Hvordan virker kunstig intelligens?
Kunstig intelligens styres ved hjælp af algoritmer, som mennesker udtænker. Algoritmerne styrer, hvordan den skal analysere og arbejde med de data, mennesker fordrer den med, for at løse de opgaver, mennesker stiller den.
Inga Strümke, som er ph.d i partikelfysik og forsker i kunstig intelligens, sammenligner algoritmerne med de instruktioner, du får, når du laver mad efter en madopskrift: Hvis du skal lykkes med at lave en ret, der smager godt, er det vigtigt, at alle instruktionerne om, hvad du skal gøre undervejs i processen, er tænkt med i opskriften, og at du følger dem i den rigtige rækkefølge (se kilde 3).
Algoritmerne er bygget forskelligt op. De ’gammeldags’ algoritmer består kort sagt af lange kæder af ja/nej-spørgsmål, mens de nye og mest komplicerede kan producere ny viden og skabe både tekst, billeder, lyd osv.
Hvornår opstod ideen om kunstig intelligens og hvordan har den udviklet sig?
Selvom forskningsfeltet kunstig intelligens først blev grundlagt i 1956, byggede ideen videre på de teknologiske landvindinger, som var gået forud. Allerede i 1843 lavede matematikeren Ada Lovelace verdens første algoritme til en mekanisk regnemaskine (se kilde 4). I 1937 beviste matematikeren Alan Türing, at det er muligt at lave maskiner, der kan udregne hvad som helst vha. algoritmer (se kilde 5).
Frem til 1990’erne mente forskerne, at vejen til at skabe intelligente maskiner var ’ekspertsystemer’, hvor vi styrer alle de valg, programmet skal foretage for at løse de opgaver, vi stiller den. Det sker fx ved hjælp af algoritmer bygget op i kæder, som giver maskinen mulighed for at afprøve et hav af muligheder for at finde det bedste svar.
I 1997 lykkedes det at udvikle en skakcomputer med så stor kapacitet, at den kunne slå verdens dygtigste skakspiller, fordi den på få sekunder kunne udregne udfaldet af alle de mulige træk.
Hvor langt er udviklingen af kunstig intelligens nået?
Kunstig intelligens er i dag baseret på to grundmodeller:
- Symbolsk læring, som er den model, man har brugt fra starten. Den efterligner menneskelig logik og er styret af algoritmer, hvor mennesker ned i mindste detalje har besluttet, hvordan computeren skal regne på de data, vi fordrer den med, for at finde frem til den løsning, vi beder den om.
- Maskinlæring, som man begyndte at forske i for 20 år siden, hvor programmet er selvlærende: Dvs. at algoritmen giver maskinen mulighed for på egen hånd at prøve sig frem og træne på meget store mængder data. Det gør det muligt for den at udvikle ny og anderledes viden, end menneskehjernen er i stand til: I stedet for at et menneske skal programmere computerens handlemuligheder ned i mindste detalje, bliver computeren programmeret til selv at prøve sig frem ved at kombinere de data, den bliver fodret med, på alle mulige måder. Derfor udvikler den med en ny viden, som mennesker ikke altid selv vil kunne finde frem til (se kilde 5).
Maskinlæring kan bygges op på forskellige måder. Den mest avancerede er ’neurale netværk’ og ’deep learning’ – superstjernen indenfor kunstig intelligens, som fx forskeren Inga Strümke kalder den: Den har gjort det muligt at udvikle chatbots og andre programmer, som kan tale med os, genkende ansigter, lave kunst, skrive tekster, styre biler, lave fake news, overvåge os og uendeligt mange andre ting (se kilde 3).
Hvordan fungerer neurale netværk?
Neurale netværk i computerprogrammer forsøger at efterligne den måde, menneskers hjerne fungerer på, når vi lærer: Vi kan opbygge erfaring og lære nyt, fordi neuronerne i hjernen kan kommunikere med hinanden og sende og modtage elektriske signaler i et kæmpe netværk.
De neurale netværk består af et enormt antal små kunstige neuroner – ’noder’ – som ligger i lag og sender signaler til hinanden. Når en node får et input fra en anden node, beregner den på den og sender så et output videre til andre noder (se kilde 1 og 3).
På den måde spiller noderne sammen med hinanden på kryds og tværs af mange lag af noder med millioner af kombinationsmuligheder. Når maskinen finder ud af, at nogle kombinationer af noder, der kobler sig sammen, kan føre til en vellykket løsning på opgaven i den sidste ende, kobler maskinen netop de noder stærkere sammen (se kilde 1 og 3).
Hvad er deep learning?
Måden, de mange noder og lag sættes sammen på i det enkelte program, kaldes ’netværkets arkitektur’, og med den rigtige arkitektur og de rigtige data er neurale netværk i stand til at løse hvad som helst: De mange lag giver mulighed for ’deep learning’, og dermed for generativ (skabende) kunstig intelligens. Fx i form af chatbot’s, MidJourney og DallE, der selv kan skabe nye tekster eller billeder (se kilde 1).
