#ensakidag 225 – När en ai lär upp en ai som lär upp en ai…

AI igen, tänker du. Men det här är nytt, och så klurigt att JJ tar på sig tänkglasögonen.

Han börjar med att skilja på två sorters AI. Den ena, det heta nya, behöver knappt någon data alls: AlphaGo Zero, som man bara matar ett regelverk och som tränar mot sig själv tills den når mästarnivå. Den slog go-mästarna för längesedan, och senast hällde man hela Nintendos spelkatalog över den och bad den lära sig spela, allt, så bra den kunde. Det tog fyra timmar att knäcka katalogen på en nivå ingen människa varit i närheten av. Den andra sorten bygger fortfarande på stora datamängder, så som AI måste fungera när det inte finns ett tydligt regelverk, till exempel i medicinsk diagnostik, där Watson redan hjälper läkare att hitta cancer.

Och problemet i medicinen är dubbelt: ofta är dataunderlaget för litet för att träna en bra AI, och även där det finns gott om data står integritetsfrågor i vägen. Lösningen är nästan för fin för att vara sann. Nvidia, som vi känner som grafikkortstillverkaren, använder något som heter Generative Adversarial Network. En generativ del tittar på det lilla äkta underlaget av hjärnröntgenbilder och hittar på nya varianter, med andra sorters tumörer. En motspelande del granskar varje påhittad bild och godkänner eller förkastar. Fram och tillbaka, om och om igen, tills man sitter med ett stort, helt syntetiskt bildbibliotek. Det biblioteket får sedan en tredje AI träna på, för att bli vass på att hitta tumörer i riktiga bilder.

Resultatet är slående. Tränad bara på det lilla äkta materialet nådde AI:n 66 procents träffsäkerhet. Tränad på det stora fejkade materialet närmade den sig 80 procent. Du genererar alltså falska data för att lära en maskin hitta verkliga tumörer.

För JJ är det mindblowing, för det lyfter hela idén om AI till en ny nivå, där den ena upptäckten accelererar nästa. Och det gör en sak alltmer nödvändig: att sluta nöta på den banala frågan om AI ska ersätta människan, och i stället tänka spänstigt om var vår plats blir när maskinerna gör beräknandet, tänkandet och utforskandet bättre än vi. Det ligger långt bort, säger han, men de tankarna måste vi börja tänka nu.