Indledning. Kunstig intelligens

Transkript

1 1 Indledning Kan maskiner tænke? Dette spørgsmål har optaget både filosoffer, psykologer, ingeniører, matematikere og mange flere indenfor feltet kunstig intelligens. Men hvilket menneskesyn ligger bag et sådant spørgsmål, og hvad er det, der gør, at spørgsmålet giver mening? Min påstand er, at det filosofiske grundlag for debatten omkring kunstig intelligens er kontingent, og at der godt kan stilles spørgsmål ved gyldigheden af dette grundlag. Denne opgave forsøger at vise, at der er en sammenhæng mellem de spørgsmål, det er meningsfuldt at stille, og den filosofiske position, man antager. Der er skrevet mange bøger om kunstig intelligens, og der er mange nuancer på begge sider af debatten, og derfor bliver min behandling af emnet på et overordnet plan, hvor jeg vil forsøge at belyse den filosofiske sammenhæng mellem forskellige positioner. Først vil jeg præsentere en hovedretning af forskningen indenfor kunstig intelligens og dernæst opstille nogle af de markante kritikpunkter fra fænomenologisk side af denne forskning og dens filosofiske udgangspunkt. Det sidste afsnit vil vise, hvilken betydning nyere teoretiske strømninger omkring aktørnetværksteori og cyborg-begrebet har for hele spørgsmålet om kunstig intelligens. Kunstig intelligens Forskning indenfor kunstig intelligens (fremover AI artificial intelligence) er et flertydigt felt. I denne sammenhæng er det ikke vigtigt at give et udtømmende billede af de forskellige retninger indenfor feltet, idet det er de mere principielle standpunkter blandt AI-forskerne, som skal danne baggrund for resten af opgaven. Derfor vil jeg kun præsentere en hovedretning, der kan bruges som pejlemærke i forhold til problemstillingen. Wackerhausen forsøger at inddele feltet i forskellige positioner: ingeniørmæssig AI og psykologisk AI (Wackerhausen, 1989, s. 111ff). 1 Ingeniørmæssig AI arbejder med kunstig intelligens ud fra det synspunkt, at computeren har mulighed for at udføre opgaver og løse problemer ligeså godt som mennesker, og måske oven i købet bedre. Psykologisk AI går et skridt videre og hævder, at man kan tilskrive computere intelligens på samme måde som mennesker. Det vil sige, at de operationer som foregår i 1 Det svarer også lidt til Searles begreber om weak og strong AI (Searle, 1981, s. 282).

2 2 computeren svarer til dem, som foregår i menneskets bevidsthed. Ingeniørmæssig AI er forholdsvis uskadelig i og med, at der ikke hævdes, at man kan kopiere menneskets kognitive processer, og dermed bliver projektet udelukkende et teknisk anliggende. Da denne introduktion til AI skal lægge op til den kritik af feltet, som vil blive præsenteret i næste del, vil jeg i det følgende fokusere på psykologisk AI, som især har været genstand for denne kritik (se f.eks. Searle, 1981, s. 283). Inden da er det dog nødvendigt at foretage endnu en opdeling af feltet i klassisk AI og moderne AI (efter Wackerhausen, 1989, s. 112). Klassisk AI arbejder med computersystemer af von Neumann-typen, det vil sige digitale serielle computere, og moderne AI tager udgangspunkt i kunstige neurale netværk. Med disse netværk forsøger man at efterligne den måde, vores hjerne er struktureret på, og i stedet for neuroner bruges units, der er indbyrdes forbundet i et netværk. Nogle units tager imod inputs, som resulterer i aktivering af andre units rundt omkring i netværket. Til sidst munder det ud i et bestemt mønster. Man præsenterer netværket for forskellige mønstre, og det bliver oplært til at give det ønskede output ved hjælp af back-propagation, hvor forbindelserne mellem de forskellige units bliver vægtet på forskellig vis, så de danner det ønskede output. Når man har foretaget dette tilstrækkelig mange gange, vil netværket være i stand til at genkende mønstre (Button et. al., 1995). Moderne AI har for nogle kritikere af AI-forskningen overvundet nogle af de problemer, der knyttede sig til klassisk AI, 2 og derfor vil jeg i det følgende fokusere på klassisk AI (fremover bare AI), idet det gør det lettere at vise, hvad kritikken af AI går ud på. 3 Klassisk AI arbejder som sagt med digitale serielle