Titta

UR Samtiden - Vetenskapsfestivalen 2016

UR Samtiden - Vetenskapsfestivalen 2016

Om UR Samtiden - Vetenskapsfestivalen 2016

Föreläsningar och panelsamtal från Vetenskapsfestivalen 2016 som kommunicerar vetenskap på ett lättillgängligt sätt och skapar mötesplatser för vetenskapsintresserade i alla åldrar. Inspelat på Göteborgs universitet den 16 april 2016. Arrangör: Vetenskapsfestivalen och Göteborg & Co.

Till första programmet

UR Samtiden - Vetenskapsfestivalen 2016 : Den medvetna maskinenDela
  1. Vi är glada att kunna presentera
    det här seminariet-

  2. -som handlar om
    artificiell intelligens.

  3. Den här programpunkten
    är i samarbete med svenska kyrkan.

  4. Vi är glada att ha med Martin Nilsson
    Jacobi, professor på Chalmers-

  5. -som kommer att ge ett föredrag
    på 30 minuter.

  6. Efter det kommer Hans Liljenström-

  7. -professor i biofysik vid SLU-

  8. -och föreståndare för
    Agora for biosystems-

  9. -att agera samtalsledare
    och inleda en diskussion med Martin.

  10. Därefter kommer publiken
    att släppas in-

  11. -och ges tillfälle
    till frågor och diskussion.

  12. Välkomna! Då sätter vi i gång.

  13. Tack så mycket!
    Det är kul att vara här-

  14. -och få prata om ett så intressant
    ämne som artificiell intelligens.

  15. Jag är inte professor
    i artificiell intelligens-

  16. -och det är inte
    nåt jag jobbar med dagligen-

  17. -men det kan vara en fördel.

  18. Jag är intresserad
    och kan ha en diskussion utifrån det.

  19. Man kan man bli hemmablind, men jag
    ser det utifrån, vilket är bra-

  20. -speciellt med ett komplicerat ämne
    som artificiell intelligens.

  21. Vi ska också prata om medvetande
    och kan börja där.

  22. Vad är medvetande för nåt?
    Det är en väldigt gammal fråga-

  23. -en fråga man har frågat sig
    i tusentals år-

  24. -så långt vi har skriftminnen
    av vad människor har tänkt på.

  25. Det går tillbaka till grekerna.
    Man funderade på vad medvetande var.

  26. Det är fascinerande att vi kan
    reflektera och tänka på oss själva.

  27. Vi kan tänka på vår omvärld och har
    olika sätt som associeras med det.

  28. Vad är då medvetandet?

  29. Man har försökt definiera det
    på olika sätt.

  30. Det finns minst två fundamentalt
    olika sätt att angripa problemet-

  31. -om man frågar: "Vad är medvetande?"

  32. Det första är att göra
    en filosofisk, logisk, biologisk-

  33. -eller vad man vill använda
    för metodbas-

  34. -för att definiera
    vad medvetande skulle kunna vara.

  35. Det leder ofta till olika
    svårigheter och motsägelser-

  36. -vilket inte behöver vara fel.

  37. Det kan finnas motsägelser när man
    försöker definiera medvetande-

  38. -och vilket sätt människan fungerar.

  39. Jag ska inte gå in på
    de olika delarna.

  40. Det är inte det mest centrala när man
    pratar om artificiell intelligens.

  41. Vad man ofta har gjort är att ta
    en annan approach, mer operationellt.

  42. Det är genom att säga att om nåt
    verkar självmedvetet är det nog det.

  43. Det är naturligtvis
    ganska människocentrerat.

  44. Det blir en utsaga som bara får sägas
    av nåt som är medvetet.

  45. Vi måste alltså vara medvetna för att
    kunna säga att nåt är medvetet.

  46. Ännu mer egocentriskt är att säga
    att nåt som liknar mig är medvetet.

  47. Jag kan ställa mig den basala frågan:

  48. Jag tycker att jag har
    ett medvetande...

  49. ...men hur övertygar jag dig om det?

  50. Jag kan säga att jag är medveten,
    och du kanske tror på det.

  51. Det blir en spegling av oss själva.

  52. Vi är båda människor
    och tänker ungefär likadant.

  53. Man kan tänka att om jag är medveten
    bör du också vara medveten.

  54. Vi är medvetna,
    och alla människor är medvetna.

  55. Det låter fånigt
    för det är ju cirklar i det här-

  56. -men det kanske är
    den bästa definition man kan göra.

  57. Det är inte lätt att gå djupare.

  58. Det blir Descartes logik:
    "Jag tänker därför finns jag."

  59. Medvetenhet är kopplat till
    att existera som människa.

  60. Går vi vidare om medvetandet
    är det kopplat till hjärnan.

  61. Vad är då hjärnan?

  62. Man tänker
    att medvetandet sitter i hjärnan.

  63. Man kan tänka sig hjärnan som...

  64. Vad är funktionen
    av att ha en hjärna?

  65. En sak är att lära sig av omgivningen
    för att förutsäga framtiden.

  66. Det använder vi hjärnan till.
    Den tränas av omgivningen.

  67. Den är förprogrammerad
    till att lära sig.

  68. Den lär sig av erfarenheter och gör
    förutsägelser av vad som ska hända.

  69. Vad är poängen med att förutsäga?

  70. Det gör vi
    för att vi vill manipulera framtiden.

  71. Från ett biologiskt perspektiv är det
    bra att kunna manipulera framtiden.

  72. Det gör att vi kan påverka världen på
    ett sätt som är gynnsamt för mig.

  73. Från ett darwinistiskt perspektiv
    kanske målet är mycket avkomma.

  74. På kortare sikt kanske jag vill få
    mat, kunna skydda mig eller fly.

  75. För att kunna göra det
    måste jag kunna förutspå framtiden-

  76. -och kunna gissa hur det ser ut här
    om tre sekunder.

  77. Då måste jag manipulera det genom att
    agera så att jag uppnår målen.

  78. Det har drivit utvecklingen
    av hjärnan.

  79. Den är en avancerad prediktionsmaskin
    som förutsäger vad som ska hända.

  80. Det är en fundamental funktion.

  81. För att göra detta
    på ett effektivt sätt-

  82. -har hjärnan utvecklat effektiva
    metoder för att abstrahera koncept-

  83. -och förstå världen på olika sätt.

  84. Det gäller inte bara
    den mänskliga hjärnan.

  85. Alla typer med avancerad
    neural aktivitet gör abstraktioner.

  86. Även väldigt primitiva djur
    måste kunna förstå-

  87. -att om man har upplevt en situation
    kommer en liknande situation...

  88. Då gick det på ett visst sätt.
    Jag kanske blev skadad och anfallen.

  89. När jag ser en liknande situation
    ska jag fly.

  90. Men du kommer aldrig att uppleva
    EXAKT samma situation.

  91. För hjärnan betyder det
    exakt samma stimuli.

  92. Den ser, hör, känner och luktar.

  93. Det kommer aldrig att vara
    exakt samma. Det kommer att likna.

  94. Det betyder att du abstraherar
    det tidigare sinnesintrycket-

  95. -och associerar till nåt
    som gick illa och därför sticker du.

