fbpx

Vad är kunskap? – Kunskapsblogg del 1

Jonas Ahlberg,

Det pratas mycket om artificiell intelligens (AI) just nu. Enkelt uttryckt är AI stora mängder data, samlade i databaser, med olika algoritmer som gör till synes intelligenta analyser av datan. Många menar till och med att människans hjärna är en databas och att vårt tänkande egentligen är algoritmer som gör till synes intelligenta analyser av denna data.

Men kan detta verkligen stämma? Inom AI-forskningen pratas väldigt lite om kunskap. Nästan ingenting faktiskt. I några texter tänkte jag därför berätta lite om varför jag tror att det är ett problem och varför man borde ta kunskapsbegreppet på större allvar.

Cykla - inlärd kunskap

Frågan om vad kunskap är har sysselsatt filosofer sedan urminnes tider. Kunskap verkar komma och gå och är svår att bestämma. Vissa kunskaper verkar vara medfödda, andra inlärda. Men enkelt uttryckt är kunskap det du vet och kan.

Det du vet

Det du vet är exempelvis ditt mobilnummer, när du är född, vilken veckodag det är, vad du åt till frukost, ordningen på planeterna i solsystemet och vattens kemiska formel. Det är en slags teoretiska kunskaper som du har lärt dig genom att läsa och lyssna.

Detta med att veta något brukar också kallas propositionella kunskaper. Det betyder att man kan uttrycka kunskapen som ”A vet att p”, där A är en person och p en proposition eller påstående. Sådana här kunskaper kallas därför ibland också ”veta att”.

Mycket av forskningen kring kunskaper finns samlad inom kunskapsteorin – eller epistemologin med ett finare ord. Den utgår oftast ifrån att kunskap är propositionell.

Det du kan

Sen har vi de mer praktiska kunskaperna, sådant du kan. Dessa kunskaper är färdigheter som du tillägnat dig genom att pröva och öva: använda en smartphone, läsa, skriva, laga mat, sköta en trädgård, prata engelska, lösa en andragradsekvation, simma, segla, cykla och liknande.

Jag skrev ”mer praktisk” eftersom dessa kunskaper inte alltid enbart går att öva sig till utan som ibland kräver att man lär sig viss teori också. Men man pratar ändå om dem som ”veta hur”.

Det du förstår

En del forskare menar att det även finns en tredje och lite diffus form av kunskap, som handlar om den förståelse man har om andra människor, platser och situationer. Förståelse är en blandning av att veta att och hur. Den gör att du förstår symboler, begrepp, andra människors handlingar och uttryck.

Så dina kunskaper är alltså det du vet, det du kan och det du förstår. Dessa kunskaper har även olika djup. Inom skolans värld brukar man dela in dem i olika nivåer, som är kopplade till olika kursmål. Om vi tar exemplet med att cykla så brukar man göra följande uppdelning:

  • Du vet vad en cykel är (fakta)
  • Du förstår var och hur man cyklar (förståelse)
  • Du kan cykla (färdighet)
  • Du klarar av att cykla i hög fart även om marken är väldigt ojämn (förtrogenhet)

Inom AI-forskningen sysslar man med alla dessa former av kunskaper och med olika djup. En AI vet såklart alla länders huvudstäder och vad roten ur 256 är, så länge den datan finns i dess kunskapsbank.

Idag finns det också intelligenta robotar som kan cykla på två hjul, göra volter, diskutera, förstå talat och skrivet språk och utföra olika sysslor, som att öppna dörrar, resa sig upp när de ramlat och ta upp och flytta föremål. Man forskar om system som reagerar på känslor och man försöker imitera olika känslotillstånd för att skapa bättre interaktioner och samarbeten mellan robotar och människor.

Kinesiska rummet

Men det är stor skillnad mellan att ha tillgång till kunskap att kunna använda den. Det finns ett klassiskt exempel som visar detta, som kallas ”Kinesiska rummet”, utformat av filosofen John Searle:

I ett rum sitter en person som inte förstår ett enda ord kinesiska. Rummet har två luckor, i den ena tar personen emot texter skrivna på kinesiska och i den andra lämnar personen ut texter skrivna på kinesiska. När personen får en text använder hen en detaljerad instruktion med olika regler för hur texter som kommer in ska översättas till texter som ska skickas vidare.

