Maskinen kan ikke tenke

«Vi ses til lunsj» kan være en helt klar beskjed i en samtale mellom to mennesker, datamaskinen ber om tid, dato, sted og møtets lengde.»

Gjennom historien har mennesket alltid forsøkt å forklare hjernen med det ypperste av sin teknologi: vanningsanlegg, astronomiske klokker, telefonsentraler og nå datamaskiner. Når Sven Hurum («Kan en maskin tenke?» - Dagbladet 13.01.01) stiller spørsmål om en maskin kan tenke, føyer han seg dermed inn i en lang tradisjon. Dessverre (eller heldigvis): virkeligheten er mer prosaisk. Datamaskinen regner - den tenker ikke. Den regner når den summerer kolonner i regnearket, og når den slår verdensmesteren i sjakk.

Visjonene om den tenkende eller intelligente maskin fikk sin renessanse med de første datamaskiner. Mange forskere hadde store forventninger. Nobelprisvinner Herbert Simon skrev: «I den meget nære framtid - mye mindre enn 25 år - vil vi ha teknisk mulighet til å la maskiner erstatte alle menneskelige gjøremål i organisasjoner». Problemet for Simon var at han skrev dette allerede i 1960. Framtidsvisjonen slo ikke til. I dag har vi lært, ikke bare at datamaskinen har begrensninger, men at vi bør bruke lengre tidsperspektiv i våre spådommer. Sven Hurum tar derfor godt i når han nevner at vi om 200 år vil kunne få intelligente datamaskiner og roboter. I motsetning til Simon vil han aldri bli konfrontert med realitetene.

I dag sier Simon at datamaskinen utfører «oppgaver som ville krevd intelligens om de var blitt utført av mennesker». Dette er noe helt annet enn å påstå at maskiner har intelligens. Forskjellen blir klar om vi ser på sjakk. Sjakk har en formalisert verden, et 8x8-brett, 32 brikker som bare kan flyttes etter bestemte regler, og en klart definert målfunksjon. Kompleksiteten i spillet ligger i antall muligheter. Denne kompleksiteten må mennesket håndtere med intelligens, datamaskinen bruker rå regnekraft. Med spesialutviklede prosessorer kan maskinen regne så mange trekk framover at den slår verdensmesteren. Det er ikke mer tegn på intelligens enn at den også regner fortere enn den beste bokholder.

Vikingene navigerte ved å bruke stjernene, vindretninger, ved å studere sjøfugl og det de så i vannet. Det krevde intelligens å anslå kurs og posisjon med slike data. I dag utføres all navigasjon av maskiner. Ikke ved at vi monterer videokamera i masten for å fange opp stjerner eller måser, men ved lage en formalisert verden for navigasjon. Det oppnås ved å plassere kunstige stjerner, satellitter, i geostasjonær bane, som sender ut «her-er-jeg»-signaler. Da kan en enkel GPS-mottaker beregne posisjonen med den største nøyaktighet, kun ved å regne seg gjennom noen enkle formler. Moderne kassaapparater er heller ikke utstyrt med videokamera og ekspertsystem for å etterligne vår metode for å gjenkjenne varer. Isteden formaliseres det hele ved bruk av strekkoder.

Mange områder var formalisert lenge før datamaskinen var oppfunnet. I bankene, for eksempel, kom datamaskinen til duk og dekket bord. Programmererens jobb ble her kun å omskrive formelle regler fra norsk til dataspråk. Høy grad av formalisering, kompakte data og enkle operasjoner vil også gjøre banktjenester til en suksess på Internett. På andre områder, som i trygdeetaten, har formaliseringskravet vært langt mer problematisk. Trygderegler er ikke regneregler, og mange av de fiaskoene vi har hatt med trygdesystemer både i Norge og andre land kan langt på vei forklares ut fra formaliseringsproblemer. Mens bussjåføren kan føle seg trygg på at de vurderinger hun må gjøre i trafikken, ikke kan overtas av en datamaskin, kan en moderne T-bane formaliseres i den grad at togene kan styres automatisk. Det kan tenkes at vi må ha en flyger i cockpiten for at vi passasjerer skal føle oss i gode hender, men det er i dag fullt mulig og etterhvert kanskje også nødvendig å la datamaskinen styre flyet.

