Slik kan biologien inspirere kunstig intelligens

Og hvordan kan datamaskinene bli om 50 år? 

Førsteamanuensis Stefano Nichele (nichele.eu) tror vi kan lære av biologien for å utvikle kunstig intelligens videre. 

– Intelligens i mennesker og andre levende vesener er knyttet til at hjernen er i stand til å forbedre seg gjennom sanseinntrykk og å kontrollere kroppen, framhever han. 

Levende vesener har dessuten andre egenskaper som er gunstige for utvikling av intelligens, for eksempel kan de tilpasse seg forskjellige miljøer, også når miljøene endrer seg.

Og de kan få avkom som kanskje passer bedre inn evolusjonsmessig enn den forrige generasjonen. 

– Vi ser dette i mutasjonene av korona-viruset, for eksempel. Noen ganger er nye mutasjoner bedre til å spre viruset.

– Naturen har optimaliseringsprosesser som det er gunstig å se på, sier Nichele, som jobber ved OsloMet AI Lab og forskningssenteret NordSTAR som er knyttet til laben.

Han ser flere områder der kunstig intelligens kan lære av biologien.

Biologien klarer seg med små ressurser

Skal vi ha mye kunstig intelligens i dag, krever det veldig høyt strømforbruk.

– Vi spør oss om metodene for kunstig intelligens er bærekraftige på lang sikt. Kan vi skalere dem opp og fortsatt bruke dem uten å ha behov for å bygge et datasenter som bruker like mye strøm som hele Oslo by?

Den biologiske intelligensen til mennesket har høy grad av kognitive ferdigheter, men energien og ressursene den bruker er likevel veldig begrenset. 

Evolusjonen har ført til at den kan klare seg med svært begrensede ressurser av mat, drikke og annet som må til for å holde seg i aktivitet.

– Jeg tror vi må se enda nærmere på informasjonsutveksling og overføring i biologiske systemer for å sammenligne hvordan celler kommuniserer, vokser, dør, formerer seg og følger et program som er kodet i DNA. 

– Vi kan også se på hvordan de endrer sin tilstand når miljøet endrer seg. 

– Hvis vi lærer mer om disse mekanismene, kan vi kanskje forbedre maskinvaren vi bruker. Dette blir grunnleggende forsking som kan bidra på lang sikt.

Vi stoler mer på folk enn på maskiner

Et annet problem er at det kan være vanskelig å skjønne hvordan kunstig intelligens tar beslutninger. Særlig når det blir gjort feil, som at den feilleser trafikkskilt, eller misforstår det du sier. 

På NordSTAR spør forskerne seg også om hvordan vi kan stole på avgjørelser tatt av en algoritme i kunstig intelligens. 

– Bioinspirert kunstig intelligens er veldig relevant her, fordi vi har en tendens til å mistro algoritmer når vi ikke forstår en beslutning eller prosess gjort av kunstig intelligens. 

– Men når vi får en ekspertuttalelse fra en lege har vi ofte mer tillit til den. Ikke fordi vi nødvendigvis forstår kunnskapen til legen bedre, men fordi hun har en intelligens som er mer kjent for oss.

– Vi vet at legen har gått gjennom en prosess for å lære, og vi kjenner til denne læringsprosessen. 

– Hvis en prosess gjøres mer kjent for den menneskelige tankegangen, kan vi kanskje lettere stole på den og forstå den bedre. Bioinspirert kunstig intelligens kan muligens bidra til det.

Utvikling gjennom evolusjon

En biologisk organisme kan få avkom som i noen tilfeller kan utføre intelligente oppgaver bedre enn foreldrene. 

– Vi ønsker maskiner som er i stand til å utvikle seg mer som organismer gjør, få avkom basert på hvor gode de er, og som kan forbedre programmet som driver dem.

Bioinspirert robotikk

– Vi kan for eksempel tenke oss mer bioinspirert robotikk. Det er veldig begrenset hvilke ferdigheter robotene vi har nå kan lære. 

– Vi har roboter som kan bygge biler fordi de er programmert til det, men ikke roboter som rengjør pultene våre, hele huset vårt og lager mat til oss. Det kan bioinspirerte roboter bli i stand til å gjøre.

Bør kunne tilpasse seg miljøendringer

– For å kontrollere roboter bedre, trenger vi en intelligent algoritme, og når miljøet til roboten endres, trenger den å lære. 

– Robotene som bygger bilene er programmert presist til å gjøre dette, men de er ikke adaptive. De må kunne tilpasse seg for å lære av dataene, endre atferd, skyve og bevege seg av seg selv. 

– Hvis robotene er bygget på en måte som ikke er naturlig slik kroppene våre og vår biologi, kan det være vanskelig å kontrollere dem ved hjelp av et bioinspirert rammeverk, for eksempel hvis de har veldig begrensede ledd og ikke er like myke i huden som vår hud. 

– De må være mer like måten organismer fungerer på. Som når vi får et kutt på huden vår, leges det. Vi har mange utfordringer vi trenger å løse. Det vil ta lang tid, men det vil være interessant også for store organisasjoner som NASA.

Tverrfaglig forskning må til

– Det må tverrfaglighet til for å finne ut av dette, først og fremst må vi ha med folk som studerer hjernen, for eksempel nevroforskere.

– Arbeid med biologisk inspirert kunstig intelligens krever også ofte spesielle laboratorium der du kan dyrke celler. At biologiske prosesser kan ta tid, og at celler kan bli forurenset, må du også ta hensyn til. 

AI-Laben samarbeider med Sandvig-gruppen for integrert nevrovitenskap ved NTNU, hvor de får tilgang til et slikt laboratorium. 

Nye materialer

Det gjenstår mye arbeid før vi får biologisk inspirerte datamaskiner som bruker mye mindre energi, og samtidig kan løse kompliserte oppgaver.

– Først og fremst trenger vi bedre maskinvare. Det vil kanskje ikke være mikroprosessorer som nå, men et helt annet materiale.  

– Deretter må vi også forstå hva slags algoritmer vi kan kjøre, og lage modeller som er mer biologisk plausible, som kan kjøres på maskinvaren. 

Kunstnere kan gi oss scenarier

– På OsloMet bruker vi kunstnerisk forskning til å adressere disse etiske og sosiale implikasjonene, gjennom prosjektet FeLT (feltproject.no).

– Kunstnere er gode til dette, de vet hvordan de skal presentere scenarier på en måte som tillater diskusjon. De kan forestille seg framtidsscenarier i sin kunstneriske produksjon, avslutter Stefano Nichele.

Referanser 

• Criticality-Driven Evolution of Adaptable Morphologies of Voxel-Based Soft-Robots (frontiersin.no) 
• Towards Self-Organized Control: Using Neural Celluar Automata to Robustly Control a Cart-Pole Agent (arxiv.org)