Vad är artificiell intelligens (AI)?

Artificiell intelligens innebär att en dator utför uppgifter som normalt kräver en människa.

AI diskuteras överallt idag. Det talas om robotar som skall ta över våra arbetsuppgifter, göra människan sysslolös, obehövlig. Vården, ekonomin, infrastrukturen och allt annat kommer styras av AI.  Detta har gjort att många har en negativ bild av AI och farhågorna är många. Onekligen kommer AI-revolutionen förändra livet på jorden men det kommer att ske successivt och människan kommer alltid ha en central plats i tillvaron. Faktum är att ju fler arbetsuppgifter AI tar över, desto mer tid finns för oss att utveckla ny kunskap och nya färdigheter.

Människan har drömt om AI sedan 1950-talet, då man för första gången började fantisera om maskiner som kunde tänka och lära sig. Sedan dess har AI haft en brokig väg fram till dagens framgångar. AI har pendlat mellan rampljuset och soptippen konstant sedan 1950-talet. Det var först år 2012 som AI förändrade världen.

Gammal AI

Tidiga former av AI innehöll faktiskt ingen “inlärning” utan man skapade datorprogram som bestod av regler. Den typen av AI kallas expertsystem eller symbolisk AI (eng. expert systems, symbolic AI) och är egentligen inte äkta AI. Ett expertsystem kan dock var användbart. Föreställ dig exempelvis ett datorprogram som ger dig råd om huruvida du kan köpa ett par skor (Figur 1). I programmet har man definierat regler som utvärderas och sedan får användaren råd, baserat på information som användaren matar in. Alla reglerna är på förhand specificerade av människan och det sker ingen inlärning. Rådgivningen följer helt enkelt ett flödesschema. Även om detta kan tyckas primitivt så kan denna typ av AI vara mycket användbar.

Man trodde inledningsvis att mänsklig förmåga kunde uppnås om man lyckades programmera tillräckligt många och tillräckligt bra regler som datorn kunde följa men så var inte fallet. Det visar sig att metoden är otillräcklig. Den saknar flexibilitet, kan inte beakta mer komplexa situationer; reglerna kan inte tillämpas på andra uppgifter (ett program som kan spela schack kan inte användas för att spela backgammon); i många situationer blir det praktiskt omöjligt att definiera alla tänkbara regler och dessutom behövs experter för att kunna skapa reglerna. Förklaringen till detta är att symbolisk AI inte inbegriper någon faktiskt inlärning (eng. learning).

Modern AI

Nästan all AI idag inbegriper maskininlärning (eng. machine learning), som innebär att datorn lär sig på egen hand.  Datorn studerar och lär sig mönster i data, varefter den automatiskt skapar regler.

Föreställ dig att vi försöker skapa en algoritm som kan avgöra om en patient har cancer och till vår hjälp har vi två blodprover. För att lösa denna uppgiften med maskininlärning behöver vi exempeldata: vi behöver många exempel på patienter och för varje patient behöver vi information om  blodproverna samt om de hade cancer (Figur 2). Låt oss säga att vi har en stor databas med patientjournaler, där det finns information (för varje enskild patient) om blodprover samt om patienten hade cancer. Denna typ av data kan analyseras med maskininlärning, vilket innebär att datorn studerar mönster som finns i journalerna för att hitta samband mellan blodprover och cancer. Utifrån dessa mönster skapar datorn regler. Syftet med detta är att använda reglerna för att bedöma om en framtida patient har cancer. Detta görs genom att mata in den nya patientens blodprover i algoritmen, som då kan berätta hur sannolikt det är att patienten har cancer. Följande är viktigt att beakta:

