Teslas utviklerteam har tatt inspirasjon for sine algoritmer fra hjernen og hvordan hjernen koder tid, rom og objekter. Innenfor dette temaet er Norge en høyborg for kunnskap, skriver Klas H. Pettersen
Teslas utviklerteam har tatt inspirasjon for sine algoritmer fra hjernen og hvordan hjernen koder tid, rom og objekter. Innenfor dette temaet er Norge en høyborg for kunnskap, skriver Klas H. Pettersen

Hvordan kan kunstig intelligens forstå tid og rom?

POPULÆRVITENSKAP: Skal biler bli selvkjørende, må maskinene lære av den menneskelige hjernen.

Tid og rom er grunnleggende for universets eksistens, og menneskets intelligens er vårt verktøy for å navigere i tid og rom på en hensiktsmessig måte. Vår evne til å se inn i fremtiden er kritisk.

Hvilken retning faller treet?

Gjennom evolusjonen har menneskehjernen utviklet seg til et instrument som ikke bare oppfatter tid, rom og objekter, vårt nevrale nettverk predikerer også hva som kommer til å skje i nær framtid. Hva slags bane vil steinen du kastet ta? I hvilken retning faller treet? Hvordan kan du unngå å bli bitt av ormen som ligger foran deg? Hvor er barnet som går langs veien i ferd med å bevege seg?

I en del former for kunstig intelligens (KI) støter vi på lignende spørsmål. Hvis vi klarer å utvikle algoritmer som håndterer rom, tid og prediksjon av nær fremtid på en god måte, vil samfunnet endre seg dramatisk. Algoritmene som blir brukt i selvkjørende biler er et slikt eksempel – bare tenk hvordan selvkjørende biler vil endre samfunnet!

Den vanskelige oppskriften: Persepsjon, prediksjon og aksjon

Utvikling av selvkjørende biler handler om å lage maskiner som handler på sine prediksjoner om framtiden i et miljø hvor rom og tid er essensielt. Når kunstig intelligens sitter bak rattet, er det ikke bare kritisk at den følger trafikkreglene. Det er også kritisk at den bruker sine kameraer til å se og forstå hva som er i nærheten (persepsjon); at den kan forutsi andre bilers bevegelser, syklisters bevegelser og menneskers bevegelser (prediksjon); og at den kan handle på en hensiktsmessig måte (aksjon).

Å forstå trafikkbildet, predikere andre objekters bevegelse og ikke minst selv foreta riktige aksjoner, er et særdeles vanskelig problem og krever en sofistikert form for intelligens.

Hvordan ser kunstig intelligens?

Tesla er firmaet som har kommet lengst når det gjelder å utvikle KI-algoritmer for selvkjørende biler. De arrangerte nettopp sin «AI day» (kunstig intelligens-dag, red.anm.), hvor de forklarte hvordan algoritmene fungerte.

Tesla viste også fram sine nye databrikker og supercomputere som de har utviklet for igjen å kunne utvikle fremtidens algoritmer for selvkjøring. Betimelig nok var første lysark i Teslas presentasjon en kjent fremstilling av hjernen og hvordan hjernens synssans er bygd opp. Hjernen og synssystemet er med andre ord inspirasjonen når Elon Musk og hans mannskap utvikler sine algoritmer.

Det som for meg er mest spennende med de nye metodene Tesla bruker er at alle prediksjoner blir gjort i det som kalles vektorrommet, som på mange måter er algoritmens «mentale modell». Prediksjoner av framtiden blir ikke foretatt på bilder eller film direkte. Filmene fra bilens kameraer blir først oversatt til en konsistent og forenklet versjon av virkeligheten, omtrent slik hjernen gjør det. Her eksisterer biler, mennesker, syklister og andre objekter som forenklede objekter i maskinens «mentale modell», hvor hvert objekt har sine tilordnede koordinater i tid og rom.

Det nye: Tid og rom behandles sammen

En annen spennende utvikling er at tiden nå blir behandlet mer realistisk i Teslas algoritmer. Dette er i kontrast til tidligere utgaver av Teslas algoritmer, hvor kameraets film ble behandlet som enkeltbilder, noe som gjorde at virkeligheten ofte ikke ble sammenhengende over tid.

For eksempel ville en bil som et øyeblikk forsvant ut av syne bak en større bil forsvinne fra Teslaens mentale modell. Med teknikkene Tesla nå bruker behandles tid og rom sammen. Som mennesker vet vi at selv om sikten vår blir hindret vil ikke en bil plutselig forsvinne. Bilen fortsetter å eksistere et sted både i virkeligheten og i vår mentale modell. Slik er det på mange måter nå også for Teslas algoritmer.

Norsk kunstig intelligens?

Teslas utviklerteam har tatt inspirasjon for sine algoritmer fra hjernen og hvordan hjernen koder tid, rom og objekter. Innenfor dette temaet er Norge en høyborg for kunnskap.

Edvard og May-Britt Moser er blant de i verden som har forsket mest på hvordan hjernen oppfatter rom og tid. I 2014 fikk de nobelprisen sammen med John O’Keefe for «their discoveries of cells that constitute a positioning system in the brain». Ved deres lab i Trondheim, The Kavli Insitute for Systems Neuroscience, har utallige studenter blitt utdannet innenfor samme fagfelt. Kan denne kunnskapen nå brukes for å inspirere og produsere «norsk kunstig intelligens»?

Bio-inspirert kunstig intelligens

Det ser slik ut. Flere norske forskningsgrupper, blant annet Centre for Integrative Neuroplasticity (CINPLA) ved Universitetet i Oslo og Living Technology Lab ved OsloMet, har den senere tid startet forskning i grensesnittet mellom nevrovitenskap og kunstig intelligens. Fagfeltet kalles bio-inspirert kunstig intelligens og er et fagfelt som er sterkt voksende internasjonalt.

Og hva er vel da mer naturlig når Norwegian Artificial Intelligence Research Consortium (NORA) arrangerer en nordisk konferanse i kunstig intelligens for unge forskere, så holdes åpningsforedraget av hjerneforsker Edvard Moser med tittel «Space, time and memory in neural networks of the brain»? Jeg håper foredraget kan være til inspirasjon for fremtidens forskere innenfor kunstig intelligens, og at disse to norske satsingsområdene, nevrovitenskap kunstig intelligens, vil bindes enda tettere sammen.


LES OGSÅ:

Vi vil gjerne høre fra deg!

TA KONTAKT HER
Har du en tilbakemelding på denne artikkelen. Eller spørsmål, ros eller kritikk? Eller tips om et viktig tema vi bør dekke?

Forskersonen er forskning.nos side for debatt og populærvitenskap

Forskersonen er forskning.nos side for debatt og populærvitenskap

Powered by Labrador CMS