computere, som i princippet er af samme type som en normal PC. Alan M. Turing fremkom allerede i 1936 med artiklen On Computational Numbers, with an Application to the Entscheidungsproblem, hvor han beviste rent matematisk, hvordan en digital computer (senere kendt som Turingmaskinen) er i stand til at repræsentere og manipulere formelle symboler: It is my contention that these operations [manipulation af symboler] include all those which are used in the computation of a number. (Turing, 1936, s. 232). Det vil sige, at alt hvad der kan beskrives formelt, kan repræsenteres i en binær kode i en computer ved hjælp af forskellige sekvenser af 0 og 1. Det var en banebrydende artikel, men selve påstanden, som den er citeret ovenfor, er ikke specielt kontroversiel, for det er en rent matematisk påstand. Det er først i det øjeblik, at AI-forskerne hævder, at menneskelig tænkning fungerer på denne måde, at det har filosofiske implikationer. Det er således ikke sammenhængen mellem formelt beskrevet symbolmanipulation og digitale computere, 2 For eksempel problemet omkring formalisering af viden (Dreyfus og Dreyfus, 1988, s. 34). 3 Dermed ikke sagt, at moderne AI ikke har været kritiseret, se f.eks. Searle, 1981, Dreyfus og Dreyfus, 1988 samt Button et. al., 1995.

3 3 men den påståede sammenhæng mellem formelt beskrevet symbolmanipulation og menneskelig tænkning, som senere bliver anfægtet af kritikerne. Med andre ord mener AI-forskerne, at menneskelig erkendelse består af en række adskilte symboler, som omdannes til andre symboler ved hjælp af formelle regler: A physical symbol system has the necessary and sufficient means for general intelligent action. By necessary we mean that any system that exhibits general intelligence will prove upon analysis to be a physical symbol system. (Newell & Simon citeret i Dreyfus & Dreyfus, 1988, s. 16). Denne symbolmanipulation er vel at mærke rent syntaktisk og involverer ikke semantik, så selve betydningsindholdet af symbolerne er underordnet. Læg i citatet mærke til, at denne opfattelse ikke kun er rettet mod arbejdet med at konstruere intelligente computere, men at det gælder ethvert system, som udviser intelligens, og således også mennesker. Newell & Simons synspunkt, som er kendetegnende for klassisk AI, bygger ikke på Turings artikel men udspringer af den rationalistiske tradition helt tilbage til Descartes. Han opfattede den materielle verden (res extensa) som afskilt fra tænkningen (res cogitans), hvor res extensa kunne repræsenteres som sikker viden igennem en systematisk analytisk metode (Dreyfus & Dreyfus, 1988, s. 17 og Olesen, 2002, s. 150). På samme måde mener AI-forskerne, at man kan finde frem til sikker viden om verden ved hjælp af en systematisk objektiv metode, hvilket betyder, at denne viden kan formaliseres og repræsenteres i et computerprogram. Dualismen mellem res extensa og res cogitans gælder også mennesket selv, som består af en bevidsthed og en krop. Det har afgørende betydning for klassisk AI, idet man så kan adskille menneskets symbolmanipulerende system fra den konkrete krop og den konkrete hjerne, hvilket er analogt til computeren, hvor et program ikke er afhængigt af en bestemt computer men er universelt. 4 Med andre ord: mind is to brain as program is to hardware (Searle, 1981, s. 301). Klassisk AI i den form, som Wackerhausen kalder psykologisk AI, er altså kendetegnet ved, at man både prøver at konstruere computere, som udviser intelligens, og at man samtidig hævder, at den menneskelige tænkning fungerer på samme måde som computerprogrammer. Som vist ovenfor byggede denne antagelse videre på en rationalistisk filosofi grundlagt af Descartes, hvor sjælen er adskilt fra kroppen og den legemlige verden. 5 4 Både den menneskelige hjerne og hardwaren i computeren skal selvfølgelig opfylde nogle betingelser, men så snart de er opfyldt, er det underordnet hvilken hardware eller hjerne, der bliver brugt. 5 Også den tidlige Wittgenstein havde stor indflydelse på tanken om, at det var muligt at repræsentere viden om verden i bevidstheden på en måde, som kan beskrives formelt (Dreyfus & Dreyfus, 1988, s. 18).

