Under navnet Citizens.ML har to Arts-forskere taget initiativ til et undervisningsforløb, som skal ruste danskerne til at forstå begrebet maskinlæring – en afart af kunstig intelligens, der breder sig hastigt i vores dagligdag. Bag streamingtjenester som Netflix eller chatrobotter som ChatGPT gemmer sig nemlig en teknologi, man sagtens kan lære at gennemskue og navigere i, fortæller professor Peter Dalsgaard. Bliv klogere på, hvordan maskiner lærer.

Af Jeppe Kiel Revsbech

’Du er ikke lykkeligt gift, du elsker mig’.

Så kontant formulerede Microsofts kommende chatrobot, Bing, sig, da den for nylig blev afprøvet på en række testpersoner – heriblandt en mandlig journalist fra avisen The New York Times.

Under en to timer lang chatsamtale havde han blandt andet spurgt ind til chatrobottens kærlighedsliv, som siden udviklede sig til, at robotten præsenterede sig selv som Sydney og bekendtgjorde: ’Jeg er forelsket i dig’ og ’du elsker ikke din partner’.

Umiddelbart kan det, alt efter temperament, virke urovækkende eller urkomisk, at et stykke teknologi baseret på kunstig intelligens kan ytre sig sådan. Men et spørgsmål trænger sig alligevel på: Kan de stærkt omtalte chatrobotter, som vinder frem netop nu, udvikle deres egen bevidsthed?

Svaret vil ikke være svært at gennemskue, hvis man forstår de principper, der ligger bag både chatrobotterne og mange andre former for kunstig intelligens, vi i stigende grad møder i dagligdagen. Alt sammen baserer de sig nemlig på begrebet maskinlæring, som i korte træk kan defineres således: At give en computer evnen til at lære, uden at den er specifikt programmeret til det.

Sagt med lidt flere termer handler maskinlæring om at ’fodre’ en computer med store mængder af data, hvorefter man ’træner’ maskinen i at forstå denne datamængde, som siden gør computeren i stand til at genkende mønstre og sammenhænge og udarbejde sine egne forslag og forudsigelser.

Tænk eksempelvis på Netflix’ kvalificerede bud, når filmen til fredagshyggen skal findes. Eller på Spotifys playlister baseret på den musik, man hidtil har hørt. Eller på kommunens automatiserede sagsbehandlingssystemer, som foreslår en bestemt afgørelse på en sag. Det hele er maskinlæring.

Men hvordan ruster man sig til en virkelighed, hvor denne afart af kunstig intelligens bliver mere og mere tydelig i vores tilværelse? Og kan man lære at forstå – og forholde sig kritisk og konstruktivt – til maskinlæring og kunstig intelligens som almindelig borger i Danmark?

Det er udgangspunktet for et forskningsbaseret undervisningsforløb, døbt Citizens.ML, som to forskere fra Arts har taget initiativ til.

”Formålet med projektet er at give folk en forståelse af, hvad maskinlæring – eller machine learning – er for en størrelse. Det gør vi, og det synes vi er vigtigt at arbejde med, fordi det er en teknologi, som spiller en større og større rolle i vores omverden. Det er noget, folk møder ofte, og uden at de faktisk ved, at det er machine learning, når de interagerer med digitale systemer,” forklarer professor ved Afdeling for Digital Design og Informationsvidenskab, Peter Dalsgaard, som sammen med sin kollega og professor samme sted, Ole Sejer Iversen, står bag Citizens.ML.

"Machine learning er et begreb, mange opfatter som noget meget kompliceret, men i virkeligheden bygger det på nogle ret simple grundprincipper."

- Professor ved Afdeling for Digital Design og Informationsvidenskab, Peter Dalsgaard.

Maskinlæringsmaskinen

Projektet kommer konkret til at bestå af en række workshops på blandt andet biblioteker, hvor borgere selv kan prøve kræfter med maskinlæring og derigennem få et indblik i, hvordan systemerne er bygget op. Det sker via et særligt læringsværktøj, kaldet Machine Learning Machine, som er udviklet af Center for Computational Thinking and Design på Arts og tidligere brugt med succes i et lignende projekt på landets folkeskoler.

