere adfærd på internettet. Men AI kommer ikke til at overtage verden, som vi har set det i adskillelige sci-fi film.

Med udgangspunkt i det, vi ser inden for ML så minder læringsprocessen meget om den, som et barn gennemgår. Vi viser gentagne gange et scenarie for systemet og jo flere gange systemet ser en ting, jo bedre kan det blive til at løse bestemte opgaver. Som forskningsverdenen ser ud i dag, så har vi svært ved præcist at sige, hvad AI-systemerne rent faktisk har lært, og det er en af de store spørgsmål, som skal besvares inden for det næste årti.

Ja. Kort sagt kan alt hackes. Det handler blot om computerkraft.

AI vil i fremtiden formentlig overflødiggøre en række beskæftigelser. Men som vi har set det med meget anden teknologisk udvikling - såsom robotter - så skaber ny teknologi nye former for jobs. I 2008 havde vi aldrig forventet, at man kunne have et arbejde, hvor man skulle håndtere sociale medier. Vi vil ikke spå om hvilke nye typer jobs, der kommer, men allerede i dag er der systemer, der assisterer ​eksempelvis advokater i at læse sager igennem for at afgøre præcedens. Der arbejdes også intensivt i systemer, der kan assistere læger med at lokalisere kræftknuder.

Det hele handler om, hvordan man ser på det; enten kan man frygte, at AI og robotter vil overtage ens job eller også kan man se mulighederne​, som det skaber - altså at man kan få et mere sikkert og bedre arbejde. Vi vil nok se teknologien i mange flere aspekter af vores dagligdag, end vi gør i dag, men i hvilken grad er endnu svært at spå om.