4 4 Fænomenologisk afvisning af AI Kritikken af klassisk AI er kommet fra mange forskellige retninger og er taget til i takt med den manglende succes med at konstruere intelligente maskiner. Hos AI-forskerne selv har det ført til, at mange har forladt klassisk AI til fordel for det netværksbaserede moderne AI, som syntes at have større succespotentiale (Dreyfus & Dreyfus, 1988). Udover denne interne kritik blev en anden kritik fremført af fænomenologiske filosoffer, som opponerede mod den rationalistiske opfattelse af menneskelig intelligens. Det er denne kritik, som vil blive præsenteret i dette afsnit. Først vil jeg se på forskellen i den opfattelsen af kognition, som viser sig hos henholdsvis AI-forskerne og fænomenologerne, og jeg vil dernæst vise, hvordan klassisk AI og fænomenologien har to vidt forskellige syn på viden. Da denne opgave koncentrerer sig om de grundlæggende filosofiske aspekter ved kunstig intelligens vil jeg starte med introduktion til fænomenologien som en filosofisk tradition og ikke som den kommer til udtryk hos kritikerne af AI. Det skal understreges, at selvom Edmund Husserl regnes som grundlæggeren af fænomenologien, så er det i højere grad Heidegger og Merleau-Ponty, som danner den filosofiske baggrund for kritikken. 6 Martin Heidegger var elev af Husserl og var sammen med Maurice Merleau-Ponty to af de vigtigste personer i udformningen af fænomenologien som en filosofisk position. I en artikel i Philosophia forklarer Mogens Pahuus Heideggers syn på det, han kalder Zeug (værktøj, teknik): Som det, de er, nemlig Zeug, viser de sig kun i og for en omgang med dem, der er adækvat med deres zeug-karakter. Denne omgang med dem er naturligvis brugen og anvendelse Man forstår ikke hvad en hammer er ved at kigge på den og mærke sig dens egenskaber, men ved at bruge den. (Pahuus 1988, s. 16.) Dette specielle forhold til Zeug er udtryk for en radikalt anderledes ontologi og skal tolkes bredere som menneskets forhold ikke blot til Zeug, men til verden generelt (Pahuus, 1988, s.16). Sagt lidt firkantet, så er verden ikke på en bestemt måde, før mennesket har været i kontakt med den: som det fremgår af citatet er hammeren ikke en hammer i kraft af et skaft af træ og et hoved af jern, men i kraft af at man kan bruge Wittgenstein er i det hele taget en central figur i debatten, fordi der nærmest er et diametralt modsætningsforhold mellem den tidlige og den sene Wittgenstein, og derfor bliver der trukket meget på den sene Wittgenstein blandt kritikerne af AI. I denne opgave har der desværre ikke været plads til at beskæftige sig med hans filosofi. 6 Husserl foregriber ifølge Dreyfus & Dreyfus udviklingen indenfor AI-forskningen (1988, s. 29).

