211service.com
Tænkende maskiner
I 1982, da han stadig var studerende ved MIT, var Danny Hillis medstifter af Thinking Machines, en af de mest berømte fiaskoer i computerhistorien. En bikube af egensindige og geniale forskere forsøgte Thinking Machines at bygge verdens første kunstige intelligens. Men hvis det ikke lykkedes for virksomheden at bygge en maskine, der vil være stolte af os (dens virksomhedsmotto), demonstrerede dens Connection Machine det praktiske ved parallel behandling, grundlaget for moderne supercomputing. I dag er Danny Hillis cochair for Applied Minds, et design- og opfindelsesfirma, og han bygger Uret af det lange nu, et mekanisk ur, der skal holde i 10.000 år.
Danny Hillis på kontoret i en H-1-motor fra en Saturn 1B-raket, det første motortrin til Apollo 7. (Kredit: Daniel Hennessey)
TR: Hvorfor er det så svært at skabe en kunstig intelligens?
Denne historie var en del af vores november 2006-udgave
- Se resten af problemet
- Abonner
Hillis: Vi ser på vores eget sind og ser vores mønstre af bevidst tankegang, ræsonnement, planlægning og fremstilling af analogier, og vi tænker, det er tænkning. Faktisk er det kun toppen af et meget dybt isbjerg. Da tidlige AI-forskere begyndte, antog de, at svære problemer var ting som at spille skak og bestå calculus-eksamener. Det viste sig at være nemt. Men den type tænkning, der virkede ubesværet, som at genkende et ansigt eller lægge mærke til, hvad der er vigtigt i en historie, viste sig at være meget, meget hårdt.
TR: Hvorfor undlod Thinking Machines at skabe en tænkende maskine?
Hillis: Tja, det glatte svar er, at vi bare ikke havde tid nok. Men nok tid ville have været årtier, måske liv. Det er et hårdt problem, sikkert mange svære problemer, og vi ved ikke rigtig, hvordan vi skal løse dem. Vi har stadig ikke noget egentligt videnskabeligt svar på Hvad er et sind?
TR: Forbindelsesmaskinen var en effektiv platform til supercomputing. Hvorfor trivedes Thinking Machines ikke som en supercomputervirksomhed?
Hillis: Supercomputing viste sig at være en teknologi, ikke en forretning. Min ven Nathan Myhrvold, som på det tidspunkt kørte Microsoft Research, fortalte mig engang: Det er mindst lige så svært at lave software til en supercomputer som til en pc, men man har kun et par tusinde kunder, og vi har milliarder. Ikke kun det, men hver af disse kunder forventer faktisk, at du giver dem præcis, hvad de har brug for.
TR: Hvad var de succesrige kommercielle anvendelser af forskningen hos Thinking Machines?
Hillis: De kommercielle applikationer var for det meste chipdesign, datamining, tekstsøgning, kryptologi, beregningskemi, computergrafik, finansiel optimering, seismisk behandling og fluidflow-modellering. Videnskabelige anvendelser som astronomi, klimamodellering eller kvantekromodynamik var spændende, da de hjalp med at få et resultat på forsiden af Natur , men vi tjente aldrig penge på dem.
TR: Hvad skete der med patenterne fra Thinking Machines? Mere end nogen anden er du ansvarlig for massiv parallel behandling. Du får kredit, men ingen betaling. Hvem får det, og hvorfor?
Hillis: Nå, først og fremmest skal jeg være klar over, at jeg kun er en af mange mennesker, der har bidraget til at udvikle massivt parallel computing. Hvad angår patenterne, er en af konsekvenserne af Thinking Machines fiasko, at jeg mistede nogen rettigheder til teknologierne. Set i bakspejlet viste det sig at være en velsignelse, for det reddede mig fra at tilbringe det næste årti af mit liv i retten.
TR: Hvordan adskiller din filosofi om kunstig intelligens sig fra Marvin Minskys berømte samfund?
Hillis: Marvin er min mentor, så enhver AI-filosofi, jeg har, starter med hans. Jeg boede i hans kælder, mens han skrev bogen Sindets samfund, og hver dag skrev han en ny side eller to og lod mig læse den. Så ville vi snakke om det, og jeg ville komme til at høre alle de tanker, han havde lagt bag sig. Jeg kan stadig ikke forestille mig, hvordan det ville være at læse den bog fra ende til anden uden en lang samtale på hver side. Men det er pointen med bogen: som Marvin ville sige det, Hjernen er en klud. Der foregår mange forskellige ting, og de interagerer på komplicerede måder. Marvin tager helt sikkert fejl i de fleste detaljer, men jeg tror, at det store billede af mange forskellige, løst koblede semiautonome processer grundlæggende er rigtigt.
TR: Du var forud for din tid med at anvende beregning til immunologi, genetik og neurobiologi. I dag er beregninger allestedsnærværende i biologi. Hvad vil det betyde?
Hillis: Jeg er begejstret for, at beregningsbiologi kommer til sin ret. Det føles, som computerområdet gjorde det i 1970. Alt ser ud til at være muligt, og den eneste begrænsning er vores fantasi. Der er stadig så mange grundlæggende, enkle spørgsmål, der er ubesvarede: Hvordan er erindringer kodet? Hvordan har immunsystemet en følelse af 'selv'?
Jeg er især interesseret i, hvad der vil komme af beregningsmodeller for evolution, selvom jeg må indrømme, at feltet virker en smule fastlåst lige nu. De fleste nuværende evolutionsmodeller reducerer det til en meget svag form for søgealgoritme, men jeg har altid følt, at der er noget mere i det end det. Det er ikke, at biologerne tager fejl med hensyn til mekanismerne, men derimod, at modellerne er meget enklere end biologien. Det kan være, at samspillet mellem evolution og udvikling er nøglen, eller adfærd og miljø, eller sådan noget.