Hva er AI og ML?

Hva er kunstig intelligens (AI)?

Kunstig intelligens innebærer at en datamaskin utfører oppgaver som normalt krever et menneske.

AI diskuteres overalt i dag. Det snakkes om roboter som skal ta over arbeidsoppgavene våre og gjøre mennesket arbeidsløst og overflødig. Helsevesenet, økonomien, infrastrukturen og alt annet kommer til å bli styrt av AI. Dette har ført til at mange har et negativt bilde av AI, og bekymringene er mange. AI-revolusjonen kommer utvilsomt til å forandre livet på jorden, men det vil skje gradvis, og mennesket vil alltid ha en sentral plass i tilværelsen. Faktum er at jo flere arbeidsoppgaver AI tar over, desto mer tid får vi til å utvikle ny kunnskap og nye ferdigheter.

Mennesket har drømt om AI siden 1950-tallet, da man for første gang begynte å fantasere om maskiner som kunne tenke og lære. Siden den gang har AI hatt en broket vei frem til dagens suksesser. AI har konstant pendlet mellom rampelyset og søppelfyllingen siden 1950-tallet. Det var først i 2012 at AI forandret verden.

Gammel AI

Tidlige former for AI inneholdt faktisk ingen «læring»; man laget i stedet dataprogrammer som besto av regler. Denne typen AI kalles ekspertsystem eller symbolsk AI (eng. expert systems, symbolic AI) og er egentlig ikke ekte AI. Et ekspertsystem kan likevel være nyttig. Se for deg for eksempel et dataprogram som gir deg råd om hvorvidt du har råd til å kjøpe et par sko (Figur 1). I programmet har man definert regler som evalueres, og deretter får brukeren råd basert på informasjonen brukeren legger inn. Alle reglene er på forhånd spesifisert av mennesker, og det skjer ingen læring. Rådgivningen følger rett og slett et flytskjema. Selv om dette kan virke primitivt, kan denne typen AI være svært nyttig.

Man trodde innledningsvis at menneskelige evner kunne oppnås dersom man klarte å programmere tilstrekkelig mange og tilstrekkelig gode regler som datamaskinen kunne følge, men slik var det ikke. Det viser seg at metoden er utilstrekkelig. Den mangler fleksibilitet og kan ikke ta hensyn til mer komplekse situasjoner; reglene kan ikke anvendes på andre oppgaver (et program som kan spille sjakk, kan ikke brukes til å spille backgammon); i mange situasjoner blir det praktisk umulig å definere alle tenkelige regler, og i tillegg trengs eksperter for å kunne lage reglene. Forklaringen på dette er at symbolsk AI ikke omfatter noen faktisk læring (eng. learning).

Moderne AI

Nesten all AI i dag omfatter maskinlæring (eng. machine learning), som innebærer at datamaskinen lærer på egen hånd. Datamaskinen studerer og lærer seg mønstre i data, hvoretter den automatisk lager regler.

Se for deg at vi prøver å lage en algoritme som kan avgjøre om en pasient har kreft, og til hjelp har vi to blodprøver. For å løse denne oppgaven med maskinlæring trenger vi eksempeldata: vi trenger mange eksempler på pasienter, og for hver pasient trenger vi informasjon om blodprøvene samt om de hadde kreft (Figur 2). La oss si at vi har en stor database med pasientjournaler, der det finnes informasjon (for hver enkelt pasient) om blodprøver samt om pasienten hadde kreft. Denne typen data kan analyseres med maskinlæring, noe som innebærer at datamaskinen studerer mønstre i journalene for å finne sammenhenger mellom blodprøver og kreft. Ut fra disse mønstrene lager datamaskinen regler. Hensikten med dette er å bruke reglene til å vurdere om en fremtidig pasient har kreft. Dette gjøres ved å legge inn den nye pasientens blodprøver i algoritmen, som da kan fortelle hvor sannsynlig det er at pasienten har kreft. Følgende er viktig å ta hensyn til:

1. Man trenger eksempeldata for å lage algoritmen. Eksempeldata brukes til å studere sammenhenger mellom blodprøver og kreft. Dette er selve læringen eller treningen. Eksempeldata kan også kalles treningsdata.
2. Datamaskinen lærer seg sammenhengen mellom blodprøver og kreft ved å studere mange pasienter som sannsynligvis har gjennomgått mange utredninger og blitt vurdert av flere leger. Det innebærer at maskinlæringen mates med alle utredninger og legevurderinger. Maskinen vil derfor besitte alle legenes samlede erfaring.
3. Jo flere pasienter som inngår i treningen og jo dyktigere legene er, desto bedre blir reglene/algoritmen som lages. Dermed er det menneskets intelligens som ligger til grunn for maskinens.
4. Mønstrene som finnes i data, dechiffreres av en matematisk funksjon. Det finnes mange ulike matematiske funksjoner for læring (diskuteres senere). Disse funksjonene er fleksible og kan finne mønstre (og dermed lage regler) i mange ulike typer data (kreftpasienter, kunder i en nettbutikk, bilder av ulike dyr, boligsalg osv.).
5. Denne typen AI, der datamaskinen løser en spesifikk oppgave, kalles spesifikk AI (eng. narrow AI).
6. Algoritmen vil være god til å forutsi hvilke pasienter som får kreft, men den kan sannsynligvis ikke brukes til å forutsi hvem som får hjerteinfarkt. Dette skyldes at algoritmen ble trent på ett enkelt spesifikt utfall: kreft.

Man kan stille spørsmål ved om dette kan klassifiseres som intelligens: å bruke en matematisk funksjon for å løse én enkelt oppgave. Men faktum er at disse metodene fungerer utmerket også for å løse svært kompliserte oppgaver. Ved å utnytte datamaskinenes regnekraft kan algoritmene bli svært imponerende. Se for deg at vi har en database med 1000 ulike blodprøver. Hvor mange leger kan ta hensyn til alle disse blodprøvene for å vurdere om noen har kreft? Ingen lege, men for AI er dette en ekstremt enkel oppgave.

Maskinen er (ennå) ikke et menneske

Å lage AI som besitter menneskets intellekt, er ingen lek. Menneskets intellekt kjennetegnes av evnen til å bearbeide ulike typer informasjon (data), integrere data og reagere på en meningsfull måte med følelser, fantasi og konsekvenstenkning. Å løse oppgaver, forstå tale, generere tale, tolke følelser, drømme, resonnere, lide, elske, huske og vise konsekvenstenkning er noen eksempler på vår intellektuelle evne. Mennesket har dessuten en fantastisk evne til å lære raskt. Hvis en toåring får se ett eller to bilder av en sjiraff, kan barnet som regel avgjøre om det er en sjiraff på neste bilde. Med kunstig intelligens trengs det ikke sjelden tusenvis av bilder av sjiraffer for å lære datamaskinen hvordan en sjiraff ser ut. Mennesket har dessuten en utsøkt evne til å overføre læring fra ett domene til et annet. En person som er flink i fotball, kan også anvende ferdighetene sine i andre ballsporter. Dette klarer ikke kunstig intelligens (per i dag); hvert enkelt AI-program klarer én oppgave og i prinsippet bare den oppgaven.

Videre er mennesket et enormt kreativt vesen. Hvert døgn genererer menneskene på jorden enorme mengder ny kunnskap, nye oppfinnelser, ny kunst, ny musikk og nye byggverk. Man har riktignok lyktes i å lage AI som produserer musikk og maler bilder, noe som ofte har resultert i overraskende og (for oss) rare kreasjoner. Men i motsetning til AI er menneskets kreativitet tøylet av konsekvenstenkning, frykt og medfølelse. Disse egenskapene finnes ikke i et AI-program. Se for deg et AI-program som har som oppgave å diagnostisere kreft; i det tilfellet kan utøylet kreativitet bli skjebnesvanger for pasienten.

Generell AI

AI-forskningens ultimate mål er å imitere menneskets fulle kapasitet. Denne typen AI kalles generell AI og eksisterer ikke i dag. Derimot har man oppnådd enorme fremskritt innen spesifikk AI (eng. narrow AI), som innebærer evner begrenset til én eller et par oppgaver. Spesifikk AI øker sin tilstedeværelse i samfunnet, og du bruker det sikkert allerede på mange måter.