5 5 den til at hamre søm i. Verden kan med andre ord ikke beskrives som eksisterende uafhængigt af mennesket, idet Zeug hos Heidegger først bliver Zeug i det øjeblik, man omgås dem på en måde, som er adækvat med deres zeug-karakter. Hvis skaftet på hammeren går i stykker, vil hammeren ændre karakter og blive en ting, som består af træ og jern sat sammen på en bestemt måde, idet man ikke længere omgås hammeren som Zeug. Det betyder samtidig også, at verden vil være forskellig fra person til person, for eksempel vil værktøjsmageren opfatte hammeren på en anden måde end tømreren. Fænomenologien peger på, at mennesket altid vil være i en situation, med bevidstheden rettet mod noget, som ikke er givet i verden på forhånd, men som er konstitueret af menneskets bevidsthed på en bestemt måde i lige netop den situation. Den samme hammer bliver konstitueret i bevidstheden på forskellig vis afhængig af situationen. Maurice Merleau-Ponty har den opfattelse, at kroppen har betydning for erkendelsen, ikke som et sanseapparat, som lader stimuli komme igennem til bevidstheden, men som medskaber af erkendelsen (1994). Han beskæftiger sig med den måde, mennesket perciperer på: Det er, fordi min perception, lige fra niveauet med simpelt syn af farver, ikke begrænser sig til at registrere dette det, den foreskrives af nethindepåvirkningerne, men reorganiserer disse således at der igen etableres en ensartethed i feltet. (Merleau-Ponty 1993, s. 11). Det vil sige, at perceptionen er rettet mod noget, hvilket betyder, at oplevelsen af en genstand ikke er givet i genstanden selv, for eksempel i og med at den har en bestemt farve, men at genstanden konstitueres igennem reorganisering. Samtidig er fragmenterede elementer syntetiseret til en helhed: Det elementære og det, som kommer først i perceptionen, er ikke sidestillede elementer, men helheder. (ibid.). Denne korte indføring i fænomenologien burde være nok til, at jeg nu kan beskæftige mig med den kritik af AI, som har taget udgangspunkt i en fænomenologisk filosofi. Hvis man antager en fænomenologisk position, åbner der sig umiddelbart en række problemer for klassisk AI, hvilket også er ganske naturligt, idet den baserer sig på en filosofisk rationalisme, som den fænomenologisk position netop har defineret sig i opposition til. Det mest iøjnefaldende problem for kritikerne er troen på, at kognition fungerer som manipulation af symboler, som kan beskrives formelt. Det forudsætter, at man kan give en formel beskrivelse af adskilte dele af verden, hvilket fænomenologien vil opponere imod: Mennesket vil altid opfatte helheder, som ikke er givet i genstanden selv, men som konstitueres i selve erfaringen af genstanden, jævnfør citatet af Merleau-Ponty

6 6 ovenfor. Så er spørgsmålet, om denne holistiske erkendelsesform kan eftergøres af en computer? Det er måske ikke umuligt, men Merleau-Ponty ville hævde, at det kræver en krop og derigennem en omgang med genstanden, som ikke kan indfanges i en objektiv beskrivelse, men som kræver kroppens fysiske tilstedeværen i et eller andet omfang. Rent principielt er der ikke noget i vejen for, at man kan udstyre en computer med en krop, og i hvert fald vil AI-forskerne nok ikke tage argumentet som et bevis for, at man ikke kan lave kunstig intelligens. Et mere påtrængende kritikpunkt er imidlertid spørgsmålet om den viden, som AIforskerne prøver at putte ind i computerprogrammerne. Til at illustrere dette punkt vil jeg inddrage et empirisk studie af Diana E. Forsythe (1993), som omhandler en gruppe videnskabsfolk, som prøver at udvikle såkaldte ekspertsystemer. Forsythe argumenterer for, at der i udviklingen af disse systemer udelukkende bliver inkorporeret videnskabelig viden. Det vil sige, at man spørger eksperter indenfor et givet område, for eksempel læger indenfor diagnosticering, om de kan forklare hvilke overvejelser, der indgår i diagnosticeringen. Spørgsmålene lægger op til, at svarene skal være videnskabelige, det vil sige, at man i princippet kunne få det samme svar, hvis man slog op i lærebøger. Problemet er så, at denne viden i virkeligheden ikke er det eneste, der ligger til grund for lægernes beslutninger. Der indgår også common sense viden og praktiske og sociale aktiviteter, som har afgørende betydning. Forsythe s pointe er så, at