Logga in på Dagens Nyheter

Här kan du som DN-kund logga in för obegränsad läsning av DN.se, e-DN och DN.Prio.

Med ett gratiskonto kan du följa skribenter och ämnen samt spara artiklar.

Vetenskap

Vem kan spå framtiden – människan eller maskinen?

Vi har alltid försökt sia om framtiden. Nu har vi vetenskapliga metoder för att förutsäga var väpnade konflikter kommer att bryta ut, vem som gör nästa stora forskningsgenombrott eller om Donald Trump sitter kvar som USA:s president mandatperioden ut.

”Om du går över floden Halys kommer ett stort rike att falla”, sa oraklet i Delfi till Krösus, kung av Lydien. Han tolkade det som att han skulle besegra perserna, men i stället var det hans eget rike som gick under.

Människan har i alla tider försökt få veta vad som ska hända i framtiden, genom att studera stjärnhimlen och inälvor hos offerdjur eller rådfråga orakler och profeter.

Nu har vi mer vetenskapliga metoder för att göra förutsägelser. Utvecklingen av allt mer sofistikerad artificiell intelligens har helt revolutionerat vår möjlighet att förstå mänskligt beteende, menar V S Subrahmanian, professor i datavetenskap vid University of Maryland i USA.

– Systemen har blivit oerhört mycket bättre, med mjukvara som blir bättre genom att lära sig av sina egna misstag, som programmet Alphago som slog världsmästaren i spelet Go. Och med ”internet of things”, saker med sensorer som är uppkopplade mot nätet, får vi tillgång till helt ny kunskap om hur människor beter sig, i en omfattning som aldrig varit möjlig tidigare, säger han.

V S Subrahmanian är en av områdets pionjärer, och har bland annat visat hur artificiell intelligens kan användas för att förutse hur terroristorganisationer kommer att agera eller hur mejl med skadlig kod sprids. Därför är han en av de forskare tidskriften Science bjudit in att skriva i veckans temanummer om förutsägelser. Artiklarna handlar om olika prognosmetoder och deras styrkor, svagheter och utmaningar.

– Vi ska till exempel inte tro att våra förutsägelser blir bättre ju mer data vi har att utgå ifrån. Mer data kan också innebära mer brus, säger han.

Vilka data vi utgår ifrån är också avgörande.

– Man kan inte stoppa in vilka data som helst i modellerna och förvänta sig bra resultat. Du måste också ha expertkunskap på området. Om jag som datavetare skulle försöka mig på att göra astronomiska förutsägelser utan att rådfråga en astronom skulle jag förmodligen lyckas dåligt, säger V. S. Subrahmanian.

När datormodellerna lyckas bättre och bättre med förutsägelser ökar också intresset för dem, inte minst bland forskare som vill avgöra hur stor risken är för väpnade konflikter i ett visst område.

– Det finns en utbredd optimism för att använda statistiska metoder och vaska fram mönster i stora databaser som ett sätt att titta i kristallkulan, säger Lars-Erik Cederman, professor i internationell konfliktforskning vid tekniska högskolan ETH i Zurich i Schweiz.

I Rwanda var landets ledare mycket medvetna om vad som höll på att hända, och hade inget intresse av att hejda det. Inga modeller i världen kan stoppa en konflikt om den politiska viljan saknas.

I sin artikel i Science beskriver han hur entusiasmen kan bli lite för stor. Det är många olika faktorer som avgör om en konflikt kommer att bryta ut, och så länge vi inte vet exakt hur de samverkar blir det också omöjligt att göra bra förutsägelser. Lars-Erik Cederman jämför med forskning om jordbävningar.

– Den geolog som hävdar att han kan säga exakt när nästa stora jordbävning kommer att ske i Los Angeles skulle bli stämplad som charlatan. Insikten om modellernas begräsningar verkar inte vara lika närvarande i den säkerhetspolitiska debatten, säger han.

Han menar även att förespråkarna överdriver den praktiska nyttan med modellerna.

