tirsdag 28. desember 2021

Hva er intelligens?

Fra Fredriksstad Blad 28.12.21

Når vi hører ordet ”intelligent” ser vi ofte for oss en bustete forsker ved navn Albert Einstein. Einstein var unektelig intelligent. Ved hjelp av matematikk og tankekraft klarte han å utlede flere av fysikkens viktigste naturlover. Men hva er egentlig intelligens?

Hvis vi fortsetter å se for oss Einstein og arbeidet han gjorde kan vi si at intelligens er å ha evne til å løse avanserte problemer. Men det er mange andre kjennetegn ved intelligens. For eksempel evnen til å lære, evnen til å se mønster, evnen til å abstrahere og resonnere og evnen til å overføre kunnskap fra ett felt til et annet. I praksis handler intelligens om vår evne til å forutsi framtiden og planlegge deretter. Språk og matematikk kan være viktige verktøy i denne prosessen, men ikke nødvendige. Dyr som hunder og aper kan også sies å være intelligente. De senere år ser vi også at dataprogrammer kan være intelligente. Dataprogrammer kan nå løse avanserte problemer som for få år siden var forbeholdt mennesket. Det er dette som kalles kunstig intelligens.

Intelligens er med andre ord sammensatt. Man kan snakke om kreativ intelligens og emosjonell intelligens, og man kan være intelligent innenfor spesifikke områder, for eksempel matematikk eller språk. Mennesker som er intelligente innenfor ett område er ofte intelligente også innenfor andre områder. Allerede i 1904 publiserte den engelske psykologen Charles Spearman en artikkel som viste at engelske skolebarn som gjør det bra på skolen, gjerne gjør det bra i mange av fagene. Han så at dersom en elev gjør det bra i for eksempel engelsk, er det en ganske stor sannsynlighet at eleven gjør det bra også i matematikk. Dette var overraskende, da det ikke er en åpenbar overføringsverdi mellom de to fagene. Spearman mente at vi kan ha intelligens innenfor gitte, smale områder, og han definerte også en generell intelligensfaktor, ofte referert til som g-faktor, som var et mål på generell intelligens.

Innenfor kunstig intelligens skiller vi også mellom smal intelligens og generell intelligens. Kunstig smal intelligens er et dataprogram som er utviklet for å løse én spesiell oppgave. Det kan være et dataprogram som gjenkjenner en type kreft i medisinske bilder eller et dataprogram som kan spille sjakk. Det er lenge siden dataprogrammer var bedre enn de beste mennesker i sjakk, og nå ser vi at mennesket blir forbigått av kunstig intelligens i område for område. Dette gjelder ikke bare innenfor relativt enkle brettspill, det gjelder også for mer komplekse problemer som gjenkjenning av forskjellige objekter i bilder. Men, og dette er viktig, mennesker skiller seg likevel fra de mest kraftige dataprogrammene ved at mennesker har generell intelligens. Foreløpig er vi langt unna å lage kunstig generell intelligens. Det betyr også at vi er langt unna å kunne utvikle en robot som er lik oss mennesker og som kan hjelpe oss med å løse mange forskjellige typer oppgaver i hjemmet.

Det er intelligens som har ført til menneskehetens store fremskritt de senere årene, og som har gjort at vi nå lever langt bedre liv og har doblet levealderen de siste to hundre år. Vi er nå i startgropen av feltet kunstig intelligens, hvor intelligent programvare kan hjelpe oss med alt fra medisinsk diagnostisering og utvikling av nye medisiner til automatisering av prosesser i industrien og kanskje også selvkjørende biler. Denne intelligenseksplosjonen som vil skje de neste årene må Norge ta del i, og det er vi er godt skikket til å kunne gjøre.

Vi har en lang og god tradisjon i Norge for å forstå intelligensens byggestener gjennom fremragende hjerneforskningsmiljøer. I 1966 avdekket Terje Lømo viktige mekanismer for hukommelse i labben til Per Andersen ved Universitetet i Oslo, og arven derfra har gått videre og resulterte også i at Edvard og May-Britt Moser fikk Nobelprisen for sine oppdagelser av mekanismer bak stedsans.

Nå satses det også friskt på kunstig intelligens i Norge, blant annet ved at de fleste sterke akademiske institusjoner forener sine krefter i samarbeidet NORA.ai. NORA.ai er et bredt samarbeid innenfor kunstig intelligens i Norge. Når vi i NORA.ai i høst holdt en nordisk konferanse i kunstig intelligens var det både faglig interessant og symbolsk viktig at hjerneforsker og nobelprisvinner Edvard Moser holdt konferansens åpningsforedrag. 

Grunnlaget for kunstig intelligens er å ha gode algoritmer, gode datamaskiner (regnekraft) og ikke minst gode data. I Norge har vi en høy grad av digitalisering, og disse dataene kan være et springbrett for å utvikle gode algoritmer som kan hjelpe oss å løse komplekse problemer. Innenfor kunstig intelligens samarbeider akademia også i stadig større grad med næringsliv og offentlig sektor. Med fortsatt fokusert satsing kan vi i Norge øke vår intelligens og vår verdiskapning ved å ta i bruk intelligente dataprogrammer. Her må også Østfold og Fredrikstad kjenne sin besøkelsestid.

Det vil være uintelligent ikke å satse på intelligens.

mandag 27. desember 2021

Hvordan kan kunstig intelligens forstå tid og rom?