videnskabsfolkene ikke opfatter dette, fordi de i forståelsen af deres eget arbejde ser det videnskabelige og ikke praktiske og sociale aktiviteter som det eneste rigtige arbejde. Det gode ved den videnskabelige viden er, at den er let at formalisere, idet den i hvert fald for naturvidenskabernes vedkommende er universel viden, det vil sige, den sigter på at være gældende i enhver situation. Hvis man kunne nøjes med at beskæftige sig med den slags viden, ville kunstig intelligens være gennemførlig. Men som Forsythe viser, 7 så er selv et felt som naturvidenskabelig forskning afhængigt af common sense. Netop begrebet om common sense er behandlet af den fænomenologiske sociolog Alfred Schütz, som hævder at vores opfattelse af verden er styret af relevanssystemer, som bestemmer hvilke aspekter vi hæfter os ved, og hvilken betydning vi tillægger dem. Disse relevanssystemer er grundlæggende for common sense viden og er opbygget socialt igennem omgang med andre mennesker (Schütz 1975). Hvis denne viden er så fundamental, som fænomenologerne påstår, bliver det vigtigt for AI-forskerne at få den ekspliciteret og formaliseret. Men spørgsmålet er, om dette kan lade sig gøre? Problemet er i første omgang, at common sense viden ikke er universel, men altid vil gøre sig gældende i en bestemt situation, i en bestemt kontekst. Det er netop dette, der ligger i fænomenologien, at det er omgangen med verden i en 7 Ligesom en række andre, se Olesen 2001.

7 7 praktisk forstand, som er grundlaget, og ikke en objektiv betragtning af verden. Dreyfus & Dreyfus fremdrager et citat af Heidegger: The context can be taken formally in the sense of a system of relations. But [t]he phenomenal content of these relations and relata is such that they resist any sort of mathematical functionalization; nor are they merely something thought, first posited in an act of thinking. They are rather relationships in which concernful circumspection as such already dwells. (fra Sein und Zeit, s ifølge Dreyfus & Dreyfus, 1988, s. 29). Det vil sige, at common sense ikke er viden om, hvordan verden ser ud, men om hvordan man gebærder sig i verden. Et banalt eksempel kunne være, at det handler om, hvordan man bruger en hammer, og ikke hvordan hammeren ser ud. Således er common sense ikke know what, men know how (Olesen, 2002, s. 161). For computeren, som den er tænkt i klassisk AI, er det et stort problem, since a computer is not in a situation (Hubert Dreyfus citeret i Wackerhausen, 1989, s. 127). Og hvis man ikke er i en situation, er det omsonst at snakke om know how, som jo netop er viden om, hvordan man klarer sig i en bestemt situation. Kritikken af AI fra en fænomenologisk position samler sig således især om den måde, hvorpå mennesket erfarer og handler i verden. AI-forskningens forudsætning om bevidstheden som et regelstyret symbolmanipulerende system, der bygger på en rationalistisk filosofi, bliver uholdbar, når man antager en fænomenologisk position. Den filosofiske position, som er grundlaget, er derfor afgørende for argumenterne for og imod kunstig intelligens. Den kritik af klassisk AI, som jeg har fremstillet, bygger på en klar distinktion mellem menneske og maskine. Det er en a priori antagelse, at man kan sige noget om mennesket og dets måde at erfare og handle på, og at man kan bruge dette som målestok overfor maskinen. Således kan man hævde, at denne maskine ikke er intelligent, fordi menneskets intelligens fungerer på en helt anden måde, hvilket jo er kritikernes argumentation. Denne distinktion mellem maskine og menneske ligger implicit i AIdebatten, som jo netop går ud på at diskutere dette spørgsmål: kan maskiner tænke? Også Turing-testen tog udgangspunkt i at bruge menneskelig intelligens som målestok for, om maskiner kunne tænke. 8 Umiddelbart synes det heller ikke at være problematisk at bruge denne distinktion mellem menneske og maskine, for ellers vil man vel slet ikke kunne diskutere kunstig intelligens? I næste afsnit vil jeg prøve at vise, hvordan man i dag kan have svært ved at opretholde denne distinktion. 8 Selvom det er diskutabelt, om Turing-testen er en gyldig test, idet den kun kan afgøre funktionel og ikke indholdsmæssig ækvivalens (Searle, 1981), benytter den sig alligevel af samme distinktion mellem mennesker og maskiner.

