Slik skal forskere i Norge bruke kunstig intelligens til å redusere terrorfare

Professor F. LeRon Shults og hans medarbeidere ved Universitetet i Agder har laget en simulatormodell ved å bygge opp et virtuelt samfunn av enkeltindivider som representerer to ulike grupperinger med ulike religiøse oppfatninger og ulik kulturell tilhørighet.

Shults deltar i et prosjekt som har fått navnet MODRN (Modeling Religion in Norway) og som er støttet av Norges forskningsråd. Målet med prosjektet er å lage datasimuleringer av samfunnskonflikter i Norge slik at man kan skape virtuelle sosiale eksperimenter ved å integrere empirisk validerte teorier innen religions- og sekularingseringsforskningen innen en kompleks kausal arkitektur.

Dermed kan man teste forskjellige antakelser om rollen til religion og andre faktorer for å se hva som skaper et sosialt samhold og hva som skaper konflikter, og evaluere forslag til nye tiltak ved å gjøre eksperimenter på et fremtidig virtuelt Norge.

Multi-agent kunstig intelligens

Bak konfliktene og terroraksjonene står ofte angst. Hensikten med modelleringen er å identifisere noen av betingelsene og mekanismene som intensiverer angst innenfor og mellom religiøse grupper.

Kjenner man mekanismene bak religiøs vold og terror er det enklere å finne fram til mottiltakene. Metoden han benytter er en form for kunstig intelligens, men ikke den vanlige kjente formen der maskinlæring automatiserer menneskelige oppgaver.

Den bruken av kunstig intelligens som Shults og hans team benytter seg av kalles multi-agent KI, og skaper psykologisk realistiske modeller av et menneske og et samfunn. Den kan simulere hvordan et menneske tenker og hvordan et menneske identifiserer seg med ulike grupper i samfunnet. Denne type kunstig intelligens er avgjørende for å svare på spørsmål som hvorfor en bestemt person identifiserer seg som kristen, muslim eller jøde. For første gang skal denne typen problemstillinger forsøkes løst ved et dataprogram.

– Det finnes massevis av informasjon som sammenligner den menneskelige bevissthet med et dataprogram, det er ikke nytt i det hele tatt. Dette er derimot første gangen at folk har tatt denne informasjonen og programmert den inn i en datamaskin. Fram til nå har det vært en analogi, men nå er det en realitet, sier Agder-forskeren på nyhetssiden «Prospectus Research».

• Kunstig intelligens gir helseråd. – Apper som ikke virker som de skal kan få store konsekvenser, advarer ekspert

Modell med mange variabler

Shults har allerede laget flere modeller. En av modellene er beskrevet i en artikkel publisert i Journal of Artificial Societies and Social Simulation i fjor og er utviklet med bakgrunn i studier av to faktiske tilfeller av religiøs vold.

Den ene var en konflikt mellom hindu-pilgrimmer og muslimer i byen Gujarat i India i 2002. Hinduaktivister skal den gangen ha provosert muslimske residenter med å synge religiøse slagord og komme med fornærmende ytringer. Muslimene skal dermed ha satt fyr på en togvogn full av hinduistiske pilegrimmer og 60 mennesker døde i brannen. Hendelsen ble besvart med opptøyer og massakrering av muslimer. Anslagsvis 1.000-2.000 mennesker døde (for det meste muslimer). 20.000 boliger og bedrifter, samt 360 steder for gudsdyrkelse, ble ødelagt og 150 000 mennesker ble fordrevet.

Den andre hendelsen som er lagt til grunn for dataprogrammet er konflikten mellom protestanter og katolikker i Nord-Irland mellom 1973 og 2002. Begge hendelsene viser tendenser til gjensidig eskalerende angst mellom de to folkegruppene.

Modellen består av N antall agenter som er delt inn i to grupper og interagerer i et todimensjonalt landskap. De to gruppene utgjør en inngruppe som tilhører et religiøst og kulturelt samfunn og en utgruppe som består av andre medlemmer i storsamfunnet. Forskjellen i størrelse mellom de to gruppene kan variere, og antall agenter kan være fra to til flere tusen.

Hver gruppe er satt sammen av individer som deler et sett med en religiøs tro og en rituell atferd. Religiøs tro måles i to dimensjoner med to variabler som måles med positive tall, den ene kaller han antropomorf promiskuitet (AP) og den andre sosiografisk klokskap (SP). AP indikerer et individs tendens til å tolke fenomener som jordskjelv eller naturkatastrofer som handlingen til en gud eller en overjordisk agent, mens SP indikerer individets grad av delaktighet i gruppens rituelle atferd. Høy AP og høy SP betyr høy grad av tro på at hendelser i samfunnet skyldes en guddommelig inngripen og høy grad av delaktighet i gruppens rituelle atferd.