Et stort problem ved de neurale netværk er dog, at vi ikke præcist ved, hvorfor en node opfatter ét input som bedre end andre (se kilde 3). Det stiller os overfor et grundlæggende dilemma: Vi kan ikke forudse, om de beslutninger, det neurale netværk træffer, vil være i overensstemmelse med fx de demokratiske værdier og den etik og moral, vores samfund bygger på, forklarer forskeren Inga Strümke:
Selvom maskinlæring er en effektiv og slagkraftig måde at hente information fra data på, er der stadig mange små subtile ting, man skal være forsigtig med. Modellen plukker det ud, som den finder nyttigst i data – ikke det, vi mennesker tror eller ved er vigtigst.
Strümke påpeger derfor, at en af de største risici er, at neurale netværk skaber sammenhænge, der er skadelige, og som mennesker ikke har forudset. Derfor er det i nogle situationer sikrere at blive ved med at bruge programmer baseret på symbolsk læring, hvor programmets beslutninger kan gennemskues af mennesker (se kilde 3).
Fungerer kunstig intelligens ligesom vores hjerne?
I midten af det 20. århundrede, hvor kunstig intelligens blev til et forskningsfelt, mente forskerne, at enhver måde, vi tænker og lærer på, kan omsættes til en algoritme, som gør det muligt for maskinen at efterligne menneskets hjerne.
Det skulle dog vise sig at være langt sværere at lave selvtænkende intelligente maskiner, end forskerne regnede med. I 1984 advarede en af dem, John McCarthy, om, at kunstig intelligens mangler sund fornuft, ikke er selvkritisk og ikke forstår sin egen begrænsning (se kilde 6).
I dag er det fortsat ikke muligt at efterligne den måde, den menneskelige hjerne fungerer på, når det gælder fx intuition og kreativitet, selvom kunstig intelligens er lynhurtig til at regne og på få sekunder kan finde frem til en løsning, som det ikke ville være muligt for mennesker selv at finde frem til, eller som det ville tage mennesker årevis selv at udregne.
Derfor kaldes de programmer, der er mulige at udvikle i dag, for ’svag kunstig intelligens’, og svaret på, om det en dag bliver muligt at kunne lave programmer baseret på ’stærk kunstig intelligens’ eller ’kunstig generel intelligens/Artificial General Intelligence (AGI)’, som det også kaldes, ligger fortsat fjernt i horisonten.
Det eksisterer indtil videre kun i fx science fiction-film, hvor robotter har følelser og er svære at skelne fra mennesker. Mange forskere tvivler også på, at det nogensinde bliver muligt at udvikle maskiner, der bliver så gode til at forbedre sig selv og deres egenskaber, at de ender med at være mennesket overlegent på alle måder (se kilde 3).
BOKS: Tal og grafer
Tænketanken Mandag Morgen vurderer, at hver tredje borger i Danmark i 2023 brugte programmer baseret på kunstig intelligens som fx ChatGPT og MidJourney. Af dem er 39 procent under 30 år. Læs mere om brugen af kunstig intelligens i Danmark: https://taenketanken.mm.dk/ny-undersoegelse-1-af-3-danskere-bruger-nu-ai/.Se grafik her: https://algoritmer.org/befolkningsundersoegelse/forside/2023-2/nye-teknologier/
Hver tredje dansker over 18 år er positivt indstillet overfor kunstig intelligens, mens næsten hver femte har en negativ holdning. 67 % mener, at der er behov for politisk regulering af adgangen til og brugen af kunstig intelligens, mens hele 23 % mener, at man helt bør stoppe udviklingen af og adgangen til kunstig intelligens. Find flere tal om holdningen til kunstig intelligens og dens udtryksformer i PwC/Epinions undersøgelse fra 2023: https://www.pwc.dk/da/publikationer/2023/survey-danskernes-holdning-til-ai.pdf.
Hver fjerde danske virksomhed brugte kunstig intelligens i 2021. Det gælder først og fremmest information og kommunikationsvirksomheder, hvor 55 % bruger kunstig intelligens, mens bygge- og anlægsvirksomheder ligger i bund med 9 %. Automatisering af arbejdsgange er den måde, de fleste virksomheder brugte kunstig intelligens på i 2021, mens maskinlæring og tekstanalyse lå på hhv. 2. og 3. pladsen. Find flere tal om virksomhedernes brug af kunstig intelligens hos Danmarks Statistik her: https://www.dst.dk/da/Statistik/nyheder-analyser-publ/nyt/NytHtml?cid=31880
Se også statistikker her om børn og unges digitale liv i rapporten Børns digitale liv og hverdagen med internet & sociale medier, udgivet af Algoritmer, Data og Demokrati, RUC og Mandag Morgen, 2022-23
https://algoritmer.org/boerns-digitale-liv/
