Så nära är Superintelligensen

I mars 2016 besegrade Googles program AlphaGo den sydkoreanska mästaren Lee Sedol i det kinesiska bordsspelet go. Det låter kanske inte så märkvärdigt, men det är det. Spelet go har för många potentiella drag för att en dator ska kunna segra genom ren processorkraft. Den behöver vara uppfinningsrik, och AlphaGo imponerade på kommentatorer med drag som beskrevs både som vackra och briljanta.

Lee Sedol går igenom matchen efter att ha förlorat mot AlphaGo, 15 mars 2016. Foto: AP Photo/Lee Jin-man

Matchen sågs av många som ett tecken på att samhället på allvar behöver börja diskutera en framtid där artificiell intelligens passerar människans förmågor. Under 2017 gick AlphaGo vidare och besegrade även världsettan i go, kinesen Ke Jie. Men AlphaGo blev själv inte långvarig på tronen utan besegrades av den senaste versionen av programvaran: AlphaGo Zero. Extra anmärkningsvärt är att AlphaGo Zero lärde sig spela go enbart genom att spela mot sig själv, utan någon historisk data eller interaktion med mänskliga spelare. Det tog inte mer än 40 dagar innan AlphaGo Zero blev så pass kompetent att den utklassade sin föregångare i 100 av 100 partier.

AI-forskningens framsteg är en av de delar som ingår i vad som har kommit att kallas för den fjärde industriella revolutionen. Till de tidigare industriella revolutionerna räknas ångmaskinen, elektriciteten och elektroniken, datorn och internet; innovationer som fått enorma effekter på samhället, arbetsmarknaden och ekonomin.

Ända sedan ”Spinning Jenny” uppfanns 1764 har människor fruktat att den nya tekniken ska komma att göra dem arbetslösa. Farhågor som människan övervunnit genom att hela tiden utveckla nya förmågor och arbetsuppgifter.

Nu när den kognitiva och intellektuella förmågan börjar utmanas av maskiner står vi möjligen inför ännu större förändringar. Artificiell intelligens, självkörande fordon, Internet-of-things och kvantdatorer, saker som tidigare varit ämnen för science fiction-litteraturen kan komma att ta oss till helt nya höjder – eller avgrunder, beroende på vem man frågar.

Tiden är förbi då man utbildade sig en gång och sedan jobbade med det i resten av sitt arbetsliv.

Microsoft-grundaren Bill Gates, Tesla-grundaren Elon Musk och astrofysikern Stephen Hawking har alla det gemensamt att de varnat för artificiell intelligens – att robotar kommer ta våra jobb, och kanske göra ännu värre saker. Varningar som flitigt återpubliceras i medierna med mörka rubriker.

Algoritmer förväntas göra stora insteg i medelklassens jobb och automatisera intellektuella arbetsuppgifter, precis som industrirobotarna har automatiserat många fysiska moment i fabrikerna. I förlängningen är farhågan eller förhoppningen vad gäller arbetsmarknaden att datorer kommer kunna utföra kvalificerade arbeten bättre än människan.

Handlingen i filmen Bladerunner 2049 (2017) utspelar sig i en dystopisk framtid där organiska robotar, replikanter, brukas som slavar av människorna. Källa: Warner Bros. Pictures via AP

Inom forskningen har slutsatserna dock spretat. En studie från Oxford satte fart på debatten om maskininlärning och framtidens arbetsmarknad redan 2013 och kom att bli tongivande. I den tittade forskarna Carl Frey och Michael Osborne på 702 olika yrken i USA, med yrkesbeskrivningar från det statliga yrkesregistret. Forskarna tog hjälp av experter inom maskininlärning för att avgöra hur pass enkelt det var att automatisera yrkena. Det visade sig att ungefär hälften, 47 procent, av jobben hade hög risk – över 70 procents risk – för att automatiseras inom 20 år.

Det var en siffra som fick starkt fäste i debatten, och studien reproducerades i flera länder. Än i dag debatteras den i många sammanhang, inte minst på välbesökta seminarier under Almedalsveckan. I Sverige överförde nationalekonomen Stefan Fölster år 2014 Frey och Osbornes metod på svenska förhållanden och fick fram en ännu mer alarmerande siffra: i Sverige var 53 procent av jobben i risk att automatiseras inom 20 års tid.

