När fienderna kutar runt i ring
Kan man tro de fattar ingenting
Med kass AI i skallen
De tänker kanske med ballen
Men se, det är bara dålig pathfinding
Ofta när vi pratar om spel och dess artificiella intelligens så är det just den första delen vi egentligen talar om. Artificiell. Inte på riktigt. Det ger bara ett sken av intelligens, men någon verklig förståelse finns där inte. Faktiskt är det så att den allra mesta av det vi kallar AI i spel bara är varianter på en pathfindingalgoritm som heter A*. Själva beslutandet, det man skulle kunna kalla fiendernas ”hjärna” är sällan det som är problematiskt. När fienderna i Crysis 2 fastnar och springer runt samma punkt om och om igen så är det mer en fråga om motoriska och pathfindingmässiga problem än brist på intelligens. Men det är också en fråga om hur vi definierar intelligens.
Vi tittar på fienderna och våra squadmates och bedömmer deras beteende. För det mesta känns det föga intelligent, och utifrån detta kommer vi till slutsatsen att de är korkade som en takpanna, vilket troligtvis inte är särskilt långt från sanningen. Så gör vi ofta. Vi tittar på beteenden och bedömmer om något är intelligent utifrån det. Så har forskningen sett på det länge. Det klassiska Turing testet, som är utformat för att bedömma om en maskin är intelligent fungerar likadant. Genom att kommunicera utan att se varandra anses en maskin klara testet om personen den kommunicerar med inte kan avgöra om det är en människa eller en maskin. Testet introducerades 1950 av Alan Turing och har sedan dess färgat vår syn på intelligens. Även i kritiken av Turingtestet talar man hur testet bara mäter likhet med mänskligt beteende och inte intelligent beteende. Man är ändå fast vid Turings definition av intelligens. Att det handlar om beteende.
Men tänk om Turing hade fel?
Jeff Hawkins har två passioner i sitt liv. Den ena är mobila datorer – vilket ledde till grundandet av Palm Computing – och den andra passionen, ja det hjärnor. Eller mer specifikt hur de fungerar. På riktigt. För trots berg av data om hur varje litet system i hjärnan fungerar rent fysiskt så finns där ingen övergripande teori om hur hjärnan faktiskt fungerar och vad intelligens verkligen är. Och trots åratal av oerhört mycket forskning på artificiell intelligens så kan vi ännu inte, som han säger i förordet till sin bok On intelligence, bygga en dator som har ens i närheten av den förståelse av språk som en normal treåring besitter. Hur kommer detta sig?
Han hävdar att det finns ett fundamentalt problem i vår definition av intelligens som gör att biologerna ser hjärnan som något oerhört komplext som bara kan förstås genom ännu djupare studier ner till minsta beståndsdelen, vilket också är lättare att få anslag för. Definitionen får AI-forskarna att arbeta med beteende och se problemen som något som kan lösas med mer beräkningskapacitet och med mer programmering och att inget finns att lära av hjärnans verkliga biologi. Med en definition av intelligens som beteendebaserad har vi målat in oss i ett hörn av den enkla anledningen att det är fel, enligt Hawkins.
Intelligens handlar inte alls om beteende, menar Hawkins. Vi kan sitta stilla framför ett TV-program och förutsatt att det inte är Big Brother vi tittar på så kan vi fortfarande sitta där och vara intelligenta och tolka information. Helt utan att något går att säga om vår intelligens utifrån vårt beteende. Istället säger Hawkins att vi inte skall titta på det yttre, för sann intelligens handlar om det som händer inuti huvudet.
Istället pekar Hawkins på förmågan att förutsäga förlopp som tecken på intelligens. Med det som grundinställning klarnar allting helt plötsligt. För är det inte just förutsägelser givet våra tidigare erfarenheter vi håller på med hela tiden? Vi ser ett mönster och kan sedan utifrån det finna vad som kommer därnäst. Vi kompletterar varandras meningar och studsar på om något inte stämmer med vad vi förväntat oss när vi går in i ett bekant rum. Hawkins säger att vår hjärna med hjälp av minnen i en hierarkisk modell gör matchningar av mönster, sätter namn på dem och gör förutsägelser baserat på tidigare mönster. Det intressanta i hjärnan är också att det även finns fler kopplingar som går neråt i hierarkin än vad som faktiskt går uppåt. Det vill säga, de högre processerna i hjärnan säger till de längre ner vad de förväntas få för input härnäst. Det leder till att vi ibland faktiskt ser just det vi vill se mer än vad vi faktiskt ser, såvida vi inte koncentrerar oss.
Vårt minne och vår intelligens handlar, hävdar Hawkins, om förutsägelse och minne av sekvenser av data. Att se mönster. Vilket är också hur vi ofta testar intelligens. Vilken symbol kommer härnäst. Ju mer jag läst av Hawkins teorier desto mer självklart känns hans modell. Speciellt då den också är baserat på hjärnans faktiska biologi. I praktiken tilllämpar de även hans modell i programvara, som i en tidig publik demoversion (inte tillgänglig längre) var den bästa text och bildigenkänningsalgoritmen jag sett. En normal captcha hade legat risigt till. Grunden för hela tekniken är något han kallar för HTM - Hierarchical Temporal Memory.
Vad leder då allt detta till? Det självklara för mig är såklart att jag vill ha Hawkins HTMs i spel. Kanske inte idag, men ge det några år och lite mer kraft och arbetsminne. För rätt implementerat och upplärt kan vi äntligen få ett spel med en intelligens som inte är en kuliss, utan faktiskt är intelligent. Vem ska då axla denna börda att krossa oss likt de insekter vi är. Det finns bara en som är värdig sann maskinintelligens.
- SHODAN, välkommen tillbaka i System Shock 3.
Läs mer
Jeff Hawkins presentation på TED (Youtube): Brain science is about to fundamentally change computing
Läs mer om HTM hos Numenta: www.numenta.com