Med enkle konverteringstabeller kan vi kode tegn og bokstaver som tall. Et slikt lavt formaliseringsnivå er tilstrekkelig for basisoperasjonene i tekstbehandlingssystem, e-mail og Web. Begrensningene kommer imidlertid fram når vi skal utføre operasjoner på høyere nivå. Et søk etter bilen «Polo» gir referanser til biler, men også til klær, hestesport m.m. Vi søker etter et semantisk, meningsfylt begrep, men søket må gis på tegnnivå. Da kan vi ikke forvente fullgode resultater. Et noe høyere formaliseringsnivå kan oppnås dersom data kategoriseres. Med språk som XML (eXtensible Markup Language) kan vi strukturere dokumenter og websider, for eksempel som:

{lt}fabrikant{gt}VW{lt}/fabrikant{gt}

{lt}bilmerke{gt}Polo{lt}/bilmerke{gt}

Det kreves da at vi blir enige om vokabular, og at vi følger standardene opp i praksis. For vanlige web-sider vil vi nok finne dette for tungvint og for lite fleksibelt, men for B2B-applikasjoner (business-to-business) kan XML bli et viktig redskap for å høyne formaliseringsnivået.

Etter et umulig lovframstøt i USA der en ville la tjenesteleverandørene være ansvarlige for det folk legger på sine websider, skal konflikten mellom krav fra et puritansk samfunn og en sterk paragraf om ytringsfrihet i grunnloven løses med filtre. De skal brukes av «browseren» for å luke bort pornografiske eller voldelige sider. I et dynamisk Web, der en kanskje ikke kan forvente samarbeid fra alle aktører, må begrepene formaliseres ved å definere pornografi som sider med ord som «sex», «samleie», «fitte», etc. I bilder kan datamaskinen vurdere farge og mønster for bar hud. Den forenklingen holder selvfølgelig ikke. Selv de beste filtre klarer bare å luke bort 70% av pornografien. Samtidig fjerner de sider om sikker sex og prevensjon, kongressrapporter, medisinske artikler og hjemmesidene for interesseorganisasjonene til homofile og lesbiske. At de også luker bort sider som er kritiske til bruk av filtre, er derimot ingen tilfeldighet.

Mellom samfunnet og datamaskinen har vi det problemet at datamaskinen for mange er en sort boks. Derfor kan vi lett «jukse». Med en elektronisk ordbok kan en hvilken som helst programmerer utvikle et Norsk-Engelsk oversettingsprogram på få minutter. Det vil oversette ord for ord, men med enkle syntaktiske regler kan en unngå at «Here I am» blir til «Her jeg er». Programmet kan brukes for å overbevise media og finansieringskilder om at den endelige versjon ikke er så langt unna. De samme kilder ville imidlertid være langt mer skeptiske om jeg kun demonstrerte mitt egenutviklede folkehelikopter på bakken. Det skal ikke mye teknisk innsikt til for å forstå at problemet ikke er å bygge noe som ligner på et helikopter, men å få det hele opp i luften. Mens de oversettingsprogrammer vi har i dag, arbeider på et leksikalsk eller et syntaktisk nivå, må vi opp på et semantisk nivå for på kunne gjøre en skikkelig jobb. Meningen med ordet, slik det er brukt av forfatteren og slik det vil bli oppfattet av leseren, må være klar for en riktig oversetting. Det er mye som taler for at kun mennesker kan ha en slik språkforståelse, dvs. at en ikke vil lykkes i arbeidet med å formalisere naturlige språk. I kommunikasjon mellom mennesker er det viktig at språket ikke er entydig definert. Det gjør det mulig å diskutere ting som vi kanskje ikke skjønner helt. Naturlige språk er også svært effektive. «Vi ses til lunsj» kan være en helt klar beskjed i en samtale mellom to mennesker, datamaskinen ber om tid, dato, sted og møtets lengde.

Spørsmålet om datamaskinen vil ta over flere menneskelige gjøremål er derfor ikke et spørsmål om maskinens intelligens, men om formalisering. I motsetning til hva Hurum hevder, har de forsøkene som er gjort på å få maskinen til å arbeide på samme måte som mennesker, gjennom ekspertsystemer, stort sett slått feil. Allerede på 70-tallet hadde vi diagnosesystemer som kunne diagnostisere sykdommer bedre enn leger på basis av prøveresultater. Men formelle prøveresultater er bare ett av de virkemidler legen kan bruke, i tillegg undersøker hun pasienten. Hun bruker intuisjon og menneskelig erfaring for å komme fram til en diagnose. Det gjør hun sikrere og hurtigere enn enhver maskin, og derfor er det fortsatt legen som stiller diagnose.