AI og innovation: Accelererer eller begrænser kunstig intelligens innovation?

Udforskning af hvorfor et parti i brætspillet ”Go” i 2016 stadig er yderst relevant for at forstå kunstig intelligens’ rolle i ægte innovation.

En forårsdag i Seoul

Vi starter lige med at spole tiden tilbage. Vi er den 10. marts 2016 i Seoul. Lee Sedol, som er verdens førende Go-spiller og 18 dobbelt verdensmester, står over for en modstander af en anden verden: AlphaGo. Spillet var mere end en sportsbegivenhed; det var en demonstration af kunstig intelligens’ potentiale, som har ændret vores forståelse af kunstig intelligens og innovation. Spillet ”Go” er et strategisk brætspil for to spillere, som spiller med hhv. hvide og sorte sten, og hvor målet er at omringe mere territorium på brættet end modstanderen. Go er anerkendt for sin kompleksitet, med flere mulige træk end der er atomer i universet. Langt mere komplekst end skak, som de fleste kender til. Det mest avancerede brætspil i verden, kort sagt. Og det var altså her, at en AI-model – AlphaGo – udfordrede fænomenet Lee Sedol i et bedst-af-fem spil. Det kommer vi tilbage til.

For kan AI virkelig bringe “ægte innovation” til bordet i organisationer? Eller er ”AI” blot en forlængelse af den menneskelige tankegang? Måske mere effektiv, men ikke ”nytænkende”? Blot en replikation af mønstre, som vi kender i forvejen? Kan AI bryde grænser for, hvad vi anser for muligt, eller er den begrænset af de input og den læringskontekst, vi giver den?

 

Træk 37

Tilbage til Seoul. Midt i andet spil udførte AlphaGo “Træk 37”. Det blev et træk så banebrydende, at det fik alle til at spærre øjnene op. Dommere, kommentatorer og Go-eksperter troede, at det var en fejl. Det var et træk, som folkene bare AlphaGo – Google Deepmind – regnede ud havde en sandsynlighed på 1:10.000 for at blive foretaget. Et fuldstændigt usædvanligt træk. Som den europæiske stormester Fan Hui noterede, da han så trækket; ”Her?! Det går over min forstand. Det er ikke et menneskeligt træk. Jeg har aldrig set et menneske foretage det træk”.¹ 

Træk 37 blev et symbol på AI’s evne til at innovere, til at finde løsninger, som mennesker ikke havde forestillet sig. Det var baseret på en ny tilgang til kunstig intelligens: forstærket læring. En tilgang, hvor algoritmer lærer at træffe beslutninger ved at prøve sig frem og modtage feedback i form af belønninger eller straf.² Et kæmpe gennembrud, som måske gik lidt ubemærket hen i 2016 foruden i mindre ”AI-kredse”, men en teknologi, som er grundlaget for meget af den kunstige intelligens, vi ser i dag.

Zoomer vi endnu længere ud, står vi over for det bredere spørgsmål om, hvad kunstig intelligens egentlig ”er”. Strümke (2023) beskriver det, som når ”teknologi efterligner menneskelig adfærd og intelligens”. Men hvis det blot er en efterligning, kan det så nogensinde bringe ægte innovation med sig?

 

AIs kreative potentiale

Træk 37 illustrerer, at AI har potentialet til at kunne udvise en form for “ikke-menneskelig” kreativitet. Når AI’en ”slippes løs” og baserer sig på neurale netværk og forstærket læring, forstår vi i virkeligheden langt mindre af, hvad der foregår i modellen⁴, men det kan være netop det, der er nøglen til også at blive ægte overrasket. Denne typer AI modeller kender ikke til ”sandhed”, og det er let at hælde ideer ad brættet, fordi ”modellen ikke har forstået det”. Det er helt sikkert rigtig, at eks. store sprogmodeller kan vrøvle. Også i den grad! Men måske skal vi nogle gange spørge os selv: Er vi åbne nok for de skæve ideer, som kan komme?

Når vi arbejder med de her uigennemsigtige modeller, skal vi selvfølgelig ikke tage alt en genialitet, vi ikke selv kunne være kommet frem til. Men måske skal vi generelt være mere åbne og udforskende, så skæve vinkler ikke overses. Vi kan som brugere forsøge at:

• Udfordre konventioner: Selvom du kender indgående til etableret viden eller praksis på et område, forsøg da at udfordre det med en AI-model – måske kan de ”gange en faktor” på, som du ikke selv kan
• Forfølge skæve vinkler: Undgå uden videre at feje overraskende output fra AI under tæppet. Måske kan nogle af de ”skæve” output indeholde en helt ny vinkel og problemer, som du ikke kender til.

 

Det menneskelige potentiale

Tilbage på Go-brættet. Èn ting er, at AI-modeller kan indeholde potentialet til at innovere – men kan det også inspirere mennesker til det samme? Træk 37 er kun det halve af historien om AlphaGo. I det fjerde spil lavede Lee Sedol “Træk 78”. Et træk, som efterfølgende blev kendt som “Guds hånd”. Et træk der – på samme måde som AlphaGos Træk 37 – overraskede alle. Træk 78 havde også en sandsynlighed på 1:10.000. Det vendte simpelthen spillet på hovedet. Le Sedols træk 78 gjorde, at spil fire 102 træk senere gik til ”menneskene”. Som det eneste af de fem spil. Måske var det netop det foregående ”Træk 37”, som inspirerede Lee Sedol?

Den gensidige inspiration mellem menneske og maskine åbner nye perspektiver for, hvordan vi kan bruge AI som en katalysator for innovation – ikke blot for at effektivisere eksisterende processer, men for at skabe helt nye måder at tænke og løse problemer på. Lave vores egne ”Træk 78”. Som Lee Sedol selv udtalte om spillet med AlphaGo:

”What surprised me the most was that AlphaGo showed us that moves humans may have thought are creative, were actually conventional.”¹

Hvis AI kan inspirere Lee Sedol, kan det også inspirere dig og mig.

 

Referencer:

1: ”Maniac” Labatut, 2024

2: “Human-level control through deep reinforcement”, Mnih et. al. Nature, 2015

3: ”Maskiner der tænker, Ida Strümke, 2023

4: “Open the Black Box“, Castelvecchi, Nature, 2016