• Nordmann har utviklet «drømmealgoritme»: – Jeg håper å kunne bruke den innenfor medisin

Farer og trusler

Omgivelsene produserer for hvert tidsskritt ulike typer av fare som i denne modellen er av fire ulike typer, naturkatastrofer, angrep fra ville dyr, kulturelle eller sosiale farer eller trusler fra smittsomme sykdommer og epidemier. De første to av disse farene har med naturen å gjøre, mens de to siste er relatert til andre mennesker som de møter i samfunnet.

For at en sosial trussel eller smittefare skal oppstå i modellen må en agent fra inngruppen kunne identifisere en annen agent fra utgruppen innenfor en spesifikk radius. Farer fra naturkatastrofer og fare fra predatorer har ingen slike krav. Enhver risiko har en intensitet som er bestemt av en triangulærfordeling med et parameter for minimum, middels og maksimum. Siden vi ikke vet noe om fordelingen av disse farene er modellen basert på sannsynlighet og det Shults kaller for «inspirert gjetning». Det tar vare på den informasjonen vi har samtidig som vi bevarer usikkerhet der informasjonen ikke er kjent. Med andre ord er det en sannsynlighetsfunksjon med færrest mulige antakelser som utgjør en ikke-uniform tilfeldig variabel med en gitt minimum, middels og maksimum.

For hver type fare har hver agent en toleransegrense som bestemmer intensiteten en fare må overgå for at de skal oppfatte den. En agents toleransegrense for hver faretype kan variere fra 0 (ingen grense) til 100. Skal man gjenkjenne en sosial/kulturell fare eller en smittefare, så må i tillegg en annen betingelse oppfylles. Farenivået må for det første overstige agentens toleransegrense og agenten må være innenfor en bestemt avstand av majoritetsgruppens agent for at faren skal bli oppfattet. Det er viktig å merke at oppfattelsen av utgruppens agent bare har å gjøre med posisjonen til agenten, ikke dens inkludering i et sosialt nettverk.

Shults presiserer i en kommentar at denne modellen ikke passer spesielt godt til å beskrive det norske samfunnet.

– Det er ikke så mange naturkatastrofer eller predatorer i de fleste delene av Norge, så disse farene vil vi skru av hvis vi skal lage en modell av Norge, poengterer han.

– Noe av det som er bra med virtuelle samfunn er at du kan kjøre millioner av parametersveip under alle slags betingelser for å teste ut hvordan farer kan påvirke interaksjonen i modellen.

• AI trenger ikke å ha etisk særstatus – det er et fordømt regneark!

Angstnivå og religiøse ritualer

Når minoritetsgruppen registrerer en fare medfører det at angstnivået økes. På samme måten medfører det å ikke registrere noen fare at angstnivået reduseres. For hver agent er angstnivået representert med et ekte nummer. Lavere verdier reflekterer et lavere angstnivå mens høyere verdier reflekterer høyere angstnivå. Hver agent har også en årvåkenhetsgrense. Den reflekterer nivået av angst der en agent søker etter andre agenter innenfor hans eller hennes gruppe for å dele det i et religiøst rituale. Når agentene deltar i et religiøst rituale reduseres angstnivået hos alle deltakende agentene.

Modellen kan brukes på flere områder. Leron Shults forteller i en kommentar at de har laget flere modeller der de har benyttet multi-agent kunstig intelligens.

– Den er fokusert på sosiale simuleringer som addresserer utfordringer som immigrasjon, kulturelle konflikter og lignende, men vi arbeider også med selskaper for å simulere online samhandling, forteller Agderprofessoren.

For eksempel kan den brukes til å modellere syriske flyktninger i Norge og «nordmennene», og programmeres med data vi allerede har om befolkningens syn på innvandrere.

I en norsk modell vil det kunne være aktuelt å prøve hvordan tiltak som mer ressurser til utdanning, opplæring i norske normer eller ulike typer av fritidstilbud vil påvirke interaksjonen mellom gruppene. Andre variabler som kan legges inn er utdanningsnivået og arbeidsmarkedet. I dag bruker MODRN data blant annet fra de store undersøkelsene World Values Survey og International Social Survey Programme. Planen er å ta i bruk unike norske datasett.

Forutsetninger for religiøs vold

Ved å kjøre programmet gjennom flere tusen tidsskritt fant forskerne at folkegrupper stort sett lever fredelig sammen, men at de av og til kan gripe til vold. Det kan skje når deres kjernetro er utfordret eller når de føler at det stilles spørsmål ved deres forpliktelse til egen tro.

Forskerne tror at risikoen for religiøs vold og terror reduseres ved å skape situasjoner der folk slutter å se på outsiderne som en trussel. De farligste situasjonene oppstår når forskjellen i størrelse mellom to ulike religiøse grupper er ganske lik og folk møter medlemmer av utenforsamfunnet mer regelmessig samtidig som de oppfattes som farlige. Møtene trenger ikke være ansikt til ansikt. Det kan være at trusselen blir brakt til en persons oppmerksomhet gjennom konvensjonelle og sosiale medier.

• Vil ha kunstig intelligens ut av våpenindustrien: Mener vi ikke kan forutse konsekvensene av at to ulike algoritmer møtes