  96. Man bygger upp det på olika nivåer.
    Man förstår att träd är träd...

  97. ...och att bytesdjur är bytesdjur
    och så vidare-

  98. -upp till den nivån som människan
    klarar med abstrakta saker.

  99. Vi kan manipulera ord, språk, begrepp
    och olika koncept.

  100. Vi kan förstå att olika filmer
    har samma typ av upplägg-

  101. -och kan abstrahera på hög nivå.

  102. Vi kan gissa vad som ska hända
    i framtiden.

  103. Det är ett viktigt sätt som
    den mänskliga hjärnan fungerar på.

  104. Det är viktigt för artificiell
    intelligens som ska efterlikna det.

  105. En speciell del av medvetande är
    självmedvetande som ofta diskuteras.

  106. Självmedvetande är...

  107. Ibland säger man att människan
    är de enda som är självmedvetna.

  108. Självmedvetande är ett sätt
    att skilja på mig och min omgivning.

  109. Jag är självmedveten-

  110. -om jag förstår att jag som objekt
    är skilt från min omgivning.

  111. Men jag är också lik min omgivning

  112. Det finns objekt i omgivningen, ni,
    som liknar mig.

  113. Vi är lite liknande.

  114. Det utvecklades hos människan
    och kanske hos andra djur.

  115. Det var speciellt viktigt
    i sociala situationer.

  116. Ska jag förstå
    och prediktera framtiden-

  117. -är det viktigt att förstå skillnaden
    mellan mig själv och omgivningen-

  118. -andra individer i gruppen.

  119. Jag måste förstå att vi skiljer oss,
    men att det finns stora likheter.

  120. Om jag beter mig på ett visst sätt
    kommer individen att bete som jag-

  121. -om den hade betett sig så mot mig.

  122. En basal logik i social interaktion.
    Det är en viktig funktion.

  123. Ska jag manipulera min omgivning är
    det viktigt att jag är självmedveten.

  124. "Om jag gör det här kommer du att
    göra det där, för du är lik mig."

  125. "Då kan det här hända,
    och det är bra för mig."

  126. Därför uppstår självmedvetenheten
    ur en typ av social situation.

  127. När en grupp individer ska interagera
    är det viktigt att förstå sig själv.

  128. Givetvis är det viktigt
    även som solitär organism.

  129. Jag är inte samma
    som skogen runt mig.

  130. Min fysiska "embodiment"
    är fortfarande viktig att förstå-

  131. -men det är inte lika avancerat-

  132. -som social interaktion
    med saker som är väldigt lika mig.

  133. Det här är inte mitt område-

  134. -men i utvecklingsteori för barn går
    de igenom steg av självmedvetenhet-

  135. -och förstår
    att de är separerade från mamman.

  136. Mamman försvinner, och det är
    en typ av kris som små barn genomgår.

  137. Tror man i alla fall.

  138. Vi har gjort en liten bakgrund
    över medvetande.

  139. Det är ett stort område,
    vad medvetande är-

  140. -men det var några aspekter
    man kan fundera på.

  141. Då kan vi hoppa över
    till artificiell intelligens.

  142. Jag börjar med att säga
    vad vi ska prata om i dag.

  143. Man kan prata om artificiell
    intelligens på olika sätt.

  144. Ett sätt som är populärt är att prata
    om mänsklighetens undergång-

  145. -och sätt som artificiell intelligens
    kan utplåna mänskligheten på.

  146. Man kan prata om utopia, beroende på
    om man är pessimist eller optimist.

  147. Om man får en artificiell intelligens
    som är bättre än människan-

  148. -kan vi att leva i en utopi
    och inte behöva göra nåt.

  149. Vi kan skapa egna världar
    och leva i en utopisk framtid.

  150. Det diskuteras i science fiction
    litteraturen, och det är spännande.

  151. De pratar ofta om "singulariteten"-

  152. -en tidpunkt när man kan konstruera
    en artificiell intelligens-

  153. -som i sin tur kan konstruera
    en bättre artificiell intelligens.

  154. Sen blir det en exponentiell tillväxt
    i hur avancerade de blir.

  155. Den nya intelligensen kan göra
    en ännu intelligentare och så vidare.

  156. Då är det en singularitetspunkt,
    man går igenom en explosion i nivå.

  157. Vi ska inte prata om det.
    Det finns i andra föredrag.

  158. Olle Häggström ska prata om
    den typen av framtidsscenarier.

  159. Vi ska prata om definition, historik
    och "state of the art".

  160. Vi ska inte blicka framåt, men inte
    för att det inte är spännande.

  161. Det blir inte lika spekulativt.
    Det här blir om vad som finns i dag.

  162. Vi kan börja med
    att göra en definition.

  163. Definitionen är relaterad till
    medvetande och mänsklig intelligens.

  164. Vad man menar när man säger
    artificiell intelligens är:

  165. "Av människan konstruerade,
    alltså artificiella..."

  166. Det betyder att människan
    har konstruerat nånting.

  167. "...system, till exempel datorer..."

  168. Det kan vara andra saker, men oftast
    tänker man datorer eller dataprogram.

  169. "...som kan ta beslut,
    lära sig saker"-

  170. -"och göra sånt som vi förknippar med
    mänsklig intelligens och kognition."

  171. Beslutstagande och läroprocess är
    viktigt för artificiell intelligens.

  172. Det associerar man med det.

  173. Du kan alltid pusha definitionerna.

  174. I de här områdena är definitionerna
    aldrig matematiska och logiska.

  175. Det finns alltid gränsområden.

  176. Artificiell
    är av människan konstruerad-

  177. -men när datorn konstruerar
    en ny dator, är den då artificiell?

  178. Tja! När den självprogrammerar
    sig själv, är den då konstruerad?

  179. Det är för att särskilja naturliga
    system från de konstruerade.

  180. En artificiell intelligens
    tar beslut-

  181. -som maximerar chansen
    att lyckas med en uppgift.

  182. Uppgiften ska ha nåt att göra med-

  183. -nåt som kräver tankeverksamhet-

  184. -inte bara köra bil fort
    utan också styra bilen-

  185. -som till exempel ett schackparti
    eller diagnostisera en sjukdom-

  186. -nåt som vi förknippar med människans
    intelligens, eller bara intelligens.

  187. Det menas
    med artificiell intelligens.

  188. Det är ett ingenjörsområde.

  189. Det finns två nivåer
    av artificiell intelligens.

  190. "Weak AI", en typ
    av artificiell intelligens-

  191. -som kan lösa vissa problem
    inom ett visst område.

  192. Det är det vi brukar göra. Det
    gör artificiell intelligens i dag.

  193. Man specialanpassar teknikerna
    till det område du vill lösa.

  194. Det har varit framgångsrikt inom
    vissa områden som att spela schack.

  195. Vi tar exempel senare.

  196. Det finns också "strong AI" som är
    en generell artificiell intelligens.

  197. Det kan lösa alla problem-

  198. -så det är ett mycket starkare krav.

  199. Det är inte specialiserat på att lösa
    en typ av uppgift utan är generell.

  200. Det är som den mänskliga hjärnan som
    kan lösa de flesta typer av problem-

  201. -ibland ineffektivt. Vi är inte bra
    på huvudräkning jämfört med en dator-

  202. -men vi kan med tid
    lösa de här problemen.

  203. Man kan kritisera det med att vi kan
    lösa de problem som vi kan formulera.

  204. Det skulle kunna finnas problem
    som vi inte förstår hur de ser ut.

  205. "Strong AI" ska kunna lösa de
    problemområden som människan klarar.

  206. Det är inte omöjligt att den kan
    klara sånt som vi inte klarar av-

  207. -av ren kapacitetsbrist.

  208. Det är stor skillnad på de sakerna,
    och de är viktiga att hålla isär.

  209. Ibland blandas de ihop.

  210. Man har gjort prediktioner om "strong
    AI" från framgångar i "weak AI".

  211. Man har löst problem som verkade
    svåra, och tror att de kan lösa allt.

  212. Sen har man smällt i väggen
    och inte kommit nånvart.

  213. Det har varit en sak
    som har upprepats i historien.

  214. Rötterna till området
    är att man började matematiskt.

  215. Det finns längre rötter tillbaka,
    men om man tänker 1900-talet...

  216. Matematiker började fundera på om det
    går att automatisera all matematik.

  217. I matematik har man axiom, och sen
    härleder man teorem från de axiomen.

  218. Matematisk teori känns förutbestämd
    från det att du sätter upp axiomen.

  219. Det är bara att lägga ihop dem,
    så kan du generera olika teorem.

  220. Man tänkte att program skulle kunna
    göra en strikt matematik.

  221. Det undersöktes och man funderade-

  222. -och Gödel chockade matematikvärlden
    genom att visa en ofullständighet.

  223. Det fanns sätt att konstruera sanna
    teorem som inte gick att bevisa.

  224. Turing, en av pionjärerna i området-

  225. -fortsatte att fundera
    på det med generella algoritmer-

  226. -och generella datorer som kan utföra
    alla typer av beräkningar-

  227. -i alla fall i teorin
    även om det tar lång tid.

  228. Det ledde senare fram till
    artificiell intelligens-konceptet.

  229. En annan rot som gick åt samma håll-

  230. -var idén
    om att bygga en elektronisk hjärna.

  231. Den idén började när man konstruerade
    de första datorerna.

  232. Von Neumann byggde
    de första datorerna-

  233. -som gjorde simuleringar
    på Manhattan-projektet.

  234. När man fick kopplingsmaskinerna
    tänkte man att de såg ut som hjärnor.

  235. Kanske kunde man bygga en stor hjärna
    genom att koppla sladdar-

  236. -till att tänka som en människa?

  237. Det fortsatte med Turing. Han var
    en av de fundamentala personerna.

  238. På 50-talet funderade man på allvar
    om det skulle gå att bygga en hjärna.

  239. På 40-talet var det mer "tänk om",
    men på 50-talet började man tro det.

  240. Det ledde sen vidare.

  241. Man brukar säga
    att ämnet började på riktigt 1956-

  242. -när man hade en konferens-

  243. -där ett antal personer samlades.

  244. Man myntade ordet artificiell
    intelligens i det sammanhanget.

  245. Man konstruerade
    ett antal datorprogram-

  246. -som var rätt enkla
    men då var banbrytande.

  247. Man kunde vinna enkla spel,
    som "checkers", på en mänsklig nivå.

  248. Man bevisade algebraiska problem-

  249. -och fick en dator att konstruera
    grammatik och prata primitivt.

  250. I dag är det barnlek.
    Vi har ju vuxit upp med dataspel.

  251. På den tiden var det en chock. Ingen
    anade att en dator kunde göra sånt.

  252. Det ledde till en stor optimism.

  253. Det här var ett totalt nytt sätt
    att tänka på datorer.

  254. Det startade 1956-

  255. -och på 60-talet insåg man i USA,
    framför allt militären-

  256. -att det var ett område
    som kunde leda till revolutioner.

  257. Man hade stor framtidstro, från
    att man skulle kunna förutsäga väder-

  258. -till hur Sovjetunionen
    skulle agera i olika situationer.

  259. Den skulle kunna automatisera allt.

  260. Det var stora, statliga program.

  261. På 70-talet
    nyktrade man till en smula-

  262. -för enkla algoritmer som spelade
    luffarschack generaliserade inte.

  263. De löste inga av problemen
    man ville ha löst.

  264. Då blev man pessimistisk-

  265. -ändå fram till 80-talet då
    de så kallade expertsystemen kom.

  266. Ett expertsystem är ett beslutsträd.

  267. Den tar in input, ställer frågor,
    beslutar vad den ska göra-

  268. -och sen kommer en output.

  269. Det låter enkelt, men ett stort sånt
    kan göra ett avancerat resonemang.

  270. Då fick man ett uppsving,
    och det kunde användas kommersiellt.

  271. Det blev produkter till allmänheten.

  272. Det är kopplat till
    att man började sälja persondatorer.

  273. Det kopplar
    till den teknikutvecklingen.

  274. Då fick man ett nytt uppsving.

  275. På slutet av 80-talet
    kom det en backlash.

  276. Expertsystemen hade begränsningar.

  277. De kunde inte lära sig själva
    utan måste programmeras.

  278. En människa skulle konstruera
    reglerna, men de kunde inte leverera.

  279. Man var tillbaka till "weak AI".

  280. Den var bra på vissa saker
    men kunde inte göra vissa saker.

  281. På mitten av 90-talet
    kom en av de största uppsvingen.

  282. Då hade man datorer-

  283. -som var så kraftfulla att de kunde
    användas till att lösa nya problem.

  284. Bland annat logistik.
    Man kunde göra schemaläggning-

  285. -vilket var ett viktigt problem.

  286. Man hade en ny nivå av expertsystem
    som man kunde implementera i datorer.

  287. Deep Blue, datorn som slog Kasparov i
    schack 1997, var en stor revolution.

  288. Man visade att datorer kunde göra
    saker man inte trodde skulle hända.

  289. Många var säkra på att en dator
    aldrig skulle slå en världsmästare-

  290. -för att det krävde en högre nivå
    av medvetande för att förstå schack.

  291. Det vet vi ju vad som hände med det.

  292. Om vi kommer till nutid...

  293. Det har hänt ganska mycket de senaste
    åren. Det är ett expansivt område.

  294. Ni kanske känner till det.

  295. Watson var algoritmen från IBM
    som kom från Deep Blue.

  296. Samma typ av team som konstruerade
    schackdatorn som slog Kasparov-

  297. -konstruerade ett datorprogram-

  298. -som slog
    den amerikanska mästaren i Jeopardy.

  299. Den kunde förstå Jeopardyfrågor
    som ofta är komplicerat formulerade.

  300. Det är associationslekar.

  301. Man ställer inte en specifik fråga
    som går söka på Google.

  302. Du måste förstå vad de menar och göra
    associationer. Det är fascinerande.

  303. Jag hade en film, men ni kan slå upp
    Watson och Jeopardy på Youtube-

  304. -och titta på vilka frågor
    den svarar på.

  305. Det är förvånande. Det är
    väldigt människolikt att klara det.

  306. Vi lever i en tid där vi börjar se
    de första självkörande bilarna.

  307. Volvo, Google och alla större
    bilmärken har ett program-

  308. -för att utveckla självkörande bilar.

  309. Detta kräver en avancerad bildanalys
    och är tidskritiskt.

  310. Det måste ske nu. Du kan inte komma
    på att du ska svänga efteråt.

  311. Det måste lösas på millisekundsbasis.

  312. För bara 10 år sen var det otänkbart.

  313. Man hade tävlingar om att få autonoma
    bilar att köra några 100 meter.

  314. De körde som regel fast omedelbart.

  315. Utvecklingen har skett otroligt
    mycket fortare än vad nån...

  316. Det finns alltid optimister,
    men vad de flesta trodde.

  317. För några månader sen fick vi
    en chock när datorprogrammet Alphago-

  318. -slog världsmästaren i go,
    det gamla kinesiska spelet-

  319. -med 18 gånger 18 rutor
    och svarta och vita stenar.

  320. Man har försökt bygga en go-dator
    som kunde spela på mänsklig nivå.

  321. För några månader sen vann det här
    programmet mot världsmästaren.

  322. Det var intressant.
    Google ligger bakom Alphago.

  323. De sa innan matchen
    att det var 50-50.

  324. De flesta experter skrattade och sa-

  325. -att det är 10 år till det händer.
    "Det finns ingen chans."

  326. Det är så svårt,
    och det finns så många ställningar.

  327. Det är djup mönsterigenkänning.

  328. Mästarna tränas från de är 3 år
    att titta på de här mönstren.

  329. Det är fruktansvärt svårt.

  330. Det är svårt att bestämma vem som har
    vunnit om man inte är bra på det.

  331. Sen vann den! De flesta trodde inte
    att det skulle hända.

  332. Men nu är det klart, och nu
    tycker alla att det är självklart.

  333. På användarsidan,
    som vi upplever varje dag-

  334. -håller vi på med de intelligenta
    assistenterna i telefonen.

  335. Lite av ett skämt än så länge.
    De är inte alltid så himla smarta-

  336. -men om fem år
    kommer det att vara en annan nivå.

  337. Man är på väg att få dem till en nivå
    där de är användbara.

  338. Man utvecklar översättare i realtid.

  339. Skype har ett program
    som snart kan översätta.

  340. Du pratar svenska, och den
    ger engelska ut på andra sidan.

  341. De börjar bli så bra att de går att
    använda utan att det blir ett skämt.

  342. Indexering av bilder.

  343. Ansiktsigenkänning
    har blivit väldigt avancerat.

  344. Facebook börjar få hög precision
    i detta.

  345. Också andra saker,
    som att känna igen objekt i bilder.

  346. Om ni inte har lekt med såna program,
    så gör det!

  347. De är väldigt bra i vissa sammanhang.

  348. Ofta är det konstigt. De kan känna
    igen vilken hundras det är på bilder.

  349. Det är saker som man för 10 år sen-

  350. -tyckte var alldeles för svårt.

  351. Det händer mycket.

  352. Drivkraften bakom utvecklingen just
    nu är en kombination av tre saker.

  353. En sak är att det är billigt
    med massivt parallell datorkraft.

  354. Det går att hyra in sig
    på "cloud computing".

  355. Det finns en stark utveckling
    av datorkraft.

  356. Det är inte nytt-

  357. -men vi bryter igenom en vall där vi
    kan göra sånt som var omöjligt-

  358. -speciellt vad gäller bildbehandling.

  359. De är otroligt mycket snabbare i dag.

  360. Det finns mycket data tillgängligt.

  361. Vi har world wide web
    och mycket annan typ av data.

  362. Vi har
    mycket datamängder tillgängliga-

  363. -både vad gäller videoinspelningar
    och sensorer som har blivit billiga.

  364. Man kan ha tillgång
    till otroliga mängder data.

  365. Otroliga mängder data
    tillsammans med parallell datorkraft-

  366. -ger möjlighet att göra
    en annan databehandling-

  367. -som kan ge upphov till
    artificiell intelligens-beteende.

  368. Vi har också utvecklat
    nya inlärningsalgoritmer-

  369. -som är mer effektiva
    än de som fanns tidigare.

  370. De tre sakerna tillsammans
    leder till de revolutionerna vi ser.

  371. Jag tänker nämna en av de
    algoritmtekniker man använder-

  372. -som har gett stora framsteg.

  373. Det kallas för "deep learning".

  374. Idén är väldigt enkel,
    och återkopplar till medvetandet.

  375. De flesta system får en input.

  376. Fråga i Jeopardy, bild från kamera
    när du kör bil eller pratar med den.

  377. Den får en input
    och gör en dataanalys.

  378. Tidigare har den gjort en output.

  379. Vad som är nytt
    är att du har många lager.

  380. Du har en input.
    Den gör en analys och ger ut nåt-

  381. -som sen ges in i en ny dataanalys
    och så vidare i många lager.

  382. Det låter inte som en revolution,
    och det är en gammal idé.

  383. Problemet är att det inte är lätt
    att träna de här nivåerna.

  384. Det finns bara input och output
    som du har förståelse för.

  385. Om du ger det in och det kommer ut,
    kan jag säga om det var bra.

  386. Huruvida den gjorde rätt saker
    på vägen är svårare.

  387. Man har utvecklat nya algoritmer
    som tränar mellanlagren för sig.

  388. Man tränar lagren för sig och får en
    effektiv hierarki av abstraktioner.

  389. Det är det man pratar om.
    Det är det människan är bra på.

  390. Vi tar en input, vad mina ögon ser.

  391. Vi måste skapa en första nivå,
    kanske kanter och konturer.

  392. Ovanför det kommer ett nytt lager som
    förstår vad en stol är, eller nåt.

  393. På nästa nivå förstår jag
    att det här är en föreläsningssal.

  394. Sen förstår jag
    att där håller jag föreläsningar.

  395. Det finns olika nivåer av resonemang.

  396. Då har man utvecklat
    nya nivåer av förståelse.

  397. Nyckeln är "unsupervised learning",
    inlärning som inte har ett facit.

  398. Om man måste ha facit i varje nivå
    blir det svårt att träna nivåerna.

  399. Det är en algoritm,
    men det är kopplat till datorkraft.

  400. Det kräver mycket datorkapacitet,
    och för 20 år sen hade man inte det.

  401. Det är en kombination
    av datorkraft och teoretisk analys.

  402. Om man kombinerar det
    har man en massiv input av data.

  403. Watson processade
    500 gigabyte i sekunden-

  404. -när den svarade på Jeopardyfrågor.

  405. Den var långsam jämfört
    med människan. Det vann människan på.

  406. Watson hade nästan alltid rätt svar,
    men var inte snabb nog.

  407. 500 GB i sekunden in, dataanalys i
    olika steg och en inlärningsalgoritm-

  408. -ger den kraft vi har i dag.

  409. "Deep learning" är ett "buzz word"
    ofta kopplat till neurala nätverk.

  410. Då kommer vi till avslutningsfrågan.
    Är datorn medveten?

  411. Ännu?

  412. Nej, det är den inte alls. Watson
    och Alphago är inte alls medvetna.

  413. Inte på nåt vettigt sätt,
    som vi kan tänka, är de medvetna.

  414. Det kan man argumentera om-

  415. -men de allra flesta håller med om
    att datorerna i dag inte är medvetna.

  416. Man kan titta på historiken,
    och utvecklingen går väldigt fort.

  417. Det händer väldigt mycket.

  418. Vi är i en uppsvingsperiod. Tidigare
    har det följts av en "down swing".

  419. Om 5-10 år kanske vi står och säger
    att nu händer det ingenting.

  420. Det är möjligt.

  421. Metoderna som vi använder,
    som "deep learning"-

  422. -är metoder som börjar likna det
    som vi tror människan gör.

  423. Det gör de här abstraktionsnivåerna.

  424. Det är ett primitivt sätt att göra
    det den mänskliga hjärnan klarar.

  425. Vi är generella vilket specificerad
    artificiell intelligens inte är.

  426. På det sättet lever man
    i en intressant tid.

  427. Självmedvetenhet är en produkt
    av att vara i ett socialt sammanhang.

  428. Det är inte nåt man behöver leta
    efter i en dator som kan spela go.

  429. Den har ingen anledning
    att vara självmedveten-

  430. -bara att veta att motståndaren är en
    annan part, men det blir begränsat.

  431. Det är ingen som har en aning om
    när man passerar gränsen-

  432. -till att få nåt som är medvetet,
    men utvecklingen går fort.

  433. Metoderna liknar människans, men vi
    har ingen medvetande dator i dag.

  434. Jag avslutar där,
    så tar vi en diskussion.

  435. Tack, Martin!
    Då lämnar vi över till Hans.

  436. -Ska vi sitta?
    -Han leder samtalet.

  437. Det kanske inte går. Syns vi?

  438. Blir det dåligt om vi sitter?

  439. Tack för en intressant introduktion
    och historisk genomgång-

  440. -av området
    som är väldigt fascinerande.

  441. Det var intressant att du startade
    med problemet kring medvetande.

  442. AI är ju långt därifrån,
    som du säger på slutet-

  443. -men vad menar du är den
    stora svårigheten med medvetandet-

  444. -i relation till
    vad AI kan göra i dag?

  445. Det har alltid funnits,
    i science fiction om inte annat-

  446. -tankar om den medvetna datorn.

  447. Jag tänker på Arthur Clarks bok och
    sedan filmen "2001" med datorn Hal-

  448. -som i någon mening är medveten.

  449. När den ska kopplas ner frågar den
    om den ska börja drömma.

  450. Den tanken...

  451. På 60-talet tänkte man att år 2001-

  452. -skulle vi kunna ha medvetna datorer.

  453. Men hela tiden har vi hoppats
    att våra artificiella system-

  454. -ska klara så mycket mer
    än vad de visar sig kunna göra.

  455. Vi har sett det du pekade på-

  456. -besvikelsen och nedgången när man
    inser att de system som existerar-

  457. -inte klarar av det man hoppas.

  458. Nu talar man...

  459. I går var det en artikel
    i Dagens Nyheter-

  460. -om robotar som kan ha moral.

  461. Hur tänker du kring de här frågorna?

  462. Vad fattas? Varför är det så svårt-

  463. -att få artificiella system att likna
    vårt medvetande eller vårt tänkande?

  464. Det är en mångfacetterad fråga.

  465. En sak man kan säga
    vad gäller de här exemplen-

  466. -är att alla de exemplen
    är väldigt specialiserade uppgifter.

  467. Att spela Jeopardy, spela go
    eller köra en bil...

  468. Om det är det enda du kan, är det
    svårt att tänka på som medvetande.

  469. Det har ingen funktion att reflektera
    över nåt annat än bilkörningen.

  470. Än så länge har vi ingen generell AI.

  471. Vi har inget som liknar nåt
    som löser större uppgifter-

  472. -och interagerar i en värld där man
    inte vet vilket område man är i.

  473. Vi går igenom en massa situationer
    som kräver olika typer av tankesätt-

  474. -på både kort- och lång skala.

  475. Vi fattar beslut på mikroskala
    och långa beslut.

  476. Vi har inga algoritmer
    som kan göra såna saker än så länge.

  477. Hur långt ifrån vi är
    att konstruera dem vet inte jag.

  478. Jag har ingen aning.
    Det är svårt att bedöma-

  479. -hur mycket svårare det är att bygga
    det jämfört med en Watson-maskin.

  480. På ett sätt kommer vi tillbaka till
    vad medvetande är.

  481. Hade en person på 60-talet-

  482. -tittat på Watson som vinner Jeopardy
    hade de varit chockade.

  483. Det känns som en utopi
    och en märklig situation...

  484. ...som man lätt hade kunnat associera
    med självmedvetenhet.

  485. Men det är en begränsad kontext.

  486. Om du ställer frågor utanför
    är den "lost".

  487. Det låter som om du tror att det är
    möjligt att få medvetna datorer.

  488. Ja, det tror jag.
    Eller jag kan inte...

  489. Jag har inte hört nåt
    övertygande argument om motsatsen.

  490. Många har argumenterat
    att nåt är omöjligt-

  491. -men när det görs
    blir det självklart.

  492. Vissa saker måste man se
    för att förstå att det går att göra.

  493. Jag ser inget fundamentalt omöjligt
    i att konstruera ett medvetet system.

  494. Det bygger på att man tror
    att medvetandet är algoritmiskt.

  495. Det kritiserar Roger Penrose,
    den engelska matematiska fysikern-

  496. -i ett antal böcker och artiklar
    i slutet på 80-talet-

  497. -bland annat "The emperor's new mind"
    och "Shadows of the mind".

  498. Han pekade på hur mycket av vårt
    tänkande som är icke-algoritmiskt.

  499. Matematiken, som man generellt
    uppfattar som algoritmisk...

  500. Han kunde peka på att lite av den
    var algoritmisk eller beräkningsbart.

  501. Hur ska vi då tro
    att vårt tänkande...

  502. Om man köper hans idéer
    och hans kritik-

  503. -hur ska vi då tro att allt
    som inte är matematik, som känslor-

  504. -skulle kunna översättas
    till algoritmer?

  505. Penroses argument är ju...

  506. Det var längesen jag läste
    "The emperor's new mind"-

  507. -men det är ett komplicerat,
    strikt logiskt argument-

  508. -som han tycker visar att människan
    tänker på ett icke-algoritmiskt sätt.

  509. Det betyder att naturlagarna inte
    kan gälla på ett matematiskt sätt-

  510. -om man nu tror att hjärnan
    följer nån typ av naturlag-

  511. -och inte är nåt magiskt som ligger
    utanför det universum vi förstår.

  512. Han bygger på Gödels teorem.

  513. Jo, det gör han, fast Gödels teorem
    ser det inte som en motsägelse...

  514. Gödels teorem kan ses som
    ett axiomsystem som du kan härleda.

  515. Det finns saker som du kan formulera
    som du inte kan bevisa.

  516. Du kan lägga till det här teoremet
    som ytterligare ett axiom.

  517. Då har vi oändligt många axiom-

  518. -men är det en motsägelse
    mot hur vi uppfattar världen?

  519. Det är ett sätt att tolka Gödel
    som jag inte tror är självklart.

  520. Man försöker argumentera
    att det finns nåt i kvantfältteorin-

  521. -som inte är algoritmiskt uppbyggt
    och är viktigt för vårt medvetande.

  522. Det låter "far fetched" för mig.

  523. De naturlagar vi har
    är ju deterministiska.

  524. Då skulle våra processer i hjärnan
    också vara deterministiska-

  525. -att allting följer
    algoritmiska principer.

  526. Det ger ju inget utrymme
    för fri vilja.

  527. Hur ser du på frågan om fri vilja?
    Har vi fri vilja?

  528. I alla effektiva sätt att se
    på världen har vi en fri vilja-

  529. -men kanske inte
    på ett strikt logiskt sätt.

  530. Fri vilja är svårt att formulera. Det
    har inte med determinism att göra.

  531. Nåt stokastiskt ger oss inte mer fri
    vilja. Vi måste ju kunna påverka då.

  532. Det har inte med determinism
    att göra.

  533. Det finns många saker-

  534. -som gör
    de fundamentala nivåerna irrelevanta.

  535. Du kan aldrig förstå biologi
    utifrån fysik och kemi.

  536. Kan de högre nivåerna påverka
    de lägre nivåerna i ett system?

  537. Du pekade på
    att det kommer nerifrån och upp.

  538. Vi har data som kommer in
    och sen analyseras det.

  539. Medvetandet, som man generellt
    uppfattar det, och de här systemen-

  540. -är ett input-output-tänk.

  541. Det handlar mycket om interaktion
    med omgivningen-

  542. -en växelverkan
    mellan systemet och dess omgivning.

  543. I den växelverkan-

  544. -är kausaliteten inte så självklar,
    att det bara går åt ena hållet.

  545. Det måste finnas en nedåtgående
    kausalitet om det ska ha nån effekt.

  546. Ja, men det beror på vad man menar.
    Där blir det hårigt igen.

  547. Om man har en naturvetenskaplig syn
    på saker-

  548. -finns det ingen
    nedåtgående kausalitet.

  549. De fundamentala fysikaliska lagarna-

  550. -ger upphov till allting uppåt.

  551. Det finns mellannivåer, där nivåerna
    kan uppfattas som inte helt slutna.

  552. Den påverkas av nivån ovanför.

  553. Människans hjärna är, ur ett
    fysikaliskt perspektiv, helt absurd.

  554. Vi kan ta ett exempel här.

  555. På olika sätt fick vi reda på
    den här föreläsningen-

  556. -för ett par månader sen
    eller ett halvår sen.

  557. Vi fick ett elektroniskt mejl
    och läste en text.

  558. Det gick in i ögonen, registrerades
    i hjärnan, och vi svarade.

  559. Det skedde för 6 månader sen.
    Alla atomer i din kropp...

  560. Det har hänt mycket med dem,
    men det var med 90 procents säkerhet-

  561. -att alla de atomerna skulle befinna
    sig här vid den här tidpunkten.

  562. Från ett fysikaliskt perspektiv
    är det absurt.

  563. Det är otänkbart att förstå det
    från en fysikalisk synvinkel.

  564. Atomerna som är i din kropp-

  565. -är slavar under den neurala
    processen som pågår i ditt huvud.

  566. Det betyder inte
    att inte hjärnan är uppbyggd-

  567. -av fysikaliska processer
    nerifrån och uppåt.

  568. Vi kan inte förstå mycket av vad som
    händer där med hjälp av fysik.

  569. Vid flera tillfällen
    under det här halvåret-

  570. -hade jag kunnat bestämma mig
    för att inte åka.

  571. Jag har en känsla av att jag
    bestämmer vad jag kommer att göra.

  572. Jag är inte bunden av naturlagarna
    eller slumpen-

  573. -att göra nåt emot min egen vilja.

  574. Den här viljeaspekten är fundamental
    för mänskligt medvetande.

  575. Vi talar sällan om det
    i AI-sammanhang.

  576. Kanske är det för att vi inte vill-

  577. -att de artificiella intelligenserna
    ska ha fri vilja.

  578. Då kan det börja bli farligt-

  579. -och då kommer farhågorna-

  580. -som Stephen Hawking
    och Nick Bostrom har-

  581. -om att datorer och robotar tar över.

  582. För mänskligt...
    Men vi är långt därifrån.

  583. För mänskligt medvetande
    är det moraliska-

  584. -att vi tar ansvar
    för våra handlingar-

  585. -att vi kan välja
    vilka handlingar vi ska göra-

  586. -fundamentalt
    för mänsklig intelligens.

  587. Det känns som om vi är långt därifrån
    och kanske aldrig kommer dit.

  588. Men du tror att vi gör det
    när det gäller artificiella system?

  589. Ja, jag ser ingen anledning att inte
    göra det. Man kan se människans...

  590. Vi upplever att vi gör val, och det
    är viktigt. Det betyder nånting.

  591. Det är självklart att vi övervärderar
    vikten av våra val.

  592. Vi tror att varje val vi gör
    har betydelse.

  593. Hjärnan vill att det ska vara så.
    Den vill kunna påverka framtiden.

  594. Det är evolverat, och det är det
    hjärnan ska vara bra på.

  595. Hittar vi inget sätt att se
    på framtiden, hittar vi på sätt.

  596. Vi har olika myter och riter, och
    folk tror att de kan förutsäga saker.

  597. Vi vet att vi inte kan förutsäga
    börsen, men vi tror det.

  598. Vi letar mönster och inbillar oss
    att vi kan se framtiden.

  599. -Du menar att det är en illusion?
    -Ja, vissa delar är det.

  600. Men vissa beslut spelar roll
    för vad som händer.

  601. Att vi upplever att vi har en fri
    vilja betyder inte att det finns.

  602. Man kan uppleva många saker
    som kanske inte är reella.

  603. Du kan se en schackdator
    eller den självkörande bilen-

  604. -som gör beslut hela tiden som
    påverkar om det går dåligt eller bra.

  605. Det har inget med självmedvetande
    att göra.

  606. Skulle det vara meningsfullt
    att ha en diskussion så här-

  607. -om vi var förutbestämde för den?

  608. Varför inte?

  609. Är det nån mening då?

  610. Menar du att det är kopplat
    till meningen med livet? Ja...

  611. Det är förutbestämt att jag ska tycka
    att det finns en mening med livet.

  612. Jag tror inte att vi kommer längre.
    Ska vi ta och släppa in publiken?

  613. Jag vill backa tillbaka
    till definitionen av medvetande.

  614. Man vet inte vad man pratar om, om
    man inte vet vad man menar med det.

  615. Du hade dels en ren definition, dels
    ett alternativ som var operationellt-

  616. -att det vi uppfattar som medvetande
    är medvetet.

  617. Finns det inte ett tredje alternativ-

  618. -att man beskriver
    vad ett medvetande gör?

  619. Att det får vara en operationell
    definition av ett medvetande-

  620. -och då välja bort upplevelsen
    av medvetande?

  621. Hur ser du på det? Skulle det kunna
    vara ett alternativ. Förstår du?

  622. Det tror jag, men vad menar du
    att medvetande gör?

  623. Till exempel den självmedvetna delen-

  624. -att det finns möjlighet
    till en inre språklig monolog.

  625. Att vi ackumulerar minnen-

  626. -och relaterar gamla minnen
    till nya upplevelser.

  627. Det är några saker.
    Det går att räkna upp fler.

  628. Då definierar jag vad GÖR medvetandet
    snarare än vad det ÄR.

  629. Jag säger inte: uppfattar jag nån
    som medveten så är den det.

  630. Det är en tredje väg
    som jag undrar över.

  631. Det är lite kopplat till det här.

  632. När man pratar om
    artificiell intelligens-

  633. -definierar man den som att den
    tar beslut och lär sig saker.

  634. Det är till vissa delar det du sa.

  635. Den lär sig av sina erfarenheter
    och tar beslut-

  636. -som ska få nåt utfall i framtiden
    som är bra.

  637. Den gissar kanske rätt
    på diagnosen av en sjukdom.

  638. Det är ett annat sätt
    att definiera vad medvetandet gör.

  639. Självmedvetenhet?
    Är det fundamentalt för medvetande?

  640. Det är det ju för oss.

  641. Om du har en distribuerad
    intelligens där det bara finns en-

  642. -kanske självmedvetenhet
    är ointressant.

  643. Det är en definitionsfråga,
    men vissa delar är ju vad den gör.

  644. Den lär sig, tar beslut, lär sig av
    erfarenhet och kan förutsäga framtid.

  645. Det är viktiga delar av medvetande.

  646. Du pratade i början om associationer-

  647. -och att kunna associera till saker
    man tidigare har upplevt-

  648. -för att kunna göra rätt beslut
    i framtiden-

  649. -vilket implicerar att medvetande är
    adaptivt och att vi har en fri vilja-

  650. -annars skulle vi inte
    fatta de besluten.

  651. Det var inte det jag tänkte på.

  652. När man konstruerar intelligens-

  653. -kan man programmera dem
    så att de kan associera.

  654. Det är en vanlig
    "reinforced learning"-

  655. -för att få program
    att lära sig att associera.

  656. Det är vanligt
    i biologisk intelligens också.

  657. Det går att träna associativt-

  658. -med de flesta organismer
    som har ett nervsystem.

  659. Jag tror även med insekter,
    men åtminstone ryggradsdjur.

  660. Inte bakterier och växter.

  661. Tror du att mekanismen som gör-

  662. -att vi associerar
    till nåt positivt eller negativt-

  663. -som är en medveten känsla
    av positivt eller negativt...

  664. Finns den mekanismen i alla
    biologiska system som kan associera?

  665. Finns den i artificiella system
    som kan associera?

  666. Kan vi dela på den frågan? Du har nog
    bättre svar för du jobbar närmare.

  667. Men jag sätter inte dig före
    utan får säga nånting först.

  668. Jag ska inte kommentera
    om man måste ha fri vilja-

  669. -för att kunna bete sig
    som du sa först.

  670. Om jag tror att det finns
    hos alla djur som lär sig nåt? Ja.

  671. Jag tror att den fundamentala
    mekanismen för inlärning-

  672. -är relativt lik i alla typer
    av neurala system inom biologin.

  673. Jag tror inte att människan har ett
    annorlunda sätt att lära sig saker-

  674. -än vad mindre hjärnor har.

  675. Jag tror att det är liknande
    processer, men det är min gissning.

  676. Huruvida det gäller för artificiella
    system? Ja, det kan man säga.

  677. I "reinforcement learning" och "deep
    learning" får man bättre utfall.

  678. Om man gissade rätt
    ger man feed back-

  679. -till de algoritmerna och vikterna
    som låg på de olika neuronerna.

  680. Då förstärker man dem,
    men gör man fel dämpar man dem.

  681. Man kan säga att känslan
    propagerar genom nätverket.

  682. Man kallar det inte "känsla"-

  683. -men det är ett sätt att ge
    positiv och negativ feed back.

  684. Det tror man liknar det sätt
    biologiska system fungerar på.

  685. Om man vill kalla det för känslor
    är en annan fråga. Är man abstrakt...

  686. Naturvetenskapligt är känslor ett
    allmäntillstånd hos neurala system-

  687. -som kan vara svårt
    att formulera logiskt-

  688. -men som kan finnas i artificiella
    system som ett generellt tillstånd.

  689. Du har kanske mer precision?

  690. Man brukar säga att människan
    är de enda med självmedvetande-

  691. -men andra organismer
    har olika grader av medvetande-

  692. -beroende på komplexitet
    i nervsystem.

  693. De flesta är överens om att däggdjur
    och fåglar har medvetande-

  694. -som inte skiljer sig mycket
    från vårt.

  695. Man kan diskutera hur långt ner
    i den evolutionära stegen-

  696. -som man ser embryo till medvetande.

  697. Det finns de som menar att encelliga
    organismer har ett protomedvetande.

  698. Det upplevs-

  699. -som nåt fundamentalt
    i biologiska system-

  700. -att det finns en medvetandeaspekt
    i alla de systemen.

  701. Beroende på vilka sinnesintryck
    som kan bearbetas-

  702. -och hur komplex växelverkan
    med omgivningen kan bli-

  703. -blir medvetandet mer komplicerat
    och mer likt vårt.

  704. Att försöka efterlikna en insekt
    eller ett groddjur-

  705. -har varit ett mål för många som
    jobbar med artificiell intelligens-

  706. -till exempel artificiell neuronnät-
    där man efterliknar-

  707. -de biologiska systemens-

  708. -anatomi och dynamik.

  709. Det har kommit en bit på väg.

  710. Vi kan simulera en mask
    för närvarande. Inte mycket mer.

  711. Tack! Klockan har blivit över ett,
    och vi är tvungna att dra ett streck.

  712. Jag ska avsluta med ett experiment
    i djuplärande-

  713. -där de här två intelligenserna
    ska belönas med varsin bit choklad.

  714. Sen får vi se om de dyker upp på
    framtida festivaler. Tack så mycket!

  715. Textning: Jenny Tegnborg
    www.btistudios.com

Hjälp

Stäng

Skapa klipp

Klippets starttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.

Klippets sluttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.Sluttiden behöver vara efter starttiden.

Bädda in ditt klipp:

Bädda in programmet

Du som arbetar som lärare får bädda in program från UR om programmet ska användas för utbildning. Godkänn användarvillkoren för att fortsätta din inbäddning.

tillbaka

Bädda in programmet

tillbaka

Den medvetna maskinen

Produktionsår:
Längd:
Tillgängligt till:

Forskningen om artificiell intelligens har pågått sedan mitten av 1900-talet. Hur långt har den kommit? Hur tänker vi om kopplingen mellan avancerad problemlösningsförmåga, intelligens och medvetande? Hur vet vi om en maskin eller varelse är medveten? Vilka frågor står i fokus inför framtiden? Martin Nilsson Jacobi, professor i komplexa system på Chalmers tekniska högskola, inleder med ett föredrag som följs av ett samtal mellan honom och Hans Liljenström, professor vid institutionen för energi och teknik, Sveriges lantbruksuniversitet. Inspelat på Göteborgs universitet den 16 april 2016. Arrangörer: Göteborg & Co, Svenska kyrkan och Agora for biosystems.

Ämnen:
Teknik > Kommunikations- och informationsteknik
Ämnesord:
Artificiell intelligens, Databehandling, Datorer, Intelligens, Kognitiv psykologi, Medvetandet, Psykologi, Teknik
Utbildningsnivå:
Högskola

Alla program i UR Samtiden - Vetenskapsfestivalen 2016

Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskapsfestivalen 2016

Den medvetna maskinen

Forskningen om artificiell intelligens har pågått sedan mitten av 1900-talet. Hur långt har den kommit? Hur tänker vi om kopplingen mellan avancerad problemlösningsförmåga, intelligens och medvetande? Hur vet vi om en maskin eller varelse är medveten? Vilka frågor står i fokus inför framtiden? Martin Nilsson Jacobi, professor i komplexa system på Chalmers tekniska högskola, inleder med ett föredrag som följs av ett samtal mellan honom och Hans Liljenström, professor vid institutionen för energi och teknik, Sveriges lantbruksuniversitet. Inspelat på Göteborgs universitet den 16 april 2016. Arrangörer: Göteborg & Co, Svenska kyrkan och Agora for biosystems.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskapsfestivalen 2016

Hjärnvägen hela resan

Fysisk aktivitet är en förutsättning för aktiv hjärnverksamhet, och det gäller hela livet. I detta panelsamtal diskuteras hur vi går vidare så att den numera forskarstödda tesen får genomslag - i skola och undervisning, i arbetsliv och i samhällsfunktioner, i idrott, hela livsresan. Medverkande: Georg Kuhn, professor i regenerativ neurovetenskap, Ingibjörg Jonsdottir, professor i stressmedicin, Anneli Hulthén, tidigare ordförande i kommunstyrelsen i Göteborg, Lina Bunketorp, forskare och fysioterapeut, Anna Iwarsson, författare och folkhälsobildare och Mats Nahlbom, lärare. Moderatorer: Kalle Selander och Thomas Lindén. Inspelat på Göteborgs universitet den 16 april 2016. Arrangörer: Göteborg & Co och Brain Athletics.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskapsfestivalen 2016

När tekniken tänjer gränser

Genetiken avslöjar både vår historia och möjligheterna att skapa vår framtid. I detta samtal om genetikens vidunderliga möjligheter berörs det som sker nu men också vad som väntar med allt från kloning och genmanipulation till att designa eftersökta egenskaper och reparera foster. Medverkande: Gunnar Bjursell, professor emeritus Karolinska institutet, Karin Wilbe Ramsay, Statens medicinsk-etiska råd, Mikael Kubista, vd Life Genomics och Åsa Torinson Naluai, Göteborgs universitet. Moderator: Torgny Nordin. Inspelat på Göteborgs universitet den 16 april 2016. Arrangörer: Vetenskapsfestivalen, Göteborg & Co och Life Genomics.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskapsfestivalen 2016

Mindfulness i hjärnan 2016

Åsa Nilsonne, psykiater och professor i medicinsk psykologi, berättar om mindfulness som blivit ett användbart redskap för att förstå hur hjärnan fungerar. Kunskapen om hjärnan accelererar explosionsartat i takt med att metoderna för hjärnavbildning utvecklas och förfinas. Inspelat på Göteborgs universitet den 16 april 2016. Arrangörer: Göteborg & Co och Natur och Kultur.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Vetenskapsfestivalen 2016

AI och existentiell risk

Kommer datorer någonsin att kunna tänka som människor? Olle Häggström har skrivit boken "Here be dragons" om tänkbara scenarier och konsekvenser av framtida teknikgenombrott. Här samtalar han med Thore Husfeldt, professor i datavetenskap och Dag Wedelin, docent i datavetenskap. Inspelat på Göteborgs universitet den 16 april 2016. Arrangörer: Göteborg & Co, Vetenskapsfestivalen och Chalmers tekniska högskola.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning

Mer högskola & teknik

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Nobel Week Dialogue 2015

Hur förändras världen av artificiell intelligens?

När artificiell intelligens diskuteras handlar det nästan alltid om innovationer och tekniska framsteg. I detta panelsamtal ligger fokus istället på hur människor som lever i botten av pyramiden påverkas. Medverkande: Joel Mokyr, professor i ekonomisk historia, Cynthia Breazeal, professor i datavetenskap, Michael Levitt, professor i strukturell biologi, och Dzulkifli Abdul Razak, International Association of Universities. Moderator: Leila Janah. Inspelat på Svenska mässan, Göteborg, den 9 december 2015. Arrangör: Nobel Media.

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Robotdagen 2015

Var inte rädd

Vad kommer att hända med jobb, utbildning och arbetsliv i framtiden? Vilken påverkan har robotiseringen och digitaliseringen på arbetsmarknaden? Maja Fjaestad, statssekretare i Regeringskansliet, talar om digitaliseringens demokratiserande funktion. Som exempel tar hon möjligheten att via smartphones och appar starta företag, oavsett var du bor i världen. I mindre demokratiserade länder har teknikutvecklingen varit viktig då människor har fått tillgång till utbildning, upplysning och nyheter via internet. Moderatorer: Helle Klein och Patrik Hadenius. Inspelat den 9 oktober 2015 på Clarion Sign Hotell i Stockholm. Arrangörer: Institutet för framtidsstudier, Dagens Arbete och Forskning och framsteg.