Krönika: Du sköna nya [digitala] värld

För 20–25 år sedan, när jag var doktorand och sedan postdoktor, knöt jag kontakter med många intressanta personer på de konferenser och workshoppar jag åkte på. Mitt forskningsområde var (och är) maskinlärande – läran om att konstruera datoralgoritmer som lär sig från erfarenhet. Då var det ett ganska nytt område som dominerades av akademiska forskare, men jag träffade också en del industrifolk. Inte sällan var det personer som rörde sig i gränslandet mellan akademi och industri.

Ett exempel var Dan Hammerstrom, som under några år var gästprofessor vid Högskolan i Halmstad. Han var tidigt ute och startade ett företag, Adaptive Solutions, som utvecklade hårdvara för att maskiner skulle kunna lära sig i realtid och göra avancerad bildbehandling. Han var före sin tid och fick tyvärr efter många års hårt slit ge upp sin kommersiella vision och gå tillbaka till ett ”vanligt” jobb som professor. I dag har Mobileye och Nvidia gjort det han ville göra och slår stort på marknaden. Den stora skillnaden mellan Hammerstrom och dem är att tiden är mogen. I dag används maskinlärande algoritmer för bildanalys i bilar och det ger en helt annan marknadsvolym.

Milstolpar

Ett annat exempel var Larry Yaeger som utvecklade handskriftstolkaren för Apples första handhållna dator, Newton. Newton var en tidig föregångare till Iphone som floppade. Handskriftstolkningen i den var riktigt bra för sin tid (även om det går att hitta många lustigheter på internet om den) men den krävde att användaren tränade upp den. Även Yaeger fick söka sig till ett ”vanligt” jobb som professor för en tid, men jobbar numera igen i industrin, hos Google i Mountain View.

Det som hänt de senaste 20 åren inom området maskinlärande är fascinerande. En milstolpe var när man visade att det gick att lära en bil att köra själv, utan en människa vid ratten. Det gjordes först 2005 i en amerikansk öken och sedan 2007 i en stad. Demonstrationen startade en explosionsartad utveckling av teknik som gör att det nu går att köpa bilar (till exempel Tesla) med farthållare som själva kör bilen. Nästa år gör Volvo Cars en storskalig demonstration i Göteborg med hundratals självkörande bilar för pendlare. De bildanalyssystem som möjliggör detta bygger på maskinlärningsalgoritmer, så kallade djupa neurala nätverk.

Watson gav rätt fråga

En annan milstolpe var 2011 när IBM utvecklade Watson, datorn som vann Jeopardy. Med algoritmer baserade på maskinlärande extraherade den nyckelinformation från internetsidor och fick fram den rätta frågan genom att associera vad människor hade skrivit på webben gentemot det påstående (det svar) som gavs. Watson var ett exempel på hur man kan använda och strukturera all den information – ibland inmatad av människor, ibland av maskiner – som idag finns tillgänglig på internet för att bygga en smart maskin.

IBM har i dag vidareutvecklat Watson till en kognitiv assistent (för mobilen). Det är en assistent som, enligt reklamen, lovar att alla personer nu kan nå sin fulla potential. Man blir inte längre begränsad av sitt eget minne, läs- eller lärförmåga och förmåga att associera, man kan skaffa en assistent som håller reda på allt, minns allt, och dessutom kan hjälpa till att fatta beslut (om resor, matlagning, medicinering och så vidare).

Stort sug efter talanger

År 2014 ordnade Stiftelsen för strategisk forskning och Stefan Fölster ett mycket välbesökt seminarium i Almedalen med titeln ”Busy doing nothing”. Under seminariet demonstrerades bland annat Watson som ”the debater”: en maskin som får en fråga och får i uppgift att leta reda på alla (vetenskapliga) artiklar om frågan, sammanfatta dem och extrahera de centrala argumenten för och emot. Syftet var att demonstrera att allt som går att automatisera kommer att automatiseras och vi ska förbereda oss på detta – och det gäller inte bara industrijobb. Maskinlärande används till exempel redan för att göra patentgranskningar.

Utvecklingen går rasande fort och suget efter talanger är stort. Många av de akademiska forskare (doktorander och postdoktorer) som jag lärde känna för 20–25 år sedan och som sedan klättrat i karriären till professorer blir i allt större omfattning anställda i industrin. Under sommaren 2015 kontaktade jag en bekant som nyligen publicerat en artikel i Science om hur maskinlärande kan användas för att lära datorer spela datorspel bättre än människor – jag ville bjuda in honom för att prata i Halmstad. Svaret dröjde några dagar så jag påminde honom lite artigt. Jag fick svar och en ursäkt att han varit väldigt upptagen eftersom han just beslutat sig för att sluta som professor och istället jobba för Google i London (som han samarbetat med i projektet med datorspelen). Några månader senare presenterade Google i London AlphaGo, ett program för att spela Go (som också blev en artikel i Nature). Man trodde länge att Go skulle vara för svårt för maskiner – men AlphaGo utklassar nu de mänskliga mästarna.

En stor utmaning

En av Högskolan i Halmstads biträdande lektorer valde i slutet av 2014 att ta jobb på Google i Mountain View, strax efter att han blivit docent här och dessutom fått flera stora externfinansierade projekt beviljade. Även om det var många saker som spelade in i hans beslut är det helt klart att det i dag är minst lika intressant och utmanande att jobba för företag, som till exempel Google, Apple, Amazon och IBM, som att vara akademisk forskare – och de ekonomiska musklerna är avsevärt större. Dessa företag arbetar stenhårt med att utveckla robotar och datorprogram och samla in information som kommer att vara nödvändig för framtidens intelligenta apparater. Till exempel har Google byggt upp detaljerade 3D-kartor och städer som kan användas för självkörande bilar, de har scannat in enorma mängder böcker, de har scannat in högupplösta tavlor och de samlar kontinuerligt in information om vad vi människor söker efter på nätet – och de har kopior på stora delar av informationen på internet.

Denna sköna nya digitala värld är en stor utmaning. Den vision jag föreställde mig för 25 år sedan håller på att inträffa och mer därtill. Vi är mitt i en revolution av data, beräkningskraft och smarta program som förändrar vårt sätt att arbeta, studera och leva minst lika mycket som telefonen, bilen, flyget, datorn och internet. Det innebär oerhört spännande forskningsfrågor, inom vitt skilda ämnen, men det ställer stora frågor kring lärande. Hur ser framtidens skola ut? Vilka verktyg och metoder ska användas? Om välfärdssjukdomarna är en konsekvens av att människor har ett bekvämare liv och inte behöver använda så mycket muskelkraft, vad händer då när människan inte måste träna sin hjärna för att memorera fakta och resonera?

Det finns enorma utmaningar i digitaliseringen av samhället. Det är inte att allting blir datoriserat/digitaliserat som är utmaningen, det är att det digitaliserade kan och kommer att göra mer och mer.

Text: THORSTEINN RÖGNVALDSSON
Bild: ANDERS ANDERSSON (porträtt), ISTOCK