Fra forskning.no 28.08.21
Tid og rom er grunnleggende for universets eksistens, og menneskets intelligens er vårt verktøy for å navigere i tid og rom på en hensiktsmessig måte. Vår evne til å se inn i fremtiden er kritisk. Gjennom evolusjonen har menneskehjernen utviklet seg til et instrument som ikke bare oppfatter tid, rom og objekter, vårt nevrale nettverk predikerer også hva som kommer til å skje i nær framtid. Hva slags bane vil steinen du kastet ta? I hvilken retning faller treet? Hvordan kan du unngå å bli bitt av ormen som ligger foran deg? Hvor er barnet som går langs veien i ferd med å bevege seg?

I en del former for kunstig intelligens (KI) støter vi på lignende spørsmål. Hvis vi klarer å utvikle algoritmer som håndterer rom, tid og prediksjon av nær fremtid på en god måte vil samfunnet endre seg dramatisk. Algoritmene som brukt i selvkjørende biler er et slikt eksempel – bare tenk hvordan selvkjørende biler vil endre samfunnet!

Utvikling av selvkjørende biler handler om å lage maskiner som agerer på sine prediksjoner om framtiden i et miljø hvor rom og tid er essensielt. Når kunstig intelligens sitter bak rattet er det ikke bare kritisk at den følger trafikkreglene, men også at den bruker sine kameraer til å se og forstå hva som er i nærheten (persepsjon); at den kan forutsi andre bilers bevegelser, syklisters bevegelser og menneskers bevegelser (prediksjon); og at den kan agere på en hensiktsmessig måte (aksjon). Å forstå trafikkbildet, predikere andre objekters bevegelse og ikke minst selv foreta riktige aksjoner er et særdeles vanskelig problem og krever en sofistikert form for intelligens.

Tesla er firmaet som har kommet lengst når det gjelder å utvikle KI-algoritmer for selvkjørende biler. De arrangerte nettopp sin ”AI day”, hvor de forklarte hvordan algoritmene fungerte. Tesla viste også fram sine nye databrikker og supercomputere som de har utviklet for igjen å kunne utvikle fremtidens algoritmer for selvkjøring. Betimelig nok var første lysark i Teslas presentasjon en kjent fremstilling av hjernen og hvordan hjernens synssans er bygd opp. Hjernen og synssystemet er med andre ord inspirasjonen når Elon Musk og hans mannskap utvikler sine algoritmer.

Det som for meg er mest spennende med de nye metodene Tesla bruker er at alle prediksjoner blir gjort i det som kalles vektorrommet, som på mange måter er algoritmens ”mentale modell”. Prediksjoner av framtiden blir ikke foretatt på bilder eller film direkte. Filmene fra bilens kameraer blir først oversatt til en koherent og forenklet versjon av virkeligheten, omtrent slik hjernen gjør det. Her eksisterer biler, mennesker, syklister og andre objekter som forenklede objekter i maskinens ”mentale modell”, hvor hvert objekt har sine tilordnede koordinater i tid og rom.

En annen spennende utvikling er at tiden nå blir behandlet mer realistisk i Teslas algoritmer. Dette er i kontrast til tidligere utgaver av Teslas algoritmer, hvor kameraets film ble behandlet som enkeltbilder, noe som gjorde at virkeligheten ofte ikke ble koherent over tid. For eksempel ville en bil som et øyeblikk forsvant ut av syne bak en større bil forsvinne fra Teslaens mentale modell.  Med teknikkene Tesla nå bruker behandles tid og rom sammen. Som mennesker vet vi at selv om sikten vår blir hindret vil ikke en bil plutselig forsvinne. Bilen fortsetter å eksistere et sted både i virkeligheten og i vår mentale modell. Slik er det på mange måter nå også for Teslas algoritmer. 

Teslas utviklerteam har tatt inspirasjon for sine algoritmer fra hjernen og hvordan hjernen koder for tid rom og objekter. Innenfor dette temaet er Norge en høyborg for kunnskap. Edvard og May-Britt Moser er blant de i verden som har forsket mest på hvordan hjernen oppfatter rom og tid. I 2014 fikk de nobelprisen sammen med John O’Keefe for "their discoveries of cells that constitute a positioning system in the brain". Ved deres lab i Trondheim, The Kavli Insitute for Systems Neuroscience, har utallige studenter blitt utdannet innenfor samme fagfelt. Kan denne kunnskapen nå brukes for å inspirere og produsere ”norsk kunstig intelligens”? Det ser slik ut. Flere norske forskningsgrupper, blant annet Centre for Integrative Neuroplasticity (CINPLA, UiO) og Living Technology Lab (OsloMet), har den senere tid startet forskning i grensesnittet mellom nevrovitenskap og kunstig intelligens. Fagfeltet kalles bio-inspirert kunstig intelligens og er et fagfelt som er sterkt voksende internasjonalt. 

Og hva er vel da mer naturlig enn at når NORA arrangerer en nordisk konferanse i kunstig intelligens for unge forskere så holdes åpningsforedraget av hjerneforsker Edvard Moser og har tittel ”Space, time and memory in neural networks of the brain”? Jeg håper foredraget kan være til inspirasjon for fremtidens forskere innenfor kunstig intelligens og at disse to norske satsingsområdene, nevrovitenskap  kunstig intelligens, vil bindes enda tettere sammen. 


Ressurser
Edvard Mosers foredrag for Nordic AI Meet: Edvard Moser - Space, time and memory in neural networks of the brain


Teslas AI Day 2021