Det bygges kompetanse innen kunstig intelligens i Norge. Illustrasjonsfoto. (Bilde: Michel Royon / Wikimedia Commons)

Kunstig intelligens

5 spørsmål om kunstig intelligens

Slik jobber norske fagmiljøer for å bygge kompetanse innen kunstig intelligens.

Hvordan bygges norsk kompetanse innen kunstig intelligens?

Vi spør nestleder Morten Goodwin ved senteret for kunstig intelligens (CAIR) ved Universitetet i Agder.

– Hvordan defineres «intelligent» i denne sammenhengen?

– Kunstig intelligens (AI) er et enormt kraftig verktøysett bestående av algoritmer og dataprogrammer. Den kraftigste gruppen er algoritmer som lærer av seg selv i et miljø eller av treningsdata. Det betyr at vi ikke lenger trenger å programmere dataprogrammene i detalj, men isteden kan mate mange, mange eksempler. Det viser seg at denne måten å lage programmer på er enormt kraftig og grobunnen for den pågående revolusjonen innen kunstig intelligens. Intelligens er da evnen til å lære seg kunnskap uten at det eksplisitt blir programmert.

Morten Goodwin ved sender for kunstig intelligens (CAIR) ved Universitetet i Agder.
Morten Goodwin ved sender for kunstig intelligens (CAIR) ved Universitetet i Agder. Foto: Universitetet i Agder

– Hvorfor er personifisering av kunstig intelligens så interessant?

– For oss forskere er ikke personifiseringen interessant i seg selv, men mer et tegn på at den kunstige intelligensen forventes å bli så kraftig at den om ikke lenge blir like kapabel som oss mennesker. Da kan vi forholde oss til kunstig intelligens som personer. Vi kategoriserer gjerne kunstig intelligens inn i svak og sterk, hvor svak intelligens kun kan gjøre en oppgave, mens sterk intelligens kan gjøre mange oppgaver slik vi mennesker kan. En kunstig intelligens som f.eks. gjør medisinsk diagnostikk vil være definert som svak intelligent uavhengig av hvor mye riktig den gjøre det. Den er svak fordi den ikke kan gjøre noe annet enn oppgavene den er trent opp til. En sterk kunstig intelligens kan vi forholde oss til som en person.

Det norske forskningsmiljøet

– Hvem utgjør det norske forskningsmiljøet?

– De store pådriverne innen kunstig intelligens er internasjonale akademiske miljøer samt store firmaer med tilgang på mye data og regnekraft som Google. I Norge er det i hovedsak to miljøer. Ved NTNU/Telenor har de en AI-lab og ved CAIR har vi et tverrfaglig senter på kunstig intelligens. Vi har nå 16 aktive forskere med kompetanse innen teori, algoritmer og filosofi knyttet til kunstig intelligens. Vi vil mot slutten av året nå 25 ansatte. Våre ambisjoner er å nå superintelligens. Det betyr kunstig intelligens som går forbi menneskelige evner. Vi har definitivt muligheten til å hevde oss internasjonalt.

– Hva er viktigste fokus fremover?

– Kunstig intelligens er her allerede og brukes bl.a. aktivt av Google, Facebook og mange andre. Spådommen om at robotene kommer for å ta jobbene våre er en naturlig konsekvens av innovasjonen som skjer spesielt med en teknikk som heter Deep Learning. Viktigst framover er å forbedre teknikken for å gjøre enda vanskeligere og ekte oppgaver innen diagnostikk, finans, bildeklassifisering og sikre at forskningsmiljøet i Norge er med på revolusjonen som skjer.

Ønsker ikke at AI skal bruke hudfarge som kriterium

– Hvilke spesielle utfordringer møter denne teknologien?

– Kunstig intelligens vil definitivt gjøre livet enklere og bedre for alle. På et generelt grunnlag krever teknikkene mye data og mye regnekraft. Uten tilgang på data og regnekraft, kan vi overlate den kunstige intelligens til store firmaer som Google. En annen utfordring er utilsiktede konsekvenser av kunstig intelligens. La oss forestille oss en kunstig intelligens som sorterer jobbsøknader basert på historisk data. Vi vet at det er forskjeller i de historiske dataene basert på faktorer som kjønn og hudfarge. Hvite menn har gjort det bedre i samfunnet enn andre grupper, men det skyldes selvsagt ikke hudfargen eller kjønnet i seg selv. Vi ønsker ikke at den kunstige intelligensen bruker hudfarge som et kriterium i jobbsøkerprosessen, men for de kraftigste teknikkene er det ikke enkelt å forstå hvilke faktorer som påvirker avgjørelsene den tar.

Kommentarer (22)

Kommentarer (22)