Denne veka tek vi for oss den ofte fruktbare samverknaden mellom akademisk teoriutvikling og praktisk teknologiutvikling. Hubert Dreyfus (1929–2017) var ein amerikansk teknologifilosof som blei kjend langt utanfor sitt eige fagfelt på grunn av den ramsalte kritikken han kom med av kunstig intelligens-teknologiar. Kritikken hans førte til fleire tiår med ein produktiv kamp mellom teknologar som lagar løysingar, og filosofar som kritiserer veikskapar ved dei.

På 1960-talet var det stor optimisme blant kunstig intelligens-forskarar, og folk som Herbert Simon og Marvin Minsky sa at det burde la seg gjere å lage datamaskiner med same intelligens som menneske innan cirka ti år.

Dreyfus protesterte sterkt mot denne ambisjonen. Han sa at samfunnet alltid prøver å forstå hjernen i lys av dominerande teknologiar: den mekaniske klokka, telefonnettverket og no altså datamaskina. Dette er jo berre metaforar, meiner Dreyfus. Menneskehjernen og vår intelligente åtferd fungerer heilt annleis enn ei datamaskin.

I boka What Computers Can’t Do (1972) seier Dreyfus at det er umogleg for ei datamaskin å simulere menneskeleg intelligens. Maskina er for sterkt prega av tal og symbol som vert behandla i ein stasjonær boks utan sanseleg kontakt med omverda. Maskina har ingen kropp og kan aldri bli god til å danse eller fikse plenklypparen. Ho kan berre bli god til intellektuelle evner som å spele sjakk og løyse andre problem som kan formulerast som ein sterkt regelbunden prosess.

Fagmiljøet innan kunstig intelligens gjekk i forsvarsposisjon då boka til Dreyfus kom ut. Det blei ein heftig offentleg polemikk mellom Dreyfus og sentrale personar i kunstig intelligens-miljøet, og dei utfordra posisjonane til kvarandre i tiår etterpå.

Interessant nok kunne What Computers Can’t Do òg lesast som ei oppskrift på kva forskarar innan kunstig intelligens burde jobbe med, og det er dette vi vil framheve. Ved å peike på problem kan den kritiske akademikaren setje utviklarar på sporet av ei betre løysing.

Dreyfus seier at kunstig intelligens-prosjektet overser tre viktige trekk ved menneskeleg intelligens, og akkurat desse trekka har stått sentralt i nyare kunstig intelligens-forsking.

1. Mennesket er ein kropp som organiserer og forstår seg sjølv og ting rundt seg, seier Dreyfus. Intelligens føreset motoriske evner innan det å oppfatte, kjenne att, røre på og manipulere ting. Etter kvart har teknologane laga datamaskiner med ein kropp omtrent slik Dreyfus føreset. Dei har sensorar for syn og høyrsel, og innretningar som hjul, bein og robotarmar gjer det mulig for robotar å røre seg rundt i til dels komplisert omgjevnader. Sjølvkøyrane bilar og sosiale robotar er ikkje lenger ein visjon, sjølv om dei ikkje er perfekte. Og vi har maskinelle jordbærplukkarar som er baserte på ein finstemt analyse av bilete.

2. Mennesket forstår alt i sanntid i ein gjeven situasjon, seier Dreyfus. Vi kan gjerne ha ei ryddig åtferd, men ho vil aldri bli regelstyrt. Forståing oppstår der og då ut ifrå informasjon som kjem som eit direkte produkt av den gjevne situasjonen, og som vi sjølve ofte er med på å påverke med handlingar og strategiar. Det er ikkje behov for reglar eller interne representasjonar. Kunstig intelligens-forskinga har teke fatt i dette òg. Utover 90-talet har ein hatt stadig nye framsteg i bruken av såkalla neurale nettverk. Desse brukar store mengder data saman med ein struktur som liknar på nevronar og koplingar mellom desse. Algoritmar lærer styrken på desse koplingane frå data. Resultatet er at program kan gjenkjenne personar, ting, hendingar og liknande utan spesifiserte reglar. Kvifor gjenkjenninga skjer, veit vi ofte ikkje, ikkje eingong dei som har laga algoritmen, men det verkar. Det er kanskje ikkje heilt som når eit barn lærer å forstå verda, men ein del likskapar finst det.

3. Mennesket har sunn fornuft, seier Dreyfus. Vi handlar intuitivt i eit miljø som er utruleg komplekst. Når vi har eit flatt dekk, veit vi kva handlingar som er meiningsfulle og ikkje. Jakta på ei løysing er ikkje retta mot eit enkelt mål, men dreier seg om kontinuerleg å vege ulike behov opp mot kvarandre. Dette inkluderer eit estimat av skaden ved å køyre vidare, kostnaden ved tapt tid og høvet til å få hjelp til å skifte hjulet.

Det har skjedd ei utviking her òg. I verdsveven har vi store mengder informasjon som kan lastast ned av datamaskiner, analyserast og brukast til å ta avgjerder. Kva er avstanden til næraste bilverkstad? Kor mykje kostar det med ein ny felg?

Kunnskapsgrafar er ein type maskinlesbare strukturar som kan organisere ålmennkunnskap som ein finn på veven, generelt eller innan eit spesielt domene. Og når kunnskapen er der, er datamaskiner dei beste til logisk resonnering. Dette er ei form for sunn fornuft, om ikkje akkurat slik Dreyfus forklarer det.

Denne historia fortel oss at kritiske teoriar frå akademia kan skape gode føresetnader for ny teknologi, fordi utviklarar ofte tolkar kritikken som ei utfordring dei må overvinne. Når dei har laga forbetra løysingar, må kritikarane i sin tur modifisera kritikken, og dette skapar atter nye utfordringar for teknologar.

Slik kan teoriar og praksis halde fram med å befrukte kvarandre i mange tiår. Dette har også skjedd på andre viktige område, slik som personvern og det å gjere teknologien meir brukarvenleg.

Lars Nyre og Bjørnar Tessem