Den 6. februar 2015 annonserte Microsoft at deres superdatamaskin er den første i verden til å slå mennesker på bildegjenkjenning. Forskere fra Google, Microsoft og mange universiteter verden over konkurrerer hvert år om å lage de beste metodene for bildegjenkjenning. I superdatamaskiner modellerer de nervenettverk ved hjelp av matriseregning, og trener de virtuelle nervecellene med tusenvis av bilder med fasit (treningsdata). Bildene er sortert i 1000 kategorier, inkludert tabby cat, water bottle sheep og military plane. Etter å ha lært av mange bilder innenfor hver kategori kan dataprogrammene fastslå hva som er på et bilde, og har riktig svar på over 95% av bildene. Mennesket de sammenligner resultater med fikk 5.1% feil. På grunn av mange nærliggende kategorier (flytyper, biltyper, katteraser, hunderaser osv.) og varierende kvalitet på bildene er det vanskelig også for mennesker å klassifisere alle bildene riktig.
Kunstig intelligens og maskinlæring har vært et stort forskningsfelt de siste 50 årene. Datamaskiner blir bedre og bedre på å se mønstre og uregelmessigheter, til å klassifisere og analysere data og forutsi endringer eller oppførsel ut fra disse data. På internett brukes maskinlæring til å finne frem riktige søkeresultater, velge beste reklame, identifisere trusler og svindelforsøk og mye mer.
Etter hvert har datamaskiner også blitt gode på oppgaver man tradisjonelt sett har tenkt krever strategi og kreativitet. I 1996 ble Deep Blue den første superdatamaskinen til å slå en regjerende verdensmester i sjakk, noen tiår tidligere var dette utenkelig. Maskinen kunne se på tusenvis av muligheter mange runder frem og velge de beste trekkene. Etter seks spill ble vinneren allikevel regjerende mester Garry Kasparov, med stillingen 4—2. I omkampen året etter ble stillingen 3,5—3,5.
Til og med i veldig kreative yrker, blant annet som musiker, kan man måtte konkurrere med datamaskiner i fremtiden. Wolfram Tones genererer musikk med mange instrumenter basert på musikkteori, maskinlæring og kunstig intelligens. Tjenesten kan lage praktisk talt uendelige mengder med musikk, og man kan tilpasse instrumenter, sjanger og rytme etter ønske. Wolfram Tones finnes gratis på tones.wolfram.com, og er bare et av flere maskinlæringsprosjekter som Wolfram har.
Språkforståelse og konversasjon har vist seg å være mye vanskeligere for datamaskiner. IBMs superdatamaskin Watson ble laget for å spille Jeopardy, et amerikansk game show hvor deltakerne må svare riktig på quiz-spørsmål med obskure formuleringer og hint. I februar 2011 slo Watson de to beste Jeopardy-spillerne med 3 ganger så stor sluttsum som de andre deltakerne. I seg selv er det ikke så nyttig med en quizmaskin, men programmer som kan beherske naturlig språk ville absolutt vært nyttig. Dette forskes mye på, og det er ikke utenkelig at i løpet av noen tiår vil kundeservice og supportlinjer bli erstattet med datamaskiner som forstår brukerens problemer og svarer minst like godt som mennesker ville gjort.
Maskinlæring brukes i dag i tidlige prototyper for selvstyrte biler. Disse kan ha sensorer og kameraer i alle retninger, se mer og reagere mye raskere enn mennesker. Google, Tesla, Nvidia og DARPA er bare noen av mange selskaper som er involvert i utviklingen av selvstyrte biler. Prototypene deres bruker maskinlæring til å reagere på input fra alle kameraene og sensorene de er utstyrt med. Ved at mennesker «trener» opp bilene kan de lære seg de riktige reaksjonene til forskjellige hendelser, for eksempel bremsing og svinging. Prototypene er ikke langt unna å være like sikre som mennesker i de fleste situasjoner. I tillegg til økt reaksjonsevne og synsfelt er det også en fordel at biler ikke blir distrahert av tekstmeldinger eller passasjerer, og ikke drikker alkohol. Bilene må ikke være perfekte, men de må være vesentlig sikrere enn menneskelige sjåfører, og det skal ikke så mye til.
I nær fremtid kan denne og lignende teknologi brukes i autonome biler, båter, tog, fly, droner og våpen. Sosialistisk Venstreparti foreslår nå å forby alle autonome våpen, av etiske og juridiske grunner. Når maskinene blir mye raskere, mer effektive, sikrere og generelt sett bedre enn mennesker, bør man fortsette å la mennesker gjøre disse farlige oppgavene?
Kilder:
GTC 2015: Leaps in Visual Computing, NVidia
Globalt forbud av autonome våpen, NRK