
Har du hørt om Tsetlin-maskinen? Denne norske oppfinnelsen kan løse problemene med kunstig intelligens
Norsk oppfinnelse kan gjøre KI både forklarbart og klimavennlig. – Min visjon er at dette skal gi Europa digital suverenitet, sier opphavsmannen.
Det er ikke vanskelig å svartmale kunstig intelligens.
Teknologien er en klimasynder. Den kan diskriminere, og det er nær umulig å forstå hvordan et KI-system kommer frem til en avgjørelse.
Få av de store tech-gigantene som styrer KI-kappløpet har lykkes med å adressere disse problemene. Kunstig intelligens trenger jo enorme mengder strøm. Nevrale nettverk krever massive datamengder og ekstrem regnekraft, og jo mer presise vi ønsker at modellene skal være, desto mer komplekse og ugjennomsiktige blir de.
Nå viser det seg likevel at det finnes et alternativ. Den norske oppfinnelsen Tsetlin-maskinen.
– Det er en ny type KI, som er helt forskjellig fra alle de andre typene KI vi har i dag. Systemet er bygget på demokratiske verdier – og er et langt mer energieffektivt alternativ, sier Ole-Christoffer Granmo, professor ved Universitetet i Agder.
Granmo er oppfinner av Tsetlin-maskinen, som er i ferd med å få fotfeste på tvers av internasjonale forsknings-, innovasjons- og investeringsmiljøer.
– Vi har noe på gang nå som kan bli veldig stort, sier forskeren.
– Ser stadige gjennombrudd
Heispitchen høres nesten for god ut for å være sann: Et system som krever mindre datakraft, som kan skalere enklere og etterprøves i alle ledd – uten å miste noe av kompleksiteten eller allsidigheten som kommer med nevrale nettverk.
Likevel er systemet allerede testet ut i alt fra Stortinget, forsikringsbransjen, helsesektoren og Nkom. Flere undersøkelser viser at Tsetlin-maskinen er langt mer energieffektiv enn alternativene.
– Vi ser stadig nye gjennombrudd. Innen helse og diagnostikk ser vi at systemet har begynt å slå tradisjonell maskinlæring i nøyaktighet, sier han.
Men hva er egentlig en Tsetlin-maskin, lurer du kanskje på? For å forstå det, må vi innom temaer som gresk filosofi, rottehjerner, dyp læring og en glemt russisk matematikers alternative teorier fra 50-tallet.
– Utrolig elegant
La oss begynne med de klassiske nevrale nettverkene. Disse er basert på noe som kalles kunstige nevroner.
– Dette er igjen en enorm rekke med lag av matriser og multiplikasjoner. Til sammen utgjør dette enormt tunge, uforståelige modeller man mister litt kontroll over. Man får rett og slett ikke innsyn i «tankeprosessen», forklarer Granmo.
Hans system dukket opp da han studerte den sovjetiske matematikeren Michael Tsetlins teorier.
– Det er utrolig elegant og det ser så enkelt ut at man nesten ikke tror det kan brukes. Artikkelen var på russisk, og det var nesten ingen som hadde hørt om den, forklarer Granmo.
Tsetlin eksperimenterte med det han kalte «rottehjernen» – en modell der hjernen står overfor to valg, og får belønning eller straff avhengig av hvor godt den treffer.
I seg selv var ikke dette spesielt nyttig. Det var først da Granmo skjønte at han kunne sette sammen tusenvis av slike «rottehjerner» – og dermed etterligne noe av læringen vi ser i nevrale nettverk – at Tsetlin-maskinen ble født.
Her kan du lese mer om Tsetlin-maskinen.
Sporbar og forståelig beslutningsstruktur
– I stedet for kompliserte nettverk av matematiske vekter og lag på lag med transformasjoner, bruker Tsetlin-maskinen enkle ja/nei-beslutninger for å bygge opp logiske uttrykk – som kan leses, forstås og etterprøves av mennesker, forklarer han.
Her kommer de gamle greske filosofene inn. Allerede for over to tusen år siden beskrev stoikeren Chrysippus hvordan verden kunne forklares gjennom enkle logiske forbindelser – som «hvis», «og», «eller», «ikke» og «derfor».
Denne måten å tenke på ble starten på det vi i dag kaller setningslogikk: et system for å beskrive hvordan sanne og usanne utsagn kan kombineres for å trekke konklusjoner.
Tsetlin-maskinen bygger nettopp på slike prinsipper. I stedet for å lære ved hjelp av tall og vekter som er umulige å tolke, lærer maskinen seg hvilke logiske uttrykk som fører frem – ved å koble sammen tusenvis av små «rottehjerner». Resultatet er en beslutningsstruktur som er sporbar og forståelig for mennesker.
Visjon om europeisk, digital suverenitet
Men hva skal egentlig til for at Tsetlin-maskinen virkelig skal slå gjennom?
– Vi trenger at noen kommersialiserer teknologien, sier Granmo.
Teknologien er nemlig laget med åpen kildekode, som er tilgjengelig for alle. Det er heller ikke tatt noen patenter, som er helt bevisst.
– Alle som vil kan videreutvikle og gjøre hva de vil med systemet, sier han – samtidig som han understreker at systemet er bygget på «forskerkode». Det er med andre ord ikke bare å koble sammen API-er og lage nye systemer med det – man trenger dataingeniører som faktisk kan oversette det til noe brukbart i praksis.
Det finnes likevel noen tunge kommersielle aktører som har kastet seg på – blant annet det britiske selskapet Literal Labs, der Granmo sitter i styringsgruppen – som jobber med å utvikle forklarbar og effektiv kunstig intelligens.
– Hva er målet?
– Min visjon er at dette skal gi oss digital suverenitet. Tsetlin-maskinen kan bli et europeisk alternativ, bygget på europeiske, demokratiske verdier. Det trengs i en verden der kunstig intelligens i stor grad styres av mektige, amerikanske aktører.