8 8 Socioteknik og cyborg-ontologi Man kan opstille to perspektiver på, hvordan menneskets integritet i traditionel forstand er ved at blive en mere og mere illusorisk størrelse, og hvordan sådan noget som teknologi trænger sig på som en uadskillelig del af det at være menneske i et moderne samfund. Det ene perspektiv finder man indenfor sociologien, hvor en retning som aktørnetværksteori (ANT) advokerer for en opfattelse af det sociale, som ikke kun indbefatter mennesker men også artefakter og teknologi. Det andet perspektiv knytter sig til cyborg-begrebet, som det bruges af blandt andre Donna Haraway. Jeg vil her præsentere de to perspektiver, samt hvilke implikationer de medfører for AI-debatten. 9 Fra sociologisk side har man fundet det nødvendigt at bevæge sig væk fra en traditionel opfattelse af det sociale som et udelukkende humant begreb. Således beskæftiger ANT 10 sig med det sociotekniske for at understrege, at det er vanskeligt at adskille det sociale og det teknologiske. I Where Are the Missing Masses? fra 1992 skriver Bruno Latour: we believe that there exist humans and nonhumans, without realizing that this attribution of roles and action is also a choice. (s. 236). Denne opdeling prøver ANT at gøre op med, idet de i stedet opfatter det sociale (i deres terminologi det sociotekniske) som et netværk af aktører, der indvirker på hinanden på forskellig vis. I dette netværk er det både maskiner og mennesker, der opfattes som aktører. Med et eksempel fra samme tekst er det både dørfjederen og portneren, der skal være genstand for en sociologisk analyse, på trods af at førstnævnte er et simpelt stykke mekanik og portneren et menneske. Dette standpunkt står i modsætning til den måde, hvorpå kritikerne af AI opfatter mennesket og det sociale. Deres argumentation tager netop udgangspunkt i, at vi kan tale meningsfuldt om det sociale adskilt fra det tekniske: mennesket har specielle egenskaber i kraft af, at det er et menneske og ikke en maskine. Hertil vil ANT svare, at denne distinktion ikke giver mening i og med, at det sociale betragtes som et socioteknisk netværk, hvor mennesker ikke har en privilegeret status. Hvis man accepterer ANT s perspektiv, er det altså vanskeligt at opretholde en kritik af AI-forskningen svarende til den, der er blevet præsenteret i denne opgave. 9 Det er sikkert ikke svært at finde andre perspektiver, men disse to fremhæver nogle afgørende pointer i forhold til AI. 10 Man skal være opmærksom på, at grundlæggerne af ANT understreger, at der ikke er tale om en teori, men mere et perspektiv eller en tilgang (Olesen, 2001, s. 25).