”Machine Learning Machine er et system, hvor man via et website afvikler en særlig machine learning-tjeneste. Tjenesten er udviklet til at være let forståelig og forklare principperne ved machine learning, og den er så koblet til et lille stykke teknologi – en såkaldt micro:bit – hvor man via de sensorer, som sidder i de her micro:bits, kan træne systemet til at genkende de bevægelser, man laver med den. Man kan så føre en lille stump op og eksempelvis rundt i en cirkel, og derigennem kan man lære systemet, at det er en cirkel. Eller man kan lære den alfabetet, tælle ens skridt eller mange andre ting. Så vi bygger videre på et projekt, vi allerede har rigtig positive erfaringer med,” fortæller Peter Dalsgaard.

Viden ud i samfundet

Foruden undervisning på bibliotekerne er det planen, at Citizens.ML også skal udbredes til folk, som i deres daglige arbejde kunne tænkes at komme i berøring med maskinlæring. Det gælder for eksempel medlemmerne af Dansk Magisterforening, der sammen med Dokk1 i Aarhus indgår som partnere i projektet.

Men først og fremmest er ambitionen med forløbet at række ud til de mange danskere – særligt i alderen 40 til 70 år – som ikke nødvendigvis har en teknologisk fortrolighed med sig fra skolebænken og dermed heller ikke for begreber som kunstig intelligens og maskinlæring.

”Som universitet har vi et ansvar for at få vores viden ud i samfundet. Det er der allerede en del af mine kolleger, der gør – heriblandt Center for Computational Thinking and Design, som har arbejdet meget med faget teknologiforståelse i grundskolen og gymnasieskolen. Men sagen er også den, at på grund af den hastighed, teknologi udvikles med, er der rigtigt mange mennesker, som er færdige med deres uddannelse, der også bliver konfronteret med machine learning nu og skal forholde sig til det i mange år frem. Og dem mangler vi at række ud til,” påpeger Peter Dalsgaard.

Han uddyber:

”Ideelt set vil vi gerne et sted hen, hvor man ikke bare lærer at blive bruger eller forbruger af de her systemer, men man også kan forstå, hvorfor de er udviklet og fungerer, som de gør – og potentielt set også vil kunne indgå i diskussioner om, hvordan de her teknologiske systemer kan udformes på en måde, der er hensigtsmæssig for os,” siger professoren.

"Der er rigtigt mange mennesker, som er færdige med deres uddannelse, der også bliver konfronteret med machine learning nu og skal forholde sig til det i mange år frem. Og dem mangler vi at række ud til.”

- Professor ved Afdeling for Digital Design og Informationsvidenskab, Peter Dalsgaard.

Oplyste forbrugere

Han håber derfor, at Citizens.ML kan bidrage til en digital myndiggørelse af danskerne, så man eksempelvis vil være i stand til at gennemskue de principper, der ligger bag chatrobotter som Microsofts Bing eller den populære ChatGPT – og hvorfor man til forveksling kunne tro, at de har deres egen bevidsthed.

”Machine learning er et begreb, mange opfatter som noget meget kompliceret, men i virkeligheden bygger det på nogle ret simple grundprincipper. Og hvis man forstår de principper, vil man også relativt hurtigt kunne forstå, hvad det eksempelvis er, at chatrobotter som ChatGPT kan og ikke kan, og hvorfor de kan virke enormt kloge og dygtige til nogle ting og samtidig tage spektakulært fejl eller have klare huller på andre områder. En simpel indsigt i principperne ved machine learning vil hjælpe med at forstå aspekterne ved de her systemer,” fastslår Peter Dalsgaard.

Citizens.ML hører under forskningscentret SHAPE på Aarhus Universitet. Læs mere om projektet her: https://shape.au.dk/projekter/digital-dannelse-og-maskinlaering