Det här sättet att räkna har dock senare problematiserats i flera studier, även om budskapet att hälften av alla jobb är på väg bort visat sig vara svårt att skaka av sig. Flera forskare har genom justeringar och andra sätt att titta på arbetsuppgifter kommit fram till att hindren mot automatisering har underskattats.

Det är primärt inte automatiseringsgraden utan efterfrågan på tjänster som avgör hur arbetslösheten slår.

Och det kan göra stor skillnad om en del av ett yrke snarare än hela yrket automatiseras. När ett yrke automatiseras helt må det innebära att vissa jobbtillfällen försvinner, men när ett yrke automatiseras delvis kan det faktiskt leda till fler jobb snarare än färre. Ett exempel: under 1800-talet automatiserades större delen av arbetsinsatsen för att väva tyg i England, men vävjobben blev inledningsvis fler. Den ökade effektiviteten pressade ner priserna vilket ledde till ökad efterfrågan – och jobbtillväxt.

En studie från 2016 som tittade närmare på OECD-länderna kom fram till en betydligt lägre skattning av risken för automatisering än Osborne och Freys studie – och kritiserade den tidigare Oxfordstudien på flera punkter. Bland annat menade man att många yrken förmodligen inte är tillräckligt väldefinierade för att utföras av datorer, och att Osborne och Frey utgick från att hela yrken går att automatisera när det ofta rör sig om enskilda arbetsmoment. Metoden, menade man, hade varit för trubbig. Forskarna bakom den här senare studien, som beställts av OECD, använde sig i stället av information om arbetsuppgifter på individnivå och fångade därmed upp hur arbetsuppgifter kan variera också inom ett yrke.

Med det här sättet att närma sig frågan blev siffrorna över yrken med hög risk för automatisering betydligt lägre: 9 procent i genomsnitt bland de 21 OECD-länderna, och 7 procent för Sverige.

Carl Frey. Foto: Domenico Pugliese

När Arbetsvärlden ringer upp Carl Frey vill han gärna försvara sin och Michael Osbornes studie och vidhåller att den mycket uppmärksammade, att 47 procent av alla jobb i USA löper hög risk för att automatiseras inom 20 år, är rimlig. Och nämner att robotisering exempelvis har fått stora effekter i amerikanska delstater som Michigan och Wisconsin. Någonting som också fått politiska konsekvenser i presidentvalet 2016.

– Alla de här studierna bryter data över yrken. Skillnaden är att man tittar på arbetsuppgifterna på olika sätt. Om jag ska säga någonting bra om OECD-studien så är det att den fångar upp att arbetsuppgifter kan variera inom yrken, säger Carl Frey till Arbetsvärlden.

Han menar dock att hans och Michael Osbornes ursprungliga studie från 2013 är mer detaljerad.

– Vi har tittat på 702 olika yrken i USA. Då har vi tittat närmare på 70 detaljerade yrkesbeskrivningar med alla arbetsuppgifter och markerat varje yrke som varit helt automatiseringsbart, det vill säga att varje arbetsuppgift i yrket går att automatisera, som 1 och yrken med arbetsuppgifter som inte går att automatisera, som 0, säger Carl Frey.

Därefter har man tagit fram en algoritm som tittar på de 70 yrken som har beskrivits och som även använder sig av nio identifierade, svårautomatiserade indikatorer, som social intelligens eller kreativitet, för att räkna ut hur stor sannolikheten är att de övriga 632 yrkena kan automatiseras. Alltså fångar man också upp sådant som mellanmänskliga möten och icke-rutinmässiga uppgifter i de nio variablerna, som bland annat innehåller förmågan att övertala, förhandla och vara socialt lyhörd.

Yrkena klassificeras sedan i tre grupper: de med låg risk för automatisering inom 20 år (under 30 procent), medelhög risk (mellan 30-70 procent) och hög risk (över 70 procent). I den senare gruppen hamnade alltså 47 procent av yrkena i USA vid studiens genomförande.

– Det är ingen prognos utan en skattning av vad som är teknologiskt möjligt att automatisera, säger Carl Frey.

Han har också en invändning mot den senare OECD-studien som han menar kan snedvrida dess resultat.

– De har tagit med demografiska faktorer för individen som utför arbetsuppgifter, så som kön. Eftersom kvinnor generellt arbetar i yrken som är svårare att automatisera så kan det exempelvis sänka skattningen av hur enkelt det är att automatisera ett givet yrke.