– Det har hävdats att med rätt modeller hade vi kunnat hindra folkmordet i Rwanda. Men där var landets ledare mycket medvetna om vad som höll på att hända, och hade inget intresse av att hejda det. Inga modeller i världen kan stoppa en konflikt om den politiska viljan saknas, säger Lars-Erik Cederman.

Philip Tetlock, professor i psykologi och statsvetenskap vid University of Pennsylvania i USA och författare till boken ”Konsten att förutsäga framtiden”, använder i stället människor för att göra prognoser. Han och hans medarbetare ordnar förutsägelseturneringar, där tusentals deltagare får bedöma hur Storbritanniens bruttonationalprodukt kommer att utvecklas, om förarlösa fordon kommer att ersätta taxibilar i någon större amerikansk stad under året, om Donald Trump kommer att avgå innan år 2020 och liknande.

– Vi ser att vissa personer konsekvent är förvånansvärt mycket bättre än andra på att göra förutsägelser, säger Philip Tetlock.

Dessa superdiagnostiker har några gemensamma egenskaper.

– De är ovanligt öppna för nya åsikter, och är beredda att testa och ifrågasätta sina egna övertygelser. De är villiga att lära sig mer, och bli bättre på att göra förutsägelser. De menar att slump och tur kan vara avgörande för hur det går i livet hellre än att tro på ödet, säger Philip Tetlock.

Många av de mest framgångsrika är högutbildade och politiskt kunniga.

– Men bara kunskaperna räcker inte för att lyckas i turneringen, eftersom frågorna handlar om så vitt skilda ämnen, säger Philip Tetlock.

Alla kan lära sig att göra bättre förutsägelser, menar han.

– Bara genom att delta i sådana här projekt och börja fundera på detta blir man bättre, säger han.

Även forskningsfinansiärer är intresserade av pålitliga prognoser, så att de verkligen satsar pengar på de forskare som har störst sannolikhet att komma fram till nästa stora vetenskapliga genombrott.

– Vissa upptäckter är väntade och lätta att förutsäga, som mätningen av gravitationsvågor förra året. Där var teorin välkänd, och det hade varit riktigt förvånande om vi hade misslyckats. I andra änden av skalan finns upptäckten av penicillinet, som var en fullständig överraskning, säger Aaron Clauset, professor i datavetenskap vid University of Colorado i Boulder i USA.

Det finns en stereotyp som säger att forskare gör sina främsta genombrott när de är unga, och att kreativiteten sedan mattas av.

– Men det stämmer inte. Våra studier visar att forskare kan publicera sin viktigaste och mest citerade vetenskapliga artikel när som helst under karriären. Det kan vara den första, men det kan lika gärna vara den sista, säger Aaron Clauset.

Metoder som finansiärer använder för att bedöma vem som ska få forskningsmedel tittar även på hur citerade tidigare arbeten har blivit och om kandidaten har en forskartjänst.

– Varje år är det någon av Nobelpristagarna som talar om att de aldrig skulle ha överlevt som forskare i dagen hårda konkurrens. Fysikpristagaren Peter Higgs producerade ingenting på 20 år, och skulle ha fått avsked direkt, säger Aaron Clauset.

Det kan vara viktigt att lyssna på dem, menar han.

– De är som kanariefågeln i kolgruvan. När våra absolut främsta forskare är eniga om att de inte hade kunnat göra sina upptäckter i det system vi har nu borde vi lyssna, säger Aaron Clauset.

Enligt honom är det viktigt att sprida på forskningsmedlen för att öka chansen för stora genombrott.

– Vi vill inte ha en monokultur, och vi kan inte säga i förväg vad som kommer att ge resultat. Forskare borde få utforska det de tycker är intressant, och även tillåtas att misslyckas. Har vi tillräckligt många människor i forskningsfronten kommer några av dem att göra stora upptäckter – den typen av upptäckter som förändrar världen, säger Aaron Clauset.

Förutsägelseturneringar

Den som vill delta i