Nordic Future Forum: Verdenseliten i «kunstig intelligens» kommer til Oslo i januar.

Tekst: Morten Iversen

Den 27. og 28. januar arrangeres «Nordic Future Forum: Artificial Intelligence 2020-2025». En konferanse med foredrag fra mer enn femti eksperter innen Kunstig Intelligens (KI). Alt direkte overført fra DNBs New Tech Lab midt i Oslo. Vi har snakket med tre av dem.

Dr. Asle K. Berger – Nordic Future Forum

– Drivkraften bak dette store, faglige løftet er et ønske om å samle eksperter fra mange felt for å kaste lys over de nordiske landenes naturlige fortrinn, lange historie og brede ekspertise når det kommer til «Kunstig Intelligens» sier Dr. Asle K. Berger, styreleder i Nordic Future Forum.

Faglig påfyll fra øverste hylle

Ifølge Dr. Berger er vi i Norden verdensledende på flere av de teknologiene som til sammen utgjør grunnsteinen i det tidkrevende og komplekse byggverket som kan bli fremtidens KI. For eksempel nettverksteknologi, mobil 5G, utdanning og kompetanse. I tillegg har vi en høy grad av digital penetrasjon i befolkningen og enorme mengder grunndata. Det er av den grunn naturlig at en slik konferanse arrangeres i Norden.

– Den gryende digitale intelligensen er bygd på en rekke ytterst ulike teknologier, tung forskning og dyktige menneskers innsats over tid. Nettopp fordi feltet er så mangefasettert er det viktig å skape en møteplass. Dermed får alle de smarte fagfolkene – fra en jungel av miljøer – som hver dag bærer fram nye byggeklosser, tester uprøvde angrepsvinkler og flikker på gårsdagens laurbærblad, en arena hvor man kan snakke tverrfaglig og se hva som rører seg på andre felt, sier Dr. Berger, som i kraft av sine ferdigheter har fått jobbe med de dyktigste folkene og på de aller største maskinene i mer enn femti år. Han var blant annet sterkt delaktig da Stortinget punget ut femti millioner for landets første Cray Superdatamaskin til NTH RUNIT-miljøet på midten av 1980-årene.

Ville løse det uløselige

Kallet i Dr. Berger ble vekket allerede som trettenåring. Da han etter mange timer med konstruksjonstegninger, balsatre, lerret, limtube og fintuning av radiostyrte servoer, i ’61 vant norgesmesterskapet i modellflyving. Herfra var oppmerksomhetens vei kort til romfart, sci-fi med Isac Asimov og KI. Siden har han viet yrkeslivet til IKT-oppgaver. Først som utvikler av veiplanleggingsprogrammer og deretter som dr. ing. stipendiat i nevrale nettverk – den gang tredimensjonal grafteori – ved NTH.

Dr. Berger har hatt et yrkesliv som IKT arkitekt, utvikler og programmerer innen en rekke teknisk-økonomiske fagområder. Blant annet en 8-års periode som UNDP Chief Technical Advisor for utvikling av IKT-universitetsutdannelse i Syd-øst Asia i samarbeid med Norsk Data. I 2001 var han oppstarteren av Integrerte Operasjoner på norsk sokkel og arbeidet innen det fagområdet til 2015. Altså teknologiene som har gjort det mulig å flytte store deler av operatørjobbene fra plattform til land for fjernstyring av drift og vedlikehold av olje- og gassfelt.

– Jeg har alltid likt å løse problemene andre sier er uløselige. Og har konsekvent valgt bort direktørstillinger til fordel for utfordringer knyttet til informasjonsteknologi. I dag ser jeg med glede på at mye av det jeg har syslet med er i ferd med å gå opp i en høyere enhet. En simulering av den menneskelige hjerne er nok fortsatt langt unna rekkevidde, men bryter vi ned utfordringene i isolerte oppgaver, er det mye som kan løses av datamaskiner. I dag er jeg spesielt fasinert over hvor mye Tingenes Internett sensorteknologien i kombinasjon med 5G-nettet og det nordisk utviklede operativsystemet «Real Time Web SYNX» – med Pål Levang i spissen – kan komme til å bety. Dette er et godt eksempel på teknologi som er grensesprengende og som samtidig hadde vært vanskelig å utvikle noe annet sted enn i Norden, sier Dr. Berger.

Det store KI-havariet

En annen norsk nestor som kommer til konferansen for å øse av sin innsikt og erfaring er. Ivar Låberg. En mann som har hengt med siden sekstitallet. Allerede i begynnelsen av tenårene skaffet han seg amerikanske tidsskrifter, forleste seg på tidens sci-fi og forelsket seg dypt i datamaskiner. Mens han gikk på videregående skole, tok han kurs i programmering på fritiden. På universitetet hoppet han direkte fra matte og fysikk, og over på professor Ole-Johan Dahls nyopprettede kurs i databehandling, så fort sjansen bød seg. Der ble drømmen om tenkende datamaskiner liggende med brukket rygg for godt.


IVAR LÅBERG

– Jeg var heldig og fikk deltidsjobb som operatør. Det var gjevt å kunne drifte og programmere en datamaskin, tjene penger og samtidig studere informatikk, men også helt drepende for alle drømmer om en nært forestående KI. Over natten gikk jeg fra å syns de som syslet med dette var fantastisk smarte, til noe arrogant å avvise dem fullstendig, sier Låberg, som dog ikke var mer avvisende enn at han med stor interesse var til stede på tidenes andre VM i maskinsjakk i Toronto.

Feil som driver av utviklingen

Låberg så tidlig dybden og mulighetene i Simula. Det første objektorienterte programmeringsspråket. Et språk som brøytet vei for objektorienterte språk som Smalltalk, C++, Java og mange flere.Som på sin side igjen er forgjengere til dagens Java. Med denne innsikten i baklomma fikk han i løpet av noen innholdsrike år sin dannelsesreise i Europa. Og ble blant annet koblet opp mot Prof. Niklaus Wirth ved ETH i Zurich, hvor han ble en del av det internasjonale utviklingsteamet bak Pascal-P. Etter hvert havnet han i konsulentbransjen og fikk jobbe med store, byråkratitunge kunder. Komplekse systemer som hadde det til felles at når de først var implementert, kostet enhver endring enorme ressurser. Derav den store millennium-feilen. Ofte omtalt som Y2k. En feil som gjorde at mye logikk-basert elektronikk kun bar med seg de to siste sifrene i årstall. Opp mot millenniumskiftet økte frykten for at databeregninger av tid og varighet derfor ville bomme stygt.

–  I dag er det lett å falle for fristelsen å se på Y2k-problemet som idiotisk unnasluntring. Sannheten er imidlertid en ganske annen. Da jeg begynte, kostet en megabyte internminne på en IBM-stormaskin mer enn en programmerers årsverk. Så et overflødig 19-tall ble fort kostbart. Om frykten var reell, krangles det fortsatt om, men at den satte i gang prosesser som siden har vist seg ytterst nyttige, er det liten tvil om. Og akkurat dette er i mine øyne typisk. Tilsynelatende katastrofer har gitt oss utfordringer som igjen har flyttet grenser og gjort nye redskaper mulige, sier Låberg.

Slipp kildekoden fri. Det er vår.

I tillegg til små og store feil som har dyttet grensene framover gitt oss og mer tilgjengelig datakraft, er kulturendringen som fra midten av åttitallet gjorde det moderne å dele kildekode og samarbeide på tvers av organisasjoner, virksomheter og mellom mennesker, et av de største fremskrittene.

– Det er ytterst inspirerende å se hvordan store selskaper bruker sine finansielle muskler til å skape innovative miljøer sammensatt av skuffens skarpeste hjerner. Hjerner som lager kode vi andre fritt kan gjenbruke og bygge videre på til vårt felles beste, sier Låberg.

Fremtiden bygges stein på stein

Låberg har mer tro på Amazons tilnærming enn Facebooks. Rett og slett fordi de opererer i den virkelige verden med faktiske kunder og fysiske produkter. I motsetning til Facebook som opererer med elektroniske produkter og en foreldet annonsebasert inntektsstrøm. Han er også full av beundring for Elon Musk og Tesla.

– Vi vil jo gjerne tro at det er de uventede tingene som driver verden framover. Det ingen tenkte på. Slik er det ikke nødvendigvis. Det er fint med små innovative miljøer, men de virkelige grensesprengende løsningene kommer fra tunge aktører med en tydelig agenda. Aktører som tør å investere betydelige ressurser, rekruttere og holde på sin visjon. Teslas evne og vilje til å satse på sin systemtankegang har gitt dem et forsprang det skal bli hardt for bilindustrien å ta igjen. Tesla tenker KI og har laget et kombinert software/hardware-system der bilen er et medium for en større plan. Musk skjønte også at det måtte etableres en infrakstruktur for effektiv lading av bilene. Alle de store bilmerkene har jo i dag el-biler i sortimentet sitt, men de er fortsatt bilprodusenter. Tesla driver med noe helt annet. De leverer et system som en gang om ikke alt for lenge vil bli selvkjørende. For å komme dit har de bygd stein på stein over tid, gitt dyktige folk et miljø hvor de kan konkurrere og utvikle seg, og vært tro mot visjonen, sier Låberg.

Urealistiske forventninger til KI

Låberg har ikke noen tro på at dagens nevrale nettverk og maskinlæring alene har det som skal til for å oppnå en KI som overgår menneskelig intelligens. At det en dag kan komme til å skje er han overbevist om, men veien dit er lang og kronglete.

– AlphaZero er i dag best i sjakk, men om vi bare endrer ørlite på reglene – legger til flere felt på brettet for eksempel – så må algoritmen simulerer nye ti millioner partier for å henge med. Magnus Carlsen kan på side sin side sette seg rett ned og begynne å spille på høyt nivå med en gang. Så overlegen er hjernen. Riktignok vet vi mye mer om hvordan den fungerer enn for bare få år siden. Men herfra til å emulere den, blir som om Galileo Galilei etter å ha skjønt hvordan gravitasjonskreftene funker, skulle bestemt seg for å dra til månen. Etter noen hundre år kom vi oss dit også, men det var etter å ha reist et utrolig komplekst «byggverk» stein for stein gjennom mange århundrer, sier Låberg.

Spennende gjennombrudd

En annen av de mer enn femti foredragsholderen som kommer til konferansen er Klas H. Pettersen. Han er daglig leder for «Norwegian Artificial Intelligence Research Consortium» (NORA). Et samarbeidsnettverk mellom flere norske universiteter og andre forskningsmiljøer, som jobber tverrfaglig med kunstig intelligens, maskinlæring og robotikk.

Klas Pettersen – NORA

– Jeg er enig i at vi har langt igjen til en KI som kan matche den menneskelige hjernen, og jeg er vel ikke sikker på om den er en rettferdig målestokk heller. KI er etter hvert en integrert del av hverdagen for oss alle og den blir stadig smartere. Ikke minst innenfor medisinsk diagnostisering har vi kommet langt, sier Pettersen, som selv er sivilingeniør i fysikk og har en PhD i teoretisk nevrovitenskap.

Svært intelligent på isolerte områder

Det er ifølge Pettersen først og fremst i årene etter 2012 troen på KI har gjenoppstått etter å ha havarert stygt på syttitallet. Han trekker spesielt fram AlexNet og OpenAI. Førstnevnte konkurrerte i «ImageNet Large Scale Visual Recognition Challenge» i 2012 og skåret høyere enn noen maskin tidligere hadde gjort.

– AlexNet var et gjennombrudd som blant annet har ført til at vi i dag har skarpe, digitale verktøy for diagnostisering. Det er i dag et faktum at KI diagnostiserer en del kreftformer ut fra bilder bedre enn erfarne radiologer. Det er riktignok fortsatt en del vansker med å få teknologien ut i klinikkene, men den er definitivt på vei. Når så skjer vil det bli et viktig verktøy, sier Pettersen.

Umenneskelig predikasjon

Pettersen trekker også fram AlphaFold2. En algoritme utviklet av Google-selskapet Deep Mind, som nå i desember med høy presisjon klarte å beregne den tredimensjonale strukturen til et gitt protein ut fra rekkefølgen på aminosyrene det består av. Et problem forskere har jobbet femti år med å løse.

– Vi har identifisert omtrent 200 millioner ulike proteiner, men kjenner bare formen til et fåtall. Ut fra sekvensen til aminosyrene som utgjør proteinet, kan det krølle og folde seg i kompliserte strukturer og geometriske former. I teorien kan denne «foldingen» skje på ekstremt mange måter. Ett tall med tre hundre nuller bak er foreslått. At en kunstig intelligens nå klarer å predikere proteinets form ut fra aminosyrenes sekvens, forteller mye om hvilke gjennombrudd KI står foran i årene som kommer, sier Pettersen

Vil vi forstå hva en KI forteller oss?

En hjernecelle opererer ifølge Pettersen på en maksimal frekvens – «spikes» per sekund – på rundt hundre hertz. Dens store fordel er at hver celle binder seg til mellom tusen og titusen andre hjerneceller. Noe som gjør hjernen til et ekstremt parallellisert nettverk som kan fordøye og prosessere store mengder data. Uten at det per i dag er mulig å si hvordan dataene faktisk prosesseres. 

– Akkurat som hjernen er vanskelig å forstå, begynner også de nevrale nettverkene å bli et mysterium. Du kan godt si at vi sliter med å forstå algoritmens beslutningsunderlag. På de fleste felt er dette kanskje ikke så viktig. Jeg vil jo heller ha en algoritme som ser kreft hundre av hundre ganger, enn en jeg kan smykke meg med å forstå. Men om vi skal bruke tilsvarende algoritme til å beslutningstøtte for å avgjøre om noen skal få tilgang på livsforsikring eller spesialiserte helsetjenester, så bør det jo kanskje kreves en begrunnelse utover at «the computer says no», avslutter Pettersen.

Registrer deg for din billett her, og få 50% rabatt 🙂

Aktuelt

Relaterte artikler

LEGG IGJEN EN KOMMENTAR

Vennligst skriv inn din kommentar!
Vennligst skriv inn navnet ditt her