En annan rapport från 2016 som utförts för Expertgruppen för studier i offentlig ekonomi, ESO, har tittat på hur digitaliseringen drivit på en strukturomvandling på svensk arbetsmarknad mellan åren 1996–2013. Även den utgår från Frey och Osbornes studie.

Svaret på utveckling i arbetslivet brukar heta livslångt lärande

Det visar sig att andelen jobb i högriskkategorin i Sverige, alltså yrken med högre än 70 procent risk för automatisering, minskat med ungefär 18 procentenheter under tidsperioden, sett till hela den svenska ekonomin. Med andra ord har det alltså redan skett en ganska stor strukturomvandling på svensk arbetsmarknad.

Svaret på utveckling i arbetslivet brukar heta livslångt lärande och bättre möjligheter att ställa om och kompetensutveckla i arbetslivet. Det är kravet från facken och det är också en syn som anammas inom politiken.

– Vi behöver ändra studiesystemen så att vi får pengar till fortbildning i större utsträckning under yrkeslivet, sade digitaliseringsminister Peter Eriksson (MP) till Arbetsvärlden i våras, när han kommenterade regeringens nya digitaliseringsstrategi.

– Tiden är förbi då man utbildade sig en gång och sedan jobbade med det i resten av sitt arbetsliv, konstaterade högskoleminister Helene Hellmark Knutsson (S) i Arbetsvärlden efter att Socialdemokraternas partikongress tagit fram nya riktlinjer för yrkesverksammas möjligheter att omskola sig.

Helene Hellmark Knutsson (S), minister för högre utbildning och forskning, och Peter Eriksson (MP), digitaliseringsminister. Foto: Erik Simander/TT, Claudio Bresciani/TT

 * * * * * * *

Michael Osborne, en av de två forskarna bakom den ursprungliga Oxfordstudien, har i en färsk rapport från den brittiska tankesmedjan Nesta varit med om att poängtera det faktum att tidigare studier varit dåliga på att ta hänsyn till den jobbskapande potential som automationen medför – och markerat mot ”falsk alarmism” som kan ge upphov till en aversion mot nya teknologier.

Att kollegan Michael Osborne varit medförfattare i Nesta-rapporten, som betonar att tidigare studier minimerat automationens jobbskapande effekter, är enligt Carl Frey inte någonting som motsäger tidigare fynd.

Carl Frey påpekar till Arbetsvärlden att efterfrågan på en tjänst styr hur många som jobbar med den, inte bara graden av automatisering.

– Det är primärt inte automatiseringsgraden utan efterfrågan på tjänster som avgör hur arbetslösheten slår. Efterfrågan minskar inte nödvändigtvis på arbetskraft men på vissa färdigheter, och där kan personer som har färdigheter som inte längre efterfrågas bli arbetslösa och behöva ställa om.

Nesta-rapporten förutspår, liksom flera andra framtidsspaningar, att social förmåga kommer få större betydelse på arbetsmarknaden: förmågan att undervisa, social perception och koordination. Också högre kognitiva förmågor som originalitet, idérikedom och aktivt lärande blir viktigare.

Flera jobb med låga eller medelhöga utbildningskrav tros krympa, däribland administrativa roller, sekreteraryrken och försäljningsyrken. Däremot finns det många andra yrken som är svårare att automatisera även om de inte nödvändigtvis räknas som högkvalificerade. Jordbruk, hantverk och byggindustri kommer fortsatt kunna erbjuda arbetsmöjligheter som är svåra att automatisera. Ingenjörsyrkena spås ha en ljus framtid, liksom yrken inom arkitektur och design.

Demografiska förändringar som åldrande befolkningar kommer dessutom öka behovet av arbetskraft i offentlig sektor, som hälsovård och utbildningsväsende.

’Jag har tyvärr inte lärt mig hur jag ska lösa ditt problem ännu, men låt mig koppla dig till en mänsklig medarbetare så lyssnar jag och lär mig.’

Stefan Fölster, som överförde den ursprungliga Oxfordstudien på svenska förhållanden, har också uppvärderat automatiseringens jobbskapande potential. I boken ”Robotrevolutionen” skriver han att Sverige redan genomgått en strukturomvandling där omkring två procent av jobben försvunnit per år under perioden 2006–2011. Det innebär alltså att nästan en halv miljon jobb försvunnit under den tiden.

