Området Artificiell Intelligens är sedan ett antal år föremål för ett kraftigt ökande intresse.
Resultaten från de första snart sextio åren av forskningsfältet artificiell intelligens har fått ett blandat bemötande. Å ena sidan menar många kritiker att trots de enorma summor forskningsmedel som lagts ner inom området under denna tid, så har inte de storslagna löftena om datorer som beter sig intelligent infriats.
Å andra sidan splittrades fältet relativt omgående upp i ett antal subdiscipliner: kunskapsrepresentation, maskininlärning, planering, datorseende, taligenkänning, naturligt språk, robotik, och många fler. Inom varje område har stora framsteg gjorts, och datorer har stadigt lyckats klara av fler och fler saker som tidigare krävt mänsklig inblandning. De utvecklade teknikerna har smugit sig på oss i vardagen utan att vi knappt märkt det: telefoner och telefonsvarare som man kan prata med, program som känner igen ansikten, gps:er som kan rekommendera snabbaste väg, gräsklippare och dammsugare som sköter sig själva, och hjälp med översättning mellan olika språk. I industrin finns ännu fler exempel på metoder som hjälper till att planera, optimera, reglera, och övervaka. De flesta av dessa hjälpmedel som översvämmar vår vardag stammar på något sätt från forskningen inom artificiell intelligens. Men det finns ett problem: Ingen av metoderna uppfattas som “intelligent”. De bygger “bara” på matrismultiplikation, statistik, mer eller mindre dum genomsökning av massa alternativ, diverse ingenjörsmässiga trick och knep, slimmad design, nya material, snabbare datorer, större minnen, och allt mer ihopkopplade system. Metoderna må vara användbara, men de uppfattas inte som intelligenta på samma sätt som en människa.
Så trots denna sannerligen enorma rad av succehistorier, så hade till för några år sedan hade begreppet artificiell intelligens en ganska negativ klang. Den intelligens man hade utlovat att på några få månader kunna härma med datorer, lyste fortfarande med sin frånvaro. Ännu hade ingen dator på allvar kunnat konkurera med verklig mänsklig kompetens. Men 2005 hände plötsligt något: Ett antal helt autonoma robotbilar hade lyckats ta sig genom ett ökenlandskap i USA (http://en.wikipedia.org/wiki/DARPA_Grand_Challenge). 2007 upprepades bedriften i (en för ändamålet uppbyggd) stadsmiljö där bilarna var tvungna att följa trafikregler. Sedan 2012 tillåter flera delstater i USA att autonoma bilar kör i den
vanliga trafiken (http://en.wikipedia.org/wiki/Google_driverless_car). Och 2011 hände något igen: Datorsystemet Watson lyckades vinna i finalen över människor i Jeopardy (http://www-03.ibm.com/innovation/us/watson). Plötsligt har opinionen vänt, och begreppet artificiell intelligens har fått återupprättelse. Men hur gick det till, vad är det för banbrytande upptäckt som plötsligt gjort dessa bedrifter möjliga?
Hemligheten är inte en enda upptäckt. De nämnda exemplen är hybridsystem som kombinerar tekniker från flera olika discipliner. Robotbilarna kräver reglerteknik, mekanik, datorseende, lokalisering, och planering. Watson innehåller komponenter från kunskapsrepresentation, ontologier, taligenkänning, naturligt språk-hantering, söktekniker, och maskininlärning. Kanske är det så att mänsklig “intelligens” inte heller är en enda förmåga, utan samverkan mellan flera olika. Var och en av de nämnda AI-områdena har kämpat med sina små delproblem, var och en inte uppfattad som särskilt intelligent. Först nu börjar vart och ett av områdena att bli tillräckligt mogna. Och när man nu sätter ihop dem till en samverkande helhet kan man få ett resultat som till och med kan bräcka en människa i vad som uppfattas som “intelligenta” förmågor. Vi har säkert bara sett början på detta – fler exempel kommer att följa i en accelererande takt.
Hela denna historia är samtidigt ett slående exempel på nyttan av grundforskning. Stora delar av AI-området har finansierats med långsiktiga medel utan krav på omedelbar tillämpbarhet. Efter ett antal “hypes” med högt uppskruvade förväntningar började finansiärerna dock tröttna, och många misströstade om att AI-forskningen skulle kunna leda till något användbart. Men när man höjer blicken så har användbara saker sipprat ut under lång tid, för att nu genomsyra hela samhället, om än kanske inte på det sätt som ursprungligen förväntats. Grundforskning är nödvändig om man vill komma framåt, och kan leda till verkligt genomgripande förändringar i samhället, men man måste ha tålamod innan man kan se resultaten.