Kunstig intelligens har vært på trappene i mange årtier, og med jevne mellomrom dukker ulike gjennombrudd opp. Når vi legger den første wow-effekten bak oss, virker imidlertid hvert fremskritt og gjennombrudd mer og mer som en påkostet kalkulator i bakspeilet. Men nå begynner det å komme systemer som ikke føles helt som regnemaskiner lenger. Nylig viste OpenAI frem sin DALL-E2, som gir håp om annen spennende utvikling i fremtiden.
Litt historikk: smart eller intelligent?
I vår nære fortid ble sjakk ansett som en viktig milepæl for å demonstrere datamaskiners overlegenhet over sine skapere. Den ble passert i 1997 da IBMs Deep Blue slo verdensmester Garry Kasparov i en match. Det var store nyheter den gang, siden det var en utbredt oppfatning at sjakk ikke kunne løses av datamaskiner. Antallet lovlige trekk gjennom et parti ble alt for høyt til å regne på alt, og datamaskiners fortrinn var jo bare at de kunne regne raskere enn oss. De var fundamentalt sett avanserte kalkulatorer, håndkodet med ulike smarte heuristikker og utstyrt med store oppslagsdatabaser over tidligere partier. Men kalkulatoren slo altså verdens desidert beste sjakkspiller med knapp margin dette året.
Brettspillet Go har mange flere varianter, og krever derfor størrelsesordner større regnekraft for å løses på samme måte. Spillmotorer som gav seg i kast med Go ble etterhvert gode, men så lenge de fortsatt var kalkulatorer maktet de ikke å utkonkurrere de sterkeste menneskelige spillerne. Så store og varierte utfallsrom krever et strategisk øye som kan se forbi en uendelighet av taktiske varianter. Smart og rask holder ikke.
Dette ble også et kjennetegn for sjakkmotorene som etterfulgte Deep Blue: den taktiske regnekraften var nok til å knuse all menneskelig motstand, men dyktige sjakkspillere kjente enkelt igjen at det satt en maskin på andre siden av brettet. Trekkene fremstod for ofte unaturlige og absurde sett fra en menneskelig perspektiv, og i mange tilfeller direkte ustrategiske. Partiene ble sjelden ansett som vakre, slik partiene til Kasparov, Capablanca, Morphy eller Tal ble.
For å løse utfordringen med Go måtte et teknologisk skifte til. Det skiftet kom med DeepMinds AlphaGo Zero. Her tok man i bruk maskinlæring i stedet for å håndkode heuristikker. Maskinen ble utstyrt med spillets regler, og fikk lære det kun gjennom å spille mot seg selv. I 2015 vant programmet sitt første parti mot en profesjonell menneskelig spiller, og i 2016 vant AlphaGo en hel match med overbevisende score.
AlphaGo var ikke lenger bare en kalkulator. Systemet ble generalisert til å mestre ulike brettspill med samme motor. DeepMind gikk derfor tilbake til sjakk i 2017 og forsøkte seg mot den sterkeste sjakkmotoren i verden. Ulike sjakkmotorer hadde fått utvikle seg og konkurrere med hverandre i tyve år etter Deep Blue, og hadde nå spillestyrke milevis over forgjengeren fra IBM eller noe menneske. De var håndkodet og utsatt for kontinuerlig feedback og justering gjennom deltakelse i verdensmesterskapet for sjakkmotorer. Der møtes hundrevis av programmer for å spille hundrevis av partier mot hverandre. Den fremste sjakkmotoren var den gang norskættede Stockfish.
Det nye systemet fra DeepMind fikk navnet AlphaZero, og gikk i gang med en match på hundre partier mot Stockfish. AlphaZero ble ganske enkelt utstyrt med reglene for sjakk, og fikk fire timer å spille mot seg selv for å lære spillet. Deretter ble matchen gjennomført med 28 seire, 72 remis og null tap! Sjakkverdenen lot seg sjokkere og begeistre over et så voldsomt steg fremover.
(Det er riktignok en liten asteriks ved resultatet: maskinvaren de to motorene benyttet var ikke lik, og det gav nok AlphaZero en fordel.)
– Ikke godt å si, faktisk
Men det var mer enn resultatene som imponerte. Stormestre begynte å kalle partiene vakre. Det så ikke lenger ut som en maskin med overveldende regnekraft – det fremstod som et overmenneskelig menneske som feide maskinen av brettet. AlphaZero fremstod å spille strategisk – trekk etter trekk som kvalte motstanderens bevegelsesfrihet og handlingsrom, i stedet for en endeløs storm av smart taktikkeri. Det fremstod intelligent og kreativt.
Men det er vanskelig å verdsette kreativiteten i et sjakkparti om man ikke mestrer sjakk selv på et noenlunde godt nivå. Det er også vanskelig å tenke seg at sann kreativitet kan springe ut av en maskin. Men det er vanskeligere å bortforklare når man ser hva OpenAI nylig har lansert: en kunstig intelligens de kaller DALL-E2. Den tar imot hvilket tekstlig input du måtte ønske, og genererer ulike bilder i hvilken stilart du måtte be om, alt fra det hyperrealistiske til det absurde. Ta en titt på videoene nedenfor om du lurer på hva som skjuler seg i kulissene av Mona Lisa, Den siste nattverd eller Adams skapelse.
Det som kommer ut av maskinen er vanskelig å skille fra hva vi vanligvis tenker på som kreativt og intelligent. Kanskje er det bare vår kreativitet som ikke er så magisk og uforklarlig som vi liker å tenke?
En vakker fremtid
Tenk på disse evnene fra brettspill og kunst, og hva de snart vil gjøre for å løse mer alvorlige problemer. DeepMinds Alpha har en annen variant også: AlphaFold beregner sammensetningen av proteiner på sekunder, i stedet for måneder med iterering over hypoteser og praktiske eksperimenter. Dette systemet ser underliggende mønstre fra dataene som ikke er åpenbare for oss. Det er langt fra perfekt, men samtidig vet systemet omtrent hvor godt estimatet er, og forteller om hvilke deler av svaret som sannsynligvis er riktig, og hvilke deler som er mer basert på gjetning.
For hvert år som går gjøres nye fremskritt som løser stadig nye problemer. Foreløpig er kunstig intelligens høyspesialisert, men vi ser konturene av generell kunstig intelligens. Overmenneskelig regnekraft og uendelige mengder statistikk får nå selskap av uovertrufne strategiske evner og uuttømmelig kreativitet i en pakke som nok vil løse større gåter enn sjakk og fascinerende motiver ganske snart.
Fremtiden kan bli veldig spennende!