1. Man behöver exempeldata för att skapa algoritmen. Exempeldata används för att studera samband mellan blodprover och cancer. Detta är själva inlärningen eller träningen. Exempeldata kan även kallas träningsdata.
2. Datorn lär sig sambandet mellan blodprover och cancer genom att studera många patienter som sannolikt genomgått många utredningar och bedömts av flera läkare. Det innebär att maskininlärningen matas med alla utredningar och läkarbedömningar. Maskinen kommer därför besitta alla läkarnas samlade erfarenhet.
3. Ju fler patienter som ingår i träningen och ju skickligare läkarna är, desto bättre blir reglerna/algoritmen som skapas. Således är det människans intelligens som ligger till grund för maskinens.
4. De mönster som finns i data dechiffreras av en matematisk funktion. Det finns många olika matematiska funktioner för inlärning (diskuteras senare). Dessa funktioner är flexibla och kan hitta mönster (och därmed skapa regler) i många olika typer av data (cancerpatienter, kunder i en webbutik, bilder på olika djur, försäljningar av bostäder osv).
5. Denna typ av AI, där datorn löser en specifik uppgift, kallas specifik AI (eng. narrow AI).
6. Algoritmen kommer vara bra på att förutsäga vilka patienter som får cancer men den kan sannolikt inte användas för att förutsäga vilka som får hjärtattack. Detta beror på att algoritmen tränades på ett enda specifikt utfall: cancer.

Man kan ifrågasätta om detta kan klassificeras som intelligens. Att använda en matematisk funktion för att lösa en enda uppgift. Men faktum är att dessa metoder fungerar utmärkt även för att lösa mycket komplicerade uppgifter. Genom att använda beräkningskraften i datorer kan algoritmerna bli mycket imponerande. Föreställ dig att vid har en databas med 1000 olika blodprover. Hur många läkare kan beakta alla dessa blodprover för att bedöma om någon har cancer? Ingen läkare, men för AI är detta en extremt uppgift.

Maskinen är (ännu) inte människa

Att skapa AI som besitter människans intellekt är ingen lek. Människans intellekt kännetecknas av förmåga att bearbeta olika typer av information (data), integrera data och reagera på ett meningsfullt sätt med känsla, fantasi och konsekvenstänkande. Att lösa uppgifter, förstå tal, genera tal, tolka känslor, drömma, resonera, lida, älska, minnas och uppvisa konsekvenstänkande är några exempel på vår intellektuella förmåga. Människan har dessutom en fantastisk förmåga att lära sig fort. Om en 2-åring får se en eller två bilder på en giraff så kan barnet oftast avgöra om det finns en giraff på nästa bild. Med artificiell intelligens behövs inte sällan tusentals bilder på giraffer för att lära datorn skall förstå hur en giraff ser ut. Människan har dessutom en utsökt förmåga att överföra sitt lärande från en domän till en annan. En person som duktig på fotboll kan tillämpa sina färdigheter i andra bollsporter också. Detta klarar (i dagsläget) inte artificiell intelligens; varje enskilt AI-program klarar en uppgift och i princip bara den uppgiften.

Vidare är människan en enormt kreativ varelse. Varje dygn genererar människor på jorden enorma mängder ny kunskap, nya uppfinningar, ny konst, ny musik och nya byggnadsverk. Man har förvisso lyckats skapa AI som producerar musik och målar bilder, vilket ofta resulterat i överraskande och (för oss) udda kreationer. Men till skillnad från AI är människans kreativitet tyglad av konsekvenstänkande, rädsla och medkänsla. Dessa kvaliteter finns inte i ett AI-program. Föreställ dig ett AI-program vars uppgifte är att diagnostisera cancer; i det fallet kan otyglad kreativitet bli ödesdigert för patienten.

Generell AI

AI-forskningens ultimata mål är att imitera människans fulla kapacitet. Denna typ av AI kallas generell AI och existerar inte idag. Däremot har enorma framgångar rönts inom specifik AI (eng. narrow AI) vilket innebär förmåga begränsad till en eller ett par uppgifter. Specifik AI ökar sin närvaro i samhället och du använder det säkerligen redan på många vis.