Stefan Fölster.
Foto: Henrik Montgomery

Ett exempel på en förhållandevis ny form av automation är självbetjäning inom dagligvaruhandeln som bidragit till att arbetsstyrkan av kassapersonal i Sverige krympt med 8 procent. Andra yrken har dock vuxit; antalet programutvecklare har exempelvis ökat med 43 procent, eller cirka 2 000 personer per år. Stefan Fölsters slutsats är att ”ökad komplexitet” är en jobbmotor, och något som förklarar att antalet yrkesverksamma jurister också ökat med 18 procent under perioden. Med ökad komplexitet i ett samhälle blir det fler juridiska processer.

Juridiken är på intet sett förskonad från automatisering. Inom juridiken finns redan algoritmer som visat sig kunna sköta delar av en advokatassistents arbete, som att gå igenom stora mängder dokument och rättshandlingar för att hitta information som är relevant för ett specifikt fall. IBM:s Jeopardy!-vinnande AI-program Watson används redan flitigt av flera amerikanska advokatbyråer, under produktnamnet ROSS.

En färsk rapport från konsultjätten McKinsey som släpptes i oktober 2017 lyfter fram Sverige som en av Europas nio digitala föregångare – länder som är särskilt bra på att ta tillvara den nya teknologin.

McKinsey förutspår att den nya vågen av automation som AI och maskininlärning väntas föra med sig kommer skapa fler jobb och ge en kraftig skjuts till tillväxten och produktiviteten i de här länderna, utan att försämra löner eller arbetstid. I Sverige beräknas den nya AI-tekniken och automatisering öka BNP-tillväxten med 1,3 procent per år och skapa 300 000 nya jobb till år 2030, en nettoökning med 100 000 jobb. Om man klarar av att omfamna tekniken. Men det kommer krävas nya färdigheter och ställa nya krav på utbildningsmöjligheter för att arbetskraften ska hänga med.

Stefan Fölster poängterar också att en blomstrande framtid inte är given.

– Digitaliseringen kan vara alarmerande om man inte mäktar med reformtakten, säger Stefan Fölster till Arbetsvärlden.

För honom innebär det bland annat skatteväxling bort från skatt på arbete, och införande av utbildningar som är enklare att förkovra sig i under arbetslivet.

– Anledningen till att vi har den här diskussionen i dag är framsteg inom AI som innebär att man skapar datorprogram som simulerar hur neuronerna i hjärnan arbetar och lär sig genom erfarenhet, så kallad “Deep Learning”. Det har varit helt avgörande för självkörande bilar och kommer påverka i princip alla fält.

Under de närmaste tio åren pekar han ut flera yrkesområden också utanför transportsektorn som kommer att påverkas kraftigt av automatiseringen.

Polisarbete och diagnoser inom hälsovården kommer bli effektivare genom neurala nätverk som kan sortera igenom mängder av information, hitta mönster och föreslå lösningar. Digitala assistenter, som Apples Siri och Amazons Alexa kommer bli betydligt mer avancerade och förmodligen komma upp i en nivå där tekniken kan ersätta många kundtjänstjobb. I Stefan Fölsters vision kommer AI-programmen under en övergångstid “gå bredvid” sina mänskliga kollegor för att lära sig att lösa problem som de gör.

– Jag tror det kommer bli ett vanligt scenario att man i framtiden pratar med en AI i kundtjänst som säger “Jag har tyvärr inte lärt mig hur jag ska lösa ditt problem ännu, men låt mig koppla dig till en mänsklig medarbetare så lyssnar jag och lär mig”, säger Stefan Fölster.

För att hantera de här förändringarna tror han på mer flexibla digitala utbildningar, utformade i moduler, som en person i yrkeslivet kan ta del av stegvis. Modulerna skulle kunna omfatta olika enskilda arbetsmoment och leda upp till en ny kompetensgrad när tillräckligt många moduler lärts in.

– Exempelvis skulle en undersköterska kunna ta på sig mer ansvar genom att lära sig i modulbaserad utbildning, för att så småningom kanske bli sjuksköterska, säger Stefan Fölster.

Tjänstemännens fackliga centralorganisation, TCO, kräver till exempel att högskolorna ska få ett omställningsuppdrag och leverera kortare utbildningar som lämpar sig för yrkesverksamma. Flera statliga utredningar och uppdrag pågår också som ska se över utbildningssystemet på högre nivå; såväl högskolornas styrning och resurstilldelning som validering av kompetens från arbetslivet.

