Det behövs ett perspektivskifte där vi frågar oss vad vi vill använda tekniken till, inte vad den kan användas till.
Det anser forskaren Lars Holmberg som tror på mer småskaliga system som enkelt går att anpassa till just det som du är intresserad av.
Det är i en licentiatavhandling vid Malmö universitet som Lars Holmberg lyfter fram människans roll i utvecklingen av maskininlärning (ML). Maskininlärning är ett område inom artificiell intelligens (AI) som handlar om att lära maskiner utföra vissa uppgifter. Det kan till exempel handla om att föreslå vad du ska köpa, titta på för film eller lyssna på för musik.
– Jätteföretag som Google och Amazon samlar in data för att hitta vad som är likheten mellan dig och andra och utifrån det föreslå dig saker. Jag vill vända på perspektivet och låta individer bestämma, säger Lars Holmberg som undviker att använda det svårdefinierade begreppet AI.
Hjälp med att lösa en uppgift
Han intresserar sig för hur man kan sätta ett ML-systems lärande förmåga i händerna på människor som vill ha hjälp med att lösa en viss uppgift. I studien har Lars Holmberg gjort tre designexperiment inom områden som kan stärka eller komplettera människors förmågor.
- Stödjande hjälpmedel. I studien exemplifieras det med ett ML-system som du kan lära dina resvanor, så att den kan föreslå rätt buss. Denna typ av system kan användas för att underlätta dagliga aktiviteter.
- Sortera och organisera fysiska objekt. Studien fokuserar på ett designkoncept där en robot sorterar batterier för återvinning, men närliggande områden som till exempel ogräsrensning är tänkbara.
- Identifiera enskilda objekt som är väldig lika varandra. Experimentet i arbetet fokuserar på handmålade tallrikar, men att till exempel skilja på individuella fåglar och på så vis komplettera ringmärkning är ett möjligt användningsområde.
– Som ornitolog kan du då ta bilder, träna ML-systemet, och studera individuella fåglars beteende på ett sätt som är ganska svårt idag, säger Lars Holmberg.
Skapa mening för individen
Det handlar om att skapa mening och värde för individen utan att kvantifiera dessa i förväg, menar han. För de stora teknikbolagen ges människor i större grad ett instrumentellt värde som kan mätas i ekonomiska termer, och människors inneboende värde kan då komma i skymundan.
Problemet med att ett fåtal stora aktörer äger så mycket data om oss är att människor klumpas ihop. Lars Holmberg beskriver det som att de skapas en livsbubbla där du får förslag på allt från vad du ska äta till val av partner. Det blir normativt och strömlinjeformar våra liv, menar han. Minoriteter blir därmed mindre viktiga och marginaliseras än mer.
– På senare tid har det blivit mycket mer fokus på etiska frågor och representation när ML-teknik utvecklas. Vi ser ett ökat intresse som rör marginaliserade grupper samt etiska frågeställningar runt användningen av tekniken. Detta visar sig konkret i nya forskarnätverk både nationellt och internationellt samt konferenser som fokuserar på dessa frågor.
Tekniskt möjligt anpassa
Att det börjar bli tekniskt möjligt att skapa ML-system även med mindre mängd data gör att Lars Holmberg tror att storföretagens totala dominans kan kompletteras med en ny typ av ML-system. Ett sätt är perspektivet han lanserar med ”Human in Command Machine Learning”, där man laddar ner ML-system med generella kunskaper. Personer utan särskild kännedom om ML kan sedan anpassa dem genom att lägga till den specifika kunskap som behövs för det aktuella användningsområdet.
– För enklare uppgifter finns tekniken redan. Mer långsiktigt är målet är att ML-system ska kunna förklara sina beslut så att du förstår dem och att du därmed får möjligheter att fördjupa dina kunskaper inom ett område, säger Lars Holmberg.
Tekniken för maskininlärning är så pass enkel nu att man inte behöver vara en ML-expert för att göra mer småskaliga modeller för ett visst syfte, menar Lars Holmberg.
