Debatt ● Leif Christian Lahn

KI-forskningens framtid — uten «Kunstig intelligens»

Debatten om KI drives frem av en fortelling om et kappløp mellom maskin­intelligens og menneskelig intelligens. Dette imaget utløser både frykt for en ukontrollerbar superintelligens og mye penger. Men er det fruktbart for utviklingen av feltet?

Kunstig intelligens, KI, robot, artificial intelligence, AI
Publisert

Denne teksten er et debatt­inn­legg. Inn­holdet i teksten uttrykker forfatterens egen mening.

30. november markerte ettårsdagen for frisleppet av ChatGPT, og siden har debatten om KI (kunstig intelligens) hatt pandemisk karakter — med flere utbrudd i Khronos spalter. Vill begeistring står mot frykt og et sterkt ønske om kontroll, noe som delvis gjenspeiles i diskusjoner av ekstramilliarden til KI-forskning. 

En tilstand som minner meg om tida for snart 40 år siden da jeg fikk en romslig bevilgning fra Norges allmennvitenskapelige forskningsråd (NAVF) til å forske på KI og utviklingen av ekspertsystemer. 

Også denne såkalte «første bølgen» med KI-forskning var drevet fram av sterke geopolitiske krefter — mer spesielt Vestens behov for å møte japanske digitaliseringsinitiativ. Samtidig fikk toneangivende KI-forskeres urealistiske spådommer om maskinens beseiring av menneskelig intelligens motbør i den akademiske diskursen — i form av «Mind over machine». 

Fortellingene om et kappløp mellom maskinintelligens og menneskelig intelligens er fortsatt gangbare i framstillinger av KI som fagfelt og knytter an til myter om blant annet ukontrollerbar superintelligens. Et image som utløser frykt og mye penger. 

Vill begeistring står mot frykt og et sterkt ønske om kontroll, noe som delvis gjenspeiles i diskusjoner av ekstramilliarden til KI-forskning. 

Leif Christian Lahn

Tiradene opprettholdes av det jeg vil omtale som KI-forskningens sterke program — the Strong Programme of Artificial Intelligence (forkortet SPAI); de faglige ambisjonene om å skulle utvikle digitale maskiner som simulerer menneskelig intelligens forstått som nevrale mekanismer i hjernen. En slik posisjonering frambringer ufruktbare og luftige diskusjoner av holdbarheten i analogien mellom maskinintelligens og menneskelig intelligens. Hva er likt og hva er ulikt? 

Et par innlegg i Khrono det siste året har vært viet slike problemstillinger, og i populære framstillinger som f.eks. den prisbelønnede til Inga Strümke, er temaet gjennomgående til stede på en direkte eller indirekte måte. Sentrale begreper som «dype nevrale nett», «synapser» og hele rekken av læringskategorier («dyp læring», «forsterket læring», «livslang læring», osv.) omtales som om KI repliserer mekanismer i den menneskelig hjerne.

I stedet for denne diskusjonen av analogiens holdbarhet burde både tilhengere og motstandere av SPAI og programmets motstandere være tydeligere opptatt av dens fruktbarhet for utviklingen av fagfeltet. Hvordan kan teorier om menneskelig intelligens gi inspirasjon til nye systemdesign eller arkitekturer for digital analyse m.m., og omvendt hvordan kan utprøvingen av statistiske og matematiske modeller for oppgaveløsning bidra med ideer til studier av menneskelig læring.

I noen grad er en slik vekselvirkning på et teori- og modellgenererende nivå akseptert innen SPAI, men fortsatt er sammenligningen av ting og ting — maskin og hjerne — et dominerende perspektiv. Som nevnt, går denne tingliggjøringen og nærsyntheten lettere sammen med forestillinger om konkurranse enn om samspill mellom maskin og hjerne. Det sistnevnte som forskning på hvordan generativ teknologi bidrar til en utvikling av menneskelig kompetanse.

Et tydeligere samspillsperspektiv betyr også et skifte i figur og grunn. En dings som ChatGPT og dens underliggende modeller vil fortsatt være til stede som figur, men grunnleggende forskning på analyseverktøyene bør også trekke inn bakgrunnsfaktorer som f.eks. digital infrastruktur i metodeutviklingen. I NFRs nylig publiserte oversikt over høringsinnspill til retningen på «KI-milliarden» framhevet flere tunge miljøer innen norsk KI-forskning at variasjonen i brukeromgivelsenes (økonomi, helse, industri, transport, undervisning m..) risikovurderinger må ivaretas når man designer robuste og forsvarlige KI-løsninger.

Norge og Skandinavia har en lang og anerkjent tradisjon med brukermedvirkning i utvikling av digitale systemer (participative design) som bør videreføres og styrkes i møte med ny generativ teknologi.

Leif Christian Lahn

I en tidligere meningsutveksling i Khrono (Kannelønning vs. Krogh og Irgens) om «KI-milliarden» settes forskning på teknologiutvikling opp mot studier av konsekvenser og bruk. Et slikt skille får lite oppslutning fra høringssvarene i den nevnte NFR-undersøkelsen og er lite forenlig med en utvidet forståelse av KI-forskning. Norge og Skandinavia har en lang og anerkjent tradisjon med brukermedvirkning i utvikling av digitale systemer (participative design) som bør videreføres og styrkes i møte med ny generativ teknologi. 

Det slår meg at mye av diskusjonen rundt KI og demokrati har vært preget av frykt og fortegnelser av SPAI-scenarioer med rigide kontrollregimer som motsvar. Den deliberative tradisjonen der relevante aktører deltar i utviklings- og implementeringsprosesser har fått mindre oppmerksomhet — dette til forskjell fra digitaliseringsbølgen i Norge for 40 år siden da avdøde prof. Kristen Nygaard m.fl. ledet flere grunnleggende forskningsprosjekter der slike perspektiver var framtredende.

Dagens reguleringsdiskurs vanskeliggjøres av SPAI og mystifikasjonene assosiert med begrepet «Kunstig intelligens». Det opprettholder uklare forestillinger om hva som skal være gjenstand for kontroll og hvilke grep som bidrar til forsvarlig utvikling av fagfeltet. 

Hvorfor ikke skrote den problematiske hjerneanalogien og alle de luftige læringsformene til fordel for et mer presist og teknisk vokabular som muliggjør en mer nyansert vurdering av framskritt og utfordringer innenfor delområdene? Denne mer pragmatiske enn programmatiske tilnærmingen er kanskje ikke salgbart når fagfeltet ønsker konsolidering og opprettholdelse av en prestisjefull merkevare, men som nevnt kan kostnadssidene blir store ved å holde på SPAI. 

En liten flik av «KI-milliarden» kunne vært satt av til en vitenskapshistorisk og kritisk diskusjon av fagfeltets posisjonering, strukturering i delområder og tverrfaglig profil. Et beskjedent prosjekt som kan starte i periferien og uten hastverk, men med impact som monner og som kan overgå de noe urealistiske forventningene enkelte KI-forskere har til norske gjennombrudd på fagfeltets såkalte grunnmodeller. 

Et første steg i avviklingen av SPAI — the Strong Programme of Artificial Intelligence — som bør ha sett sine beste dager noen tiår tilbake.

Powered by Labrador CMS