9 9 Den amerikanske feminist Donna Haraway bragte i sit berømte skrift Cyborg Manifesto fra midten af 1980 erne cyborg-begrebet på banen i samfundsteorien. Cyborg, som er en sammentrækning af cybernetic organism, illustrerer den sammensmeltning af menneske og teknologi, som er allestedsnærværende i dag (Olesen, 2002, s. 163): By the late twentieth century, our time, a mythic time, we are all chimeras, theorized and fabricated hybrids of machine and organism; in short, we are cyborgs. (Haraway 1991, s Fra 1991-udgaven af Cyborg Manifesto.). Det er særligt tydeligt indenfor medicin og biologi, hvor det naturlige bliver manipuleret og erstattet af kunstigt frembragt teknologi. Eksempler kunne være genmanipulation, kunstig befrugtning og indsættelse af diverse transplantater som kunstigt hjerte og så videre i den menneskelige krop. Det er på den baggrund ikke svært at tilslutte sig Haraways udsagn om, at vi er fabricated hybrids of machine and organism. Hvis man sammenligner Haraways position med kritikerne af AI-forskningen, så er der en markant ontologisk forskel, idet sidstnævnte tager udgangspunkt i, at der er forskel på mennesker og maskiner, og at vi meningsfuldt kan adskille de to begreber. Det modsatte er tilfældet hos Haraway, som hævder at: The cyborg is our ontology (ibid.). Denne forskel i ontologi har stor betydning, idet den er grundlaget for alle de videre påstande og argumenter. For eksempel vil påstanden om, at menneskelig tænkning til forskel fra maskinerne ikke er regelstyret symbolmanipulation forudsætte, at der er noget, som tilhører mennesket og noget, som tilhører maskinerne. Grundlaget for kritikken af AI bliver altså undermineret fra to fronter: for det første en sociologisk teori, som ikke vil give mennesket en privilegeret position i forhold til teknologien men ser det sociale som socioteknisk, og for det andet en cyborg-ontologi, der mener, at der ikke er noget, som kun er menneskeligt, men at det menneskelige og det teknologiske er forenet. Afslutning Hvad betyder det, hvis man accepterer, at grundlaget for AI-kritikken bliver uholdbart som følge af ovenstående? Det ligger ligefor at konkludere, at siden grundlaget for kritikken ikke holder, så må kritikken være uholdbar, og derved genåbnes vejen frem for kunstig intelligens. De kritikpunkter, som kritikerne havde mod AI, er ikke relevante

10 10 mere. Denne konklusion er dog ikke rigtig, for man skal huske på, hvad det var for nogle påstande hos AI-forskerne, som blev udsat for kritik. De mente i hovedtræk, at det var muligt at lave intelligente maskiner, det vil sige computere med programmer, som fungerede på samme måde som den menneskelige bevidsthed. Her ser man igen distinktionen mellem menneske og maskine: menneskets intelligens bruges som målestok for, om noget adskilt fra mennesket, maskinen, kan udvise en adfærd, som ellers er forbeholdt mennesket. Denne påstand hviler derfor ligesom kritikken på det grundlag, at det er muligt at adskille menneske og teknologi. Hvis man antager en position som aktørnetværksteori eller cyborg-ontologien, har det derfor vidtrækkende implikationer for debatten omkring AI både for kritikere og tilhængere, idet hele grundlaget for diskussionen ikke længere er det samme. Så kan man spørge sig selv: Hvad så? Er det ikke muligt at diskutere kunstig intelligens? Der kan være flere mulige svar på dette spørgsmål, men jeg vil prøve at fremføre et svar, som er inspireret af sociologen Harry M. Collins bog Artificial Experts: Social Knowledge and Intelligent Machines. Collins foreslår, at man skal analysere kunstig intelligens ud fra den sammenhæng, som teknologien indgår i. Han fremdrager ekspertsystemer som eksempel: It would fit where a real expert once fitted without anyone noticing much difference in the way the corresponding social group functions. (Collins, 1990, s. 15). Han lægger dermed op til et mere pragmatisk perspektiv på kunstig intelligens, hvor teknologi ligesom i ANT betragtes på lige fod med mennesker, og hvor det er effekterne af teknologien, der er i fokus. Man skal således ikke spørge, om en maskine er intelligent, men om den virker 11 intelligent i forhold til den sociale praksis, som den indgår i. Denne pragmatiske måde at komme omkring spørgsmålet om AI lægger sig fint i tråd med aktørnetværksteori, men hvordan forholder det sig med cyborg-ontologien? Her må jeg indrømme, at det bliver svært at snakke om kunstig intelligens, idet det intelligente (mennesket) jo er kunstigt og det kunstige (maskinen) intelligent. Hvis man antager denne position, vil jeg derfor hævde, at det vil være meningsløst at spørge til kunstig intelligens på et principielt filosofisk plan. 11 Collins bruger work, som jo også kan betyde arbejde, dvs. om maskinerne arbejder intelligent.