Texterna som kommer in är frågor och texterna som hen skickar ut är svar på dessa frågor. Hen vet inte detta utan följer bara instruktionen. Men en person som står utanför, som skriver frågorna, får ju bevisligen svar. Denne person drar slutsatsen att någon intelligent person sitter där inne och svarar på frågorna.

Searles argument har blivit omdiskuterat men visar att intelligens förmodligen inte är så enkelt som att skapa ett datorprogram eller instruktion, oavsett hur komplex den är.

I vårt exempel är det också tydligt att tänkande och kunskap inte enbart kan handla om vare sig en instruktion, en algoritm eller en databas med ord och meningar. En robot som cyklar kan egentligen inte cykla, den imiterar cyklandet. Den har någon slags färdighet, men så fort du sätter ner den på okänd mark så välter den.

Det finns de som tror att vi på sikt kommer att kunna skapa en robot som kan cykla överallt. En generell cyklist. På samma sätt tror man att man på sikt kommer att kunna skapa en AI som kan tänka så som vi, fast både bättre och snabbare. Men det förutsätter i så fall att man har löst kunskapsproblemet.

Kunskapsproblemet

Detta handlar om att vi verkar ha kunskaper som inte finns i våra hjärnor (databaser) men som vi på något sätt ändå vet eller kan.

Ett exempel är våra kunskaper om färger. Du vet vilka saker som är röda, men hur vet du det? Det är en kunskap du delar med andra och en stor del av den kunskapen verkar inte finnas enbart i ditt huvud.

Ok, man skulle kanske kunna lära en AI att färger har olika frekvens, men då lämnas å andra sidan vi människor efter, för våra namn på färger är ju sällan direkt kopplade till färgernas frekvens.

Det finns andra exempel. Även kulturella begrepp, riter och sociala sammanhang är kunskaper som vi verkar dela kollektivt, som hur man firar midsommar, hur mycket man kan ta på tallriken när man är på middag, hur man klär sig på en after work eller hur nära man kan stå varandra när man pratar.

Sådana kunskaper verkar svåra att lagra i en databas eftersom de bygger på att vi interagerar med varandra. Vi skapar så att säga kunskaperna medan vi umgås.

Om du har husdjur vet du också att man kan dela kunskaper med andra varelser än människor. Bästa vägen hem från en promenad eller hur och var man myser ihop allra bäst, är exempel. Du och ditt husdjur delar då ett sammanhang och ni har gemensamma kunskaper om detta.

Men troligen har hundar, katter och andra husdjur kunskaper som de inte delar och kanske inte kan dela med oss. Som när de föredrar platser som uppenbarligen har ett värde som vi inte ser. Eller när de vägrar att äta en viss mat. Eller när djur ser på varandra och båda direkt vet vad de ska göra.

Kunskapsproblemet handlar alltså om all den kunskap som inte verkar finnas enbart inom mig eller dig. Detta problem omfattar även en AI. Hittills verkar den AI vi tagit fram inte har någon kunskap som ligger utanför själva databaserna och algoritmerna.

Men det kan mycket väl bli så i framtiden att vi kommer få acceptera möjligheten att en AI har kunskaper som den inte delar med oss. Då finns en stor risk att vi inte kommer kunna förstå dessa kunskaper.

Varför är det viktigt? Jo, då blir förmodligen kunskapsproblemet mer av ett kontrollproblem. För vad är det som säger att en AI vill ingå i samma sammanhang som vi? Och vad är det som säger att det den vet, kan och förstår nödvändigtvis harmoniserar med oss?

Porträttbild Jonas Ahlberg

Jonas Ahlberg

Management-konsult på Castra

Jonas är en senior projektledare och verksamhetskonsult inom digitalisering, förändringsledning och organisationsutveckling. Han använder gärna metoder från filosofin och psykologin för att bli mer innovativ, kunna hantera komplexa problem och förstå sig själv och sin omvärld.