I en SCB-undersökning som TCO låtit genomföra bland sina grupper anger hela 44 procent av tjänstemännen mellan 33–55 år att de kommer behöva kompetensutveckling eller vidareutbildning som de inte kan räkna med att få via arbetsgivaren inom ramen för arbetet.

* * * * * *

KTH-professorn Stefan Carlsson, som forskar inom datorseende, är säker på att det till stor del är just tjänstemannayrken som kommer påverkas av den nya vågen av automatisering.

– Det som är nytt här är att automatiseringen påverkar de intellektuella jobben, tidigare har man pratat om de manuella jobben. Det är ganska fascinerande att det har visat sig vara otroligt mycket svårare att automatisera de manuella jobben än de intellektuella, säger Stefan Carlsson till Arbetsvärlden.

– Den otroligt avancerade komplexitet som ligger i att manipulera fysiska föremål som en skicklig hantverkare, det är det svåraste att uppnå.

Stefan Carlsson. Foto: Simon Markusson

Men inte heller han menar att det nödvändigtvis innebär att jobb försvinner.

– I första hand tror jag man ska se det som att du förädlar arbetsinsatsen. Det är framför allt de rutinmässiga arbetsuppgifterna som kommer automatiseras. Då får du givetvis mer tid över till mer kvalificerade uppgifter som kräver en grundlig analys eller kanske annan form av interaktion.

Ett exempel är en digital assistent som på röstkommando snabbt skulle kunna bryta stora mängder statistik och rita de grafer och diagram som en utredare vill använda. Ett verktyg som alltså skulle göra att det går betydligt snabbare att skriva djuplodande rapporter.

Stefan Carlsson har arbetat med datorseende på KTH sedan 1980-talet och är tydlig med att det här är den mest fascinerande perioden som han någonsin upplevt i fältet.

Trots att utvecklingen nu går snabbt framåt vet forskarna fortfarande inte riktigt varför det fungerar.

Datorseende är ett delområde av artificiell intelligens, och också det område som kan sägas ha inlett den pågående AI-hajpen.

– Det som har hänt inom artificiell intelligens de senaste åren, som det skrivs mycket om, det började inom det här området att känna igen bilder runt 2005–2006, säger Stefan Carlsson.

Och det var en ganska enkel förändring som var den utlösande faktorn.

– Själva genombrottet byggde i princip på att forskarna ändrade metod. Tidigare hade vi försökt ge datorerna definitioner av olika föremål så att de skulle kunna känna igen dem. Men sedan vände vi i stället på det och markerade föremål på bilder genom att låta människor titta på dem och sätta rutor runt olika föremål de såg, säger Stefan Carlsson.

– Man satte studenter i USA och Asien på att annotera bilder på det här sättet tills man hade en bildbank på 15 miljoner bilder. Det här kunde man sedan använda för att träna upp det som kallas för djupa nätverk. “Deep Learning” på engelska.

Genom att sätta 60 miljoner olika parametrar i nätverket och låta det gå igenom bilderna så lärde det sig snart att klassificera dem på egen hand. Det behövdes alltså ingen förkunskap om vad en katt eller en hund är, utan nätverket lärde sig det själv.

Det är framför allt de rutinmässiga arbetsuppgifterna som kommer automatiseras.

Neurala nätverk är egentligen ingen ny teknik, faktum är att de både hunnit prövas och avfärdas tidigare i AI-forskningens stormiga historia. Men med starkare datorer kunde man nu ge dem tillräcklig processorkraft för att de plötsligt skulle visa sig vara riktigt effektiva. På teorisidan skedde ingen stor förändring, enligt Stefan Carlsson, det var storleken.

– Det man gjorde sedan 2005 var att man började skala upp de här nätverken, göra dem större och mer komplexa. Runt 2005 hade internet samlat på sig alla de här bilderna och så skedde en viss utveckling på grafikhållet. Det var de tre komponenterna som ledde till den här explosionsartade utvecklingen, säger Stefan Carlsson.

Trots att utvecklingen nu går snabbt framåt vet forskarna fortfarande inte riktigt varför det fungerar.

– Här kommer empirin först och vi försöker förstå vad som händer i de här nätverken egentligen. Utvecklingen har fortsatt att peka uppåt ända sedan 2012, säger Stefan Carlsson.

Datorers bildigenkänning, berättar han, ligger i dag i nivå med människans. Men det finns en till del i det hela som gör det ännu mer intressant:

– Exakt samma strukturer kan användas för att träna upp datorer i språköversättning. Det är bara andra parametrar. Det är kanske det som är det mest fascinerande med den här utvecklingen: det verkar vara en slags generell metod att utifrån stora datamängder där man har kvalificerad annotering, det vill säga att man vet vad det är, så kan man träna upp de här nätverken. Det är samma typ av nätverk som gäller för alla typer av problem, säger Stefan Carlsson.

Någonting som alltså pekar på fortsatt snabba framsteg i vitt skilda områden, från bildigenkänning till språk, spel och alla möjliga uppgifter som forskarna kommer att tänka på.

”Det är samma typ av nätverk som gäller för alla typer av problem,” säger Stefan Carlsson. Foto: Istock

Redan i dag pågår också försök på Google att lära upp datorprogram i simulerade digitala miljöer för att de ska lära sig att agera efter fysikens lagar – fördelen med det är att man inte är bunden till tiden på samma sätt som en fysisk kropp är. Digitalt kan en dator gå igenom tusentals simuleringar på någon sekund, och alltså lära sig betydligt snabbare. En försvårande faktor är förstås att få simuleringarna att bli tillräckligt verklighetstrogna.

– I den simulerade världen är man kanske effektivare men man kan tappa det som är det väsentliga, det som gör att det är svårt att utföra uppgiften i den verkliga världen, säger Stefan Carlsson.

– Du måste låta roboten själv lära sig, det är precis som med barn. Det finns inget annat sätt. De regler vi har, har vi lärt oss. Inte bara genom vår uppväxt, utan också genom evolutionen som har försett oss med mekanismer för att lära oss som vi inte har genom de artificiella systemen.

Idén att låta artificiell intelligens lära sig som ett barn är gammal. Den föreslogs redan 1950 av den artificiella intelligensens fader, matematikern Alan Turing, i hans banbrytande vetenskapliga artikel ”Computing Machinery and Intelligence”.

Att bygga en barnrobot och lära upp den som en människa har också av futurister föreslagits som en eventuell lösning för att inpränta mänskliga värderingar i den artificiella intelligensen – så att den inte blir en fara för mänskligheten om den skulle bli självmedveten.

Ledande AI-experter som fick uppskatta vilket år de trodde att vi med 50 procents säkerhet har uppfunnit en AI på mänsklig nivå. Medianen för uppskattningarna blev år 2040.

Maskiners ”värderingar” blir redan en faktor när självkörande bilar rullas ut på gatorna, eftersom situationer kan uppstå då bilen måste välja vem som ska bli påkörd om exempelvis bromsarna krånglar. Det amerikanska tekniska universitetet MIT har utvecklat en plattform på webben (moralmachine.mit.edu) där vem som helst kan bidra med sitt moraliska omdöme i olika scenarion. Syftet ska vara att skapa sig en bild av hur människor generellt skulle agera i moraliska dilemman.

Om generell artificiell intelligens skulle bli verklighet är det många som varnar för att människan kan vara illa ute om vi inte har satt säkerhetsåtgärder på plats. Eller lyckats inge moraliska värderingar i maskinen. Den berömde astrofysikern Stephen Hawking har bland annat varnat för att AI kan bli ”slutet för människan”, och Tesla-grundaren Elon Musk har framfört liknande varningar: ”Med AI frammanar vi demonen.”

Stefan Carlsson är dock inte orolig för det. Han tror för det första inte att vi kommer skapa någon artificiell intelligens som liknar människan.

Ava, en människoliknande intelligent robot i filmen Ex Machina (2015). Källa: A24 Films via AP

– Det där är science-fiction-spekulationer. Vi är inte där än. Och det ligger någonting absurt i idén att skapa en maskin som ska vara som människan. Människan är bäst på att vara människa. Varför skulle man skapa en artificiell människa? säger Stefan Carlsson.

Det problem som han ser framför sig är däremot att det kommer bli möjligt att generera verklighetstroget material i form av videor, ljudinspelningar och liknande. En ny och ännu mäktigare form av ”fake news” och propaganda skulle då kunna se dagens ljus.

Nick Bostrom. Foto: Andy Donohue

En som däremot är övertygad om att vi kommer få se uppståndelsen av en artificiell ”Superintelligens” i framtiden är den Oxfordbaserade svenske filosofen Nick Bostrom, som fått stor spridning för sina idéer med boken ”Superintelligens: vägar, faror, strategier” (rekommenderad läsning enligt både Bill Gates och Elon Musk) som nyligen också släppts på svenska. Nick Bostrom är chef för det tvärvetenskapliga forskningscentret Future of Humanity Institute, FHI, vid Oxford University, där han leder forskning om existentiella hot mot mänskligheten. Dit alltså AI kan räknas.

Nick Bostrom tror att det bara är en tidsfråga innan artificiell intelligens blir så pass avancerad att den rusar i väg i en slags ”intelligensexplosion” av rekursiv självförbättring som snabbt går långt bortom människans fattningsförmåga. En idé som ursprungligen lanserades 1965 då den brittiska matematikern Irving John Good började skriva om en framtida ultraintelligent maskin som skulle vara den sista uppfinningen människan behöver uppfinna, eftersom den sedan kan ta över facklan. Intellektuellt skulle vi människor då vara ungefär lika avancerade som insekter i jämförelse.

Du behöver en bil som är självkörande 100 procent av tiden för att transportjobben ska försvinna.

Normalt har Nick Bostrom bara en dag i månaden tillgänglig för medieintervjuer – annan tid går åt till forskning. Men Arbetsvärlden har tur och lyckas få tid för en extrainsatt intervju över Skype.

Han är tydlig med att vi inte vet hur lång tid vi har på oss innan artificiell intelligens överträffar människans, men att riktningen för utvecklingen är tydlig om man ser till alla de, inte minst ekonomiska, drivkrafterna som finns för att utveckla AI.

– Vi gjorde tidigare en enkät bland ledande AI-experter som fick uppskatta vilket år de trodde att vi med 50 procents säkerhet har uppfunnit en AI på mänsklig nivå. Medianen för uppskattningarna blev år 2040, säger Nick Bostrom till Arbetsvärlden.

Och innan vi når dit är det viktigt att lösa flera problem. Inte minst finns många politiska frågor att lösa för att undvika att en AI skapas för att tjäna totalitära intressen. Vi behöver också hitta sätt att bygga in kontroller och spärrar i den artificiella intelligensen så att den inte blir destruktiv.

När FHI under 2016 gjorde en ny enkätundersökning bland AI-experter och bad dem uppskatta sannolikheten för att teknologin får positiva eller negativa konsekvenser för mänskligheten så var resultatet minst sagt blandat. Experterna uppskattade att chansen för extremt positiva effekter av AI är 20 procent, men samtidigt råder också 5 procents risk att de i stället blir extremt negativa – och exempelvis resulterar i mänsklighetens utplånande.

Arnold Schwarzenegger gav AI-apokalypsen ett ansikte när han spelade en mördarrobot i Terminator-franchisen. Den första filmen hade premiär 1984. Källa: AP Photo/Jacques Brinon

Med tanke på de enorma effekter en generell artificiell intelligens skulle kunna få utesluter han inte att forskningen på området i framtiden skulle behöva regleras. I dag är det ett väldigt öppet forskningsområde.

– Det är bra om vi redan nu kan bygga upp en förståelse för att det kan behövas när AI-forskningen har nått ett mycket mer avancerat stadie, säger Nick Bostrom.

Redan innan ett sådant framtidsscenario kan utspela sig kommer dock olika ”narrow AI”-lösningar att påverka samhället. Men Nick Bostrom dämpar oron något. Han tror inte att arbetsmarknaden kommer se allt för annorlunda ut om tio år. Han ser nämligen tendenser till ett överhajpande av de teknologiska framstegen som görs.

– Om vi tittar på självkörande bilar så räcker det inte med en bil som är självkörande 99 procent av tiden för att automatisera bort förarjobben. Då behövs fortfarande en person i bilen, säger Nick Bostrom.

– Du behöver är bil som är självkörande 100 procent av tiden för att transportjobben ska försvinna, och det kommer ta lång tid innan vi når dit. Man ska inte överdriva hur snabbt självkörande bilar slår igenom.

Han är också skeptisk till den bevingade siffran som Osborne och Frey kom fram till 2013, att 47 procent av jobben i USA är i hög risk att automatiseras inom 20 år.

– Siffran är alldeles för hög, såvida det inte blir något stort genombrott i forskningen, säger Nick Bostrom.

– Man ska också komma ihåg att det tar tid innan man kan börja tillämpa nya lösningar. Det är en stor skillnad mellan att demonstrera att någonting fungerar i en forskningssituation och att tillämpa tekniken i samhället.