11 11 Litteratur Button, G.; Colter, J.; Lee, J.; Sharrock, W. (1995) Computers, Minds & Conduct. Polity Press. Dreyfus, Hubert L.; Dreyfus, Stuart E. (1988): Making a Mind Versus Modeling the Brain: Artificial Intelligence Back at a Branchpoint. I: Graubard, Stephen (red.): The Artificial Intelligence Debate. False Start, Real Foundation. MIT Press. Collins, Harry M. (1990): Artificial Experts: Social Knowledge and Intelligent Machines. MIT Press. Forsythe, Diana E.: The Construction of Work in Artificial Intelligence. I: Science, Technology, & Human Values. Vol. 18, nr. 4 s Haraway, Donna (1991): A Cyborg Manifesto: Science, Technology, and Socialist- Feminism in the Late Twentieth Century. I: Simians, Cyborgs and Women: The Reinvention of Nature. New York, Routledge. Findes på: Latour, Bruno (1992): Where Are the Missing Masses? The Sociology of a Few Mundane Artifacts. I: Bijker, W. E.; Law, John (red.): Shaping Technology/Building Society. MIT Press. Merleau-Ponty, Maurice (1993): Filmen og den nye psykologi. I: Philosophia. Årg 22, 3-4. Merleau-Ponty, Maurice (1994): Kroppens fænomenologi. Det lille forlag. Olesen, Finn (2001): Vidensapparaturet Om forskningsprocesser og epistemisk teknologi. Ph.d.-afhandling, Det Humanistiske Fakultet, Aarhus Universitet. Olesen, Finn (2002): Dannelse og teknologi. I: Johansen, Martin Blok (red.): Dannelse. Aarhus Universitetsforlag. Pahuus, Mogens: Livsverdenens ubestemthedskarakter i fænomenologien og i livsfilosofien. I Philosophia, 17, 1-2, Schütz, Alfred (1975): Hverdagslivets sociologi. København, Hans Reitzel. Searle, John R. (1981): Minds, Brains, and Programs. I: Haugeland, John (red.): Mind Design. MIT Press. Turing, Allan M. (1936): On Computational Numbers, with an Application to the Entscheidungsproblem. Original i: Proceedings of the London Mathematical Society. Ser. 2. vol. 42 (1936-7), s Findes på: ie.asp. Turing, Allan M. (1950): Computing Machinery and Intelligence. I: Mind. Årg. 59, oktober 1950 s Wackerhausen, Steen (1989): Mennesket i computerens billede. I: Philosophia. Årg. 18, 1-2, s

12 12 Indholdsfortegnelse Indledning...1 Kunstig intelligens...1 Fænomenologisk afvisning af AI...4 Socioteknik og cyborg-ontologi...8 Afslutning...9 Litteratur...11

13 13 På hvilket grundlag kan man spørge til kunstig intelligens? Eksamensopgave i Fælleshumanistisk Videnskabsteori v/ Finn Olesen, maj Søren Mønsted ( )