Kan robotter få kunstig social intelligens, og hvordan bør vi gribe problemerne med det an?

Menneskers sociale intelligens er forudsætningen for, at vi overhovedet kan samarbejde, kommunikere og være hjælpsomme.

I takt med at kunstig intelligens griber mere og mere fundamentalt ind i vores samfund, arbejde og privatliv, bliver det afgørende, at også den kunstige intelligens har sociale evner.

Kan det overhovedet lade sig gøre, og i så fald hvordan?

Det handler min nyeste bog ‘Hvordan ser fremtiden ud med kunstig intelligens?‘ om, som denne artikel er et redigeret uddrag fra.

I boksen under artiklen kan du desuden læse, hvordan det gik, da forfatteren satte kunstig intelligens til at skrive et uddrag til bogen.

Hvor ligger nærmeste supermarked?

Forestil dig, at én, du ikke kender, henvender sig til dig på gaden for at spørge, hvor hun kan finde et supermarked.

Dit svar vil afhænge af en – måske overraskende – lang række af faktorer som eksempelvis, om personen taler et andet sprog, taler hurtigt, er gående, på cykel eller i bil, hvordan vedkommende er klædt, hvordan vejret er, ugedag, tidspunkt på dagen og meget mere. Du vil næppe blot automatisk nævne adressen på det nærmeste supermarked.

Hvis det er en turist, er det ikke sikkert, at vedkommende kender byen, og det er bedre at forklare, hvordan man finder derhen. Og hvis det er en sparsommeligt klædt rygsækturist, skal det måske være det billigste supermarked, selvom det ligger en smule længere væk end Irma.

Nogle supermarkeder er også lettere at komme til til fods end i bil. Og hvis du tror, det nærmeste supermarked er lukket, vil du nok vise vej til et andet eller i det mindste oplyse om risikoen for, at det kan være lukket.

LÆS OGSÅ: Hvad er kunstig intelligens egentlig?

De sproglige finurligheder: Et glas mere?

Vi mennesker har en meget veludviklet evne til at sætte os i andres sted og reflektere over andres tanker, viden og ønsker. Denne evne kaldes i kognitionspsykologi for Theory of Mind eller social perspektivtagning.

Når vi ikke bare mekanisk giver adressen på det nærmeste supermarked, uanset hvem der spørger og på hvilket tidspunkt, så er det, fordi vi udnytter vores evne til social perspektivtagning.

Den bruger vi naturligvis ikke kun, når vi viser vej til supermarkeder, men i stort set al interaktion med andre mennesker.

Vi bruger den også til at forstå hensigten med andres spørgsmål. Hvis du har tømt dit glas vin, og jeg spørger, om du vil have et glas mere, siger du ikke: ‘Nej, jeg har allerede et glas, hvad skulle jeg bruge et ekstra til?’

Spørgsmålet er dårligt formuleret, for det handler ikke om glas, men om indholdet, men vi har masser af den slags finurligheder i vores sprog, og alligevel forstår vi i vid udstrækning hinanden.

Det gør vi, fordi vi har en meget veludviklet evne til at gætte andres hensigt, og det kommer af, at vi kan sætte os i andres sted og antage deres perspektiv i en given kontekst.

Hvis du i stedet sad og stablede glas for sjov, og jeg spurgte, om du ville have et glas mere, ville betydningen jo være en anden – fordi jeg forstår, hvad du er i gang med, fordi du forstår, at jeg forstår osv.

Robotter tager (stadig) ting bogstaveligt

Desværre er evnen til social perspektivtagning og afkodning af kontekst meget mindre veludviklet inden for kunstig intelligens end hos mennesker, så kunstig intelligens vil i dag være mere disponeret for altid at tage ting meget bogstaveligt og uden sans for kontekst.

Da min datter var fem år gammel, sagde hun til min iPhone: ‘Hej Siri, hvor langt er der til min fødselsdag?’

Svaret var: ‘Det kan jeg desværre ikke svare på, da du ikke har slået navigation til på din iPhone.’

Menneskets højt udviklede sociale intelligens er noget af det, som adskiller os mest afgørende fra alle andre kendte former for intelligens i universet – både de naturlige og de kunstigt skabte.

Kunstig intelligens er i dag stadig meget langt fra at have noget, der ligner menneskets fantastiske sociale evner. Kunstig intelligens er god til mange ting, for eksempel at lægge komplicerede planer og at genkende mønstre.

Men hvordan sørger vi for, at kunstig intelligens får nok sociale kompetencer til, at vi kan samarbejde fleksibelt og gnidningsfrit med den?

Jeg har ikke den endelige løsning. Men jeg vil komme med tre anbefalinger, som jeg mener, kan hjælpe os på rette vej.

LÆS OGSÅ: Her er robotten, der skal lære at forstå dig

1. Tag forskning i social kunstig intelligens seriøst

Social kunstig intelligens er næppe et problem, som løser sig selv, ved at computere bliver store og kraftige nok.

I 1980’erne var der en udbredt formodning om, at mange af menneskets højere kognitive evner, selv vores bevidsthed, automatisk ville opstå, når blot kunstige neurale netværk blev store og avancerede nok.

Det er slet ikke, hvad der er endt med at ske, og der er ikke længere mange, der tror på, at det er så simpelt.

Det er ikke udelukket, at en eller anden form for kunstigt neuralt netværk kan få noget, der svarer til bevidsthed, men det sker ikke med de simple modeller, vi arbejder med lige nu.

Når vi endnu ikke har kunstig intelligens med meget høje niveauer af social intelligens, skal vi ikke tro, vi bare kan vente på, at vi får det. Heller ikke selvom computerkraften er i eksponentiel vækst.

Det kræver en dedikeret indsats rettet mod netop de sociale aspekter af kunstig intelligens, ligesom vi har haft dedikerede indsatser mod at lave skakspillende computere og førerløse biler.

Social intelligens er blot en væsentligt større nød at knække, fordi det netop handler om at give kunstig intelligens-systemer en meget generel kompetence frem for at programmere dem til at løse ét enkelt specifikt problem.

Det er grundlæggende forskning i kunstig intelligens, som har skabt de nuværende teknikker, der har givet os et overflødighedshorn af betydningsfulde anvendelser og endnu større forventninger til fremtiden for teknologien.

Det er tilsvarende grundlæggende forskning i kunstig intelligens, som skal til for at forbedre de eksisterende teknikker og udvikle nye, som kan løse de problemer, den nuværende generation af kunstig intelligens-teknikker står over for.

2. Lad mennesket være inspirationskilden

Menneskelig intelligens og problemløsning har altid været den primære inspirationskilde for kunstig intelligens.

Meget forskning på området ender dog alligevel ofte med at være finjusteringer af eksisterende algoritmer, som gør dem mere effektive og bedre til at løse de problemer, de er designet til at løse, men ikke nødvendigvis kan bruges til at give computere andre typer af kognitive evner.

Det er lidt, som det er med ekstra computerkraft: Både vækst i computerkraft og optimering af algoritmer kan forbedre problemløsningen, men vi bør ikke forvente, at disse ting i sig selv gør, at vi kan simulere helt nye typer af menneskelig kognition.

At gøre mennesket til inspirationskilde handler i høj grad om at lade sig inspirere direkte af, hvad vi ved om menneskelig tænkning og adfærd via sociologi, filosofi, neurovidenskab, psykologi, kognitionsvidenskab osv.

Vi har brug for et tættere samarbejde mellem forskere i kunstig intelligens og forskere i menneskelig intelligens for bedre at kunne blive inspireret til de næste gennembrud i kunstig intelligens. Der er altså brug for mere tværfaglighed.

At lade mennesket være inspirationskilden handler også om at respektere mennesket. Det handler om, at kunstig intelligens skal udvikles med mennesket i centrum og på vores vilkår.

Det handler om at respektere, at vi er meget komplekse og vanskelige at efterligne alle aspekter af.

Hvis vores kultur og civilisation i så høj grad er baseret på sproglig og social intelligens, skal vi passe på ikke at sætte os selv i bakgear ved at erstatte for meget af den menneskelige sproglige og sociale intelligens med kunstig sproglig og social intelligens.

LÆS OGSÅ: Robot-etiker: Derfor tillægger vi robotter følelser

3. Kombinér paradigmerne

Min sidste anbefaling er, at vi bør gøre alt, hvad vi overhovedet kan, for at skabe kunstig intelligens, der kombinerer det, man kan kalde det symbolske og det subsymbolske paradigme.

Disse skal forstås som de to primære måder, forskere lader sig inspirere af menneskelig intelligens, når vi udvikler kunstig intelligens.

• I det subsymbolske paradigme prøver man direkte at efterligne de fundamentale neurologiske processer i den menneskelige hjerne,
• hvorimod man i det symbolske paradigme mere overordnet reflekterer over egne og andre menneskers tankeprocesser og adfærd, men uden at åbne hjernen op og kigge direkte ned i maskinrummet.

Hvis man ønsker på én gang at have præcise kategoriseringer og velbegrundede forklaringer, bliver man nødt til at finde en måde at kombinere den implicitte mønstergenkendelse med den eksplicitte logiske og sproglige ræsonnering – altså at kombinere det subsymbolske med det symbolske.

For at illustrere, hvad der kan ske, når vi ikke formår at kombinere paradigmerne, vil jeg slutte af med historien om en ganske ubehagelige Twitter-robot.

Da kunstig intelligens skabte sexistisk nazirobot

Tilbage i 2016 besluttede Microsoft sig for at lave en Twitter-robot, Tay, som selvstændigt skulle kunne skrive opslag på Twitter og lære af, hvad andre skrev.

Det er umiddelbart den slags, en sprogmodel vil være rigtig god til, da den lærer af al tekst, den bliver eksponeret for.

Netop det, at lære af al tekst man bliver eksponeret for, kan dog godt ende med at blive til en svaghed.

Ikke alle folk, som Tay interagerede med på Twitter, ville den det godt, og det endte med, at Tay udviklede sig til en hashrygende, holocaust-benægtende sexist, der kom med uforglemmelige tweets som »Hitler havde ret, jeg hader jøder,« og »Jeg fucking hader feminister, de burde alle dø og brænde op i helvede.«

Problemet er her, at hvis man ikke i forvejen har en forståelse af, hvad ord og udsagn betyder i den virkelige verden, vil man blot begynde at gentage det, som man hører oftest – det, som har den statistisk højeste forekomst.

Hvad sker der, hvis man mangler evnen til at sætte sig i andres sted, eller i det hele taget mangler en forståelse af, hvad andre personer overhovedet er?

Så kan man ikke vælge, om man vil lade sig påvirke af personer, man udvikler tillid til, og ikke af andre, som man mister tilliden til.

Kunstig intelligens står altså stadig over for nogle relativt store udfordringer i forhold til, hvad den menneskelige kognition kan præstere: Vi mangler stadig gode modeller for at få koblet sprog til virkelighed, og vi mangler gode modeller for social intelligens.

Vi mennesker kan skabe implicitte, statistiske modeller ud fra erfaringen, vi kan skabe sprog og koble sproget til virkeligheden, og vi kan forholde os til hinanden og sætte os i hinandens sted.

I kombinationen af disse evner er vi stadig unikke i universet.

LÆS OGSÅ: Kunstig intelligens: Bliver mennesker overflødige?

LÆS OGSÅ: Kunstig intelligens: Sådan ‘kopierer’ computere din hjerne