Senest redigeret: 30. maj 2023
Indlægget er skrevet af Finn Gilling, stifter af og CEO i Gilling ApS.
Her en advarsel til læseren: Vi er inde på et lidt svært område, hvor der kan herske uenighed om, hvad begreberne dækker over, og hvad ordene/navnene betyder. Jeg skal forsøge at holde tungen lige i munden, så det er nemt at følge med.
ADI betyder Automated Decision Intelligence og bygger på to ting: AI – Artificial Intelligence og DI – Decision Intelligence. Der er i øjeblikket megen hype om AI, kunstig intelligens. Som eksempler på kunstig intelligens har Google og deres virksomhed DeepMind for nylig opfundet et stykke software, som kan slå en af verden bedste Go-spillere (Go er et strategisk brætspil for to personer, der kommer fra oldtidens Kina red). For nogle år siden opfandt IBM softwaresystemet Watson, som slog verdensmesteren i Jeopardy.
Og der er god en god grund til, at AI er på alles læber for tiden. Narrative Science har, på baggrund af interviews med mere end 235 virksomhedsledere foretaget af National Business Research Institute (NBRI), fundet, at 38 pct. af alle adspurgte virksomheder gør brug af AI. Tallet forventes at vokse til 62 pct. i 2018.
Vi kan nu spørge, om det er ”kunstig intelligens”, der slog de to verdensmestre på hjemmebane? Nej, det er lidt misvisende at påstå i en overordnet sammenhæng. For det var jo mennesker med ”real intelligence”, som havde programmeret softwaren, og det var ”blot” en computer, som udførte instruktioner på nogle data, som disse mennesker og deres virkelige intelligens havde lagt til rette for dem.
Men noget af mystikken er, at softwaren traf en sekvens af beslutninger, som man ikke på forhånd vidste, havde planlagt eller kunne forudsige, at den ville træffe. Deri ligger mystikken og påstanden om ”kunstig intelligens”; altså den påstand, at softwaren i sig selv var ”intelligent”, fordi den opfandt nye kæder af beslutninger på baggrund af et uforudsigeligt data input. Med andre ord handler ”Artificial Intelligence” meget om, hvad vi skal lægge i begrebet ”intelligens”?
Er man intelligent, fordi man har tjent mange penge? Nej, det vil vi nok ikke påstå. Man kan have vundet eller arvet pengene, så det er ikke entydigt. Er man intelligent, fordi man får Nobelprisen?
Det vil mange nok være enige i. Der skal foreligge et stykke konkret tænkearbejde for, at vi vil kalde det intelligent. Men der er flere krav. For man skal kunne tænke og løse opgaver, som andre mennesker har svært ved. Man skal også gøre det på en overbevisende måde, nemlig via en eller andre form for systematisk tænkning, man kan redegøre for.
Man er måske uintelligent, hvis man fejler med at løse en opgave, selvom man faktisk havde information til løsningen til rådighed? Jeopardy-spilleren, som bare gætter, er ikke intelligent. Man skal ræsonnere og træffe beslutninger om, hvad man skal gøre. I Jeopardy skal man bare sige svaret, og i Go skal man bare flytte en brik. Det er simple handlinger, der gennemføres med baggrund i komplicerede ræsonnementer og beslutninger.
Det er her det bliver interessant. Inden for Artificial Intelligence kan man generalisere en række af beregninger, som man udtrykker i algoritmer – eller mere præcist i en række formler med variable. Hvis man programmerer algoritmen i et stykke software og lader den gennemføre beregningerne efter forskriften på nogle data, ja så kommer der et resultat, som man så kan træffe sine beslutning efter.
Men man skal da på forhånd vide, hvilke resultater der fører til hvilken beslutning. Med andre ord skal ”robotten” have en ”vilje” påført af et menneske eller en anden robot, eller den skal lære at påføre sig selv sin vilje. Det er så også en algoritme.
Med andre ord dækker Artificial Intelligence over, at man skaber en algoritme der udtrykkes i formler og data. Det, AI ikke dækker over, er, hvor de variable og de data man vil anvende kommer fra? Hvad er kilden til både variable og data? I dag er det mennesker, der i AI definerer, hvilke typer beslutninger der skal træffes, men altså ikke hvordan de skal træffes.
Eksempel: Du skal flytte en Go-brik på spillepladen ved at skrive, hvilken brik der skal flyttes fra hvilket felt til hvilket felt, så det overholder reglerne, og du skal bruge algoritmen til at udregne, hvilken brik der skal flyttes hvorfra og hvortil. Med andre ord: De forskellige variable ”go-brik”, ”hvilket felt”, ”flytte”, ”flytteregler” og ”spilleplade” er alle variable, som mennesker har opfundet med ”real intelligence”.
ADI, Automated Decision Intelligence dækker således både over AI, som på baggrund af disse variable kan beregne en god beslutning samt over, at der skal real Decision Intelligence til at definere de variable (og medfølgende data), som algoritmen skal regne på. Så nu står vi med spørgsmålet: Hvor kommer de spørgsmål fra, hvor svaret er AI? Med andre ord: Hvad er kilden til de spørgsmål, som er besvaret med ”Go-brik”, ”hvilket felt”, ”flytte”, ”flytteregler” og ”spilleplade”.
Den kilde er ”mennesker”! Det er nemlig menneskers ”tvivl” og efterfølgende spørgsmål og svar, som har ført dem frem til at lave et Go-spil og derefter til at ville lave noget software, der kan spille Go. Det er samtidig udfordringen for AI; nemlig at påbegynde at inddrage tvivl, spørgsmål og svar systematisk i de teorier, der ligger bag udformningen af algoritmerne. Dette er en børnesygdom ved AI, og noget som forskere og fortalere hidtil ikke har forholdt sig systematisk og videnskabeligt til.
Det har jeg til gengæld forsøgt at gøre i min nye bog ”The Human Decision System”, hvis ambition var at kortlægge det biologiske beslutningssystem – menneskets beslutningssystem især – fra A-Z, fra input, proces til output. Dette arbejde stod på i over 8 år og førte frem til, at vores hjerne (nervesystemet) har to hovedprocesser:
Disse to hovedprocesser består af en automatisk, som i psykologi kaldes ”behaviorisme” og en viljestyret, som i psykologi kaldes ”cognitiv”. Disse to processer interagerer i en række kombinationer styret af henholdsvis automatisk læring og tvivl og forløsningen af spørgsmål i svar, som fører til sekventiel læring.
Hvis ikke vi mennesker kunne komme i tvivl om det, vi har lært, ville vi være ilde ude. Vi kan stille spørgsmål og finde nye svar. Det overraskende er nu, at det viser sig i epigenetisk forskning, at selv enkeltceller faktisk er i tvivl og derfor sikkert kan stille spørgsmål og finde svar. Eksempelvis træffer encellede organismer som bakterier, simple bananfluer og alle mulige andre dyr, gode beslutninger i usikre situationer de anbringes i.
Det system der styrer frem til en fornuftig adfærd, kalder jeg et ”biologisk beslutningssystem”, og det er det system der systematisk konverterer hver enkeltes informationer om sin omverden og sig selv til beslutninger om adfærd. Med andre ord: Hele vores filosofiske og videnskabsteoretiske måde at forstå vores verden på er udfordret.
For hvad nu hvis vi deler et biologisk beslutningssystem med encellede organismer og stamceller i vores egen krop? Hvad nu hvis alt hvad vi ved om verden kun er et mere eller mindre klart spejlbillede af, hvordan vores biologiske beslutningssystem fungerer?
Så sætter det biologiske beslutningssystem jo grænsen for, hvad vi kan vide, og samtidig grænsen for hvad ”intelligens” overhovedet er? Inden du reagerer negativt på disse påstande, så tænk at alle store videnskabelige opdagelser er gjort, fordi nogle mennesker tillod sig at tvivle på samfundets og magtens forklaringer og svar på spørgsmål, de havde retten til at stille.
Einstein tvivlede således på, at alle datidens fysikere egentlig forstod hvad ”tid” er. Han brugte derefter lang tid på at komme frem til, hvilke spørgsmål der kunne lede ham frem til at forstå og beskrive ”tid” med større nøjagtighed og målinger med større præcision. Hos Einstein blev ”tid” et spørgsmål om lysets hastighed og derfor relativt til målingen af lyset med et måleinstrument.
Et biologisk beslutningssystem er således det system, der systematisk konverterer hver enkelt individs informationer om sin omverden og sig selv til beslutninger om adfærd. Jeg har fundet hele 13 Nobelprismodtagere, hvis hovedresultater alle understøtter samme konklusion: Der findes et universelt biologisk beslutningssystem. I min bog beskriver jeg menneskets version: The Human Decision System.
Det biologiske beslutningssystem er samtidig kilden til alle andre systemer af den slags: Det videnskabelige erkendelsessystem, AI systemer, operative systemer etc. – alt sammen er det systemer, som mennesker har skabt i et spejlbillede af deres eget biologiske beslutningssystem, som netop også konverterer chance-data til sandsynlighedsdata.
ADI beskriver således sammenhængen mellem den automatiske del af et beslutningssystem og den ”kognitive” eller voluntære del:
Den del der stiller spørgsmål og danner svar, som benyttes til at sammensætte kæder af bevægelser, som vi observerer som adfærd. ADI er således en måde at forstå og beskrive verden på, der egner sig for udvikling af systemer og for indsigt i, hvordan systemer fungerer, og ved at tilføje DI – Decision Intelligence – til AI, fremkommer nye begreber og et helt nyt sprog at forstå og forklare verden på.
Dette ”sprog” er grundlæggende baseret på informationsteori på Shannon´s bits and bytes, et sprog som formentlig er fundamentet for alle andre ”sprog”, som alle kan oversættes til informationsteori. Se eksempelvis den succes computer og it-industreien har haft ved at disrupte stadig flere videns- og sprogområder: Trykkerier, telefoni, ordbøger osv. osv. Så måske er bits and bytes naturens eget sprog? Hvis de er det, viser The Human Decision System grænserne for, hvad vi kan som mennesker!
Om Gilling ApS: Gilling ApS leverer en række ydelser inden for ADI, herunder levering af bl.a. data fra række danske databaser – eks. OIS/BBR – , avancerede analyser, softwareløsninger samt en række Automated Decision Intelligence-services og produkter baseret på eget software.
I august 2016 publicerede han “The Human Decision System™” som et resultat af en livslang facination af og professionelt arbejde med psykologisk beslutningstagning, ledelse, neuroscience og statistik.
http://www.gilling.com/
Se også: Find et kontorfællesskab i København
I denne kategori kan du læse artikler om startup & iværksætteri generelt. Er du på udkig efter historier om communityets virksomheder, skal du scrolle op til kategorien Community-historier.
3. juni 2024
30. marts 2022
7. februar 2020
Bliv en del af Symbion Community i dag