– Chatboter kan løse vanskelige eksamensoppgaver, spille sjakk og utføre store programmeringsoppgaver. Robotene strever med å utføre uintelligente oppgaver. Det er en kontrast her, innrømmer robotekspert Kai Olav Ellefsen, som er førsteamanuensis i robotikk ved Universitetet i Oslo.
Roboter som utfører alle mulige oppgaver, og som har personlighet og humor, er utbredt i alle mulige framtidsvisjoner.
I science fiction-universet Star Wars finnes for eksempel roboten 3PO. Den skal assistere i oppgaver som krever oversettelse og etikette. I en av filmene erklærer den at den behersker seks millioner ulike kommunikasjonsformer. Det imponerende i robotikken er likevel at den beveger seg i omgivelsene og kan utføre en rekke oppgaver – som er langt fra det dagens roboter kan. Den første Star Wars-filmen kom i 1977.
Visjonen om slike roboter har vært her lenge, så hvorfor er det så vanskelig å få til?
Hva er en intelligent robot?
– Jeg så en robot som var i stand til å tømme en oppvaskmaskin. Det imponerte meg, sier Ellefsen.
Sannheten er at det ikke er noen god definisjon på intelligens i roboter. Kunstig intelligens blir ofte målt etter Turing-testen eller evnen til å føre logiske resonnementer. For roboter er det flere tilleggsutfordringer som gjør at intelligens er mer krevende å definere.
Å kunne generalisere enkle oppgaver er derfor en konkret målestokk. Ellefsen forteller at det, litt spøkefullt, har blitt sagt at en intelligent robot er en som får til å lage kaffe i hundre ulike hjem.
– Det krever at den kan generalisere oppgaven og klare å utføre den, for alle hjem er litt forskjellige, sier Ellefsen.
Dette er dagligdagse oppgaver, som mennesker er gode til. Så gode at vi sliter med å forstå at det er vanskelig. Ellefsen forteller at det er fem hovedgrunner til at de virkelig intelligente robotene lar vente på seg.
1. Kostbart og farlig å feile
– Den mest opplagte grunnen til at vi ikke har intelligente roboter rundt oss, er at den fysiske verden er et uforutsigbart sted hvor det er farlig å gjøre feil, sier Ellefsen.
Dersom roboten ikke mestrer en oppgave, kan det få store konsekvenser. Utfallet kan være dødelig dersom en tung robot velter over en eldre person eller et barn.
– I tillegg kan den ødelegge omgivelsene sine eller seg selv. Det er kostbart å bytte ut glassene hele tiden hvis den knuser dem på vei ut fra oppvaskmaskinen, eller hvis den stadig må repareres.
Likevel finnes det hjemmeroboter i USA. Ifølge Ellefsen har selskapet 1X designet robotene med sikkerhet i tankene.
– Roboten er for eksempel lett, slik at den ikke skal kunne ta livet av noen hvis den velter. Den er også laget med myk polstring, sier han.
Selskapet som har laget den, er norsk, men roboten ble lansert i USA fordi regelverket er enklere der, forklarer Ellefsen.
2. Mangel på treningsdata
Treningsdata er en flaskehals for utviklingen av roboter.
– Chat GPT og andre språkmodeller er gode fordi de har blitt trent på enorme mengder data. Det finnes ikke slike datamengder for å trene en robot på å bevege seg i det fysiske miljøet.
Testpersoner har blitt bedt om å utføre ulike oppgaver mens de er dekket av sensorer, for lage treningsdata til robotene.
– Det store spørsmålet er om roboten vil klare å generalisere oppgaven. Hvis den kan rydde ut av én oppvaskmaskin, kan den klare å rydde ut av flere? Og hvor mange oppvaskmaskiner må den kjenne før den kan generalisere oppgaven?
Ellefsen forteller at språkmodellene har blitt flinkere til å generalisere etter hvert som den har mer data. Derfor håper han at dette er tilfelle for roboter også. Ennå er det uvisst hvor mye data som må til før generaliserings-effekten oppstår.
3. Dårlige med ny kunnskap
Det høres kanskje rart ut, men hverken roboter eller chatboter har det Ellefsen kaller kontinuerlig læring. Hvis det dukker opp en ny opplysning, kan ikke dette mates inn i en språkmodell. Når det dukker opp nye opplysninger, samles alle nye data som systemet får. Så må den trenes opp på nytt med nye og gamle data. For en robot er dette ekstra viktig fordi den hele tiden må kunne tilpasse seg nye omgivelser og oppgaver.
– Når systemet trenes på nytt, risikerer det å glemme viktig informasjon som fungerte før, sier Ellefsen.
– Det gjør at nye data gjør den uforutsigbar. Vi vet ikke hva den har glemt som den kunne i forrige runde. I verste fall kan det være noe viktig.
Han mener det hadde vært bedre om slike modeller kunne lære litt og litt.
– Det finnes en måte å få inn noe korttidshukommelse på i språkmodeller. Når en lang samtale lagres, kan den mates inn i modellen, sier han.
Dette fungerer for språkmodeller, men det er svært vanskelig for en robot som skal holde styr på den virkelige verden i tillegg.
– Metoden er litt som å skrive noe på en lapp, forklarer Ellefsen. Det er ikke integrert med det man kan fra før. Denne metoden fungerer for roboter også, men det er veldig begrenset siden det bare er snakk om korttidshukommelse.
4. Sammenhenger
– Den intelligensen vi kjenner fra naturen, har en kobling mellom kropp, læring og miljøet den er i. Disse tingene utvikler seg sammen. Vår intelligens ville fungere dårlig i en annen organisme, som en fisk eller en sommerfugl, forklarer Ellefsen.
Han er med i forskningssenteret Norwegian Centre for Embodied AI, hvor denne problemstillingen er sentral.
– Vi skal utvikle roboter hvor kroppen og hjernen utvikles sammen, forklarer han.
Én fordel kan være at roboten bruker mindre energi på å tenke fordi den har en kropp som er tilpasset hva den skal gjøre. Dette kan bidra til at roboten kan bruke energi på mer fornuftige ting enn å regne seg fram til hvor den skal sette foten.
En god sammenheng mellom kropp og hjerne kan man oppnå ved å sette i gang en prosess som ligner naturlig evolusjon, hvor roboter konkurrerer om å løse en oppgave best mulig. Samtidig justeres kroppen og kontrollmekanismene. Denne teknikken kalles evolusjonær robotikk.
5. Planer og resonnementer
– Mange ting må gjøres i en bestemt rekkefølge, forklarer Ellefsen. Det krever en viss planlegging, hvis ikke blir det umulig å gjøre oppgaven. Skal du ta ut av oppvaskmaskinen, må du først åpne den og så trekke ut skuffen. Slik trinnvis planlegging er språkmodeller og roboter vært dårlige til. De kan legge enkle planer, men fordi de er bygget på sannsynlighet, har de en liten grad av tilfeldighet i seg. Tradisjonell KI er derimot ganske god på dette.
Ellefsen forklarer at tilfeldighetene gjør at en oppgave som skal gjøres i en bestemt rekkefølge, plutselig kan følge et annet mønster. Da blir oppgaven ikke gjennomførbar.
– Robotmedhjelpere som gjør enkle, bestemte oppgaver som ikke krever planlegging, kan også være nyttige. For eksempel en robotstøvsuger.
Enn så lenge er ikke utfordringene på denne fempunktlisten løst. Derfor er det fortsatt en stund til vi kan se en «3PO» eller en annen form for intelligent robot i hjemmet.
Artikkelen ble først publisert på Titan.uio.no
KI endrer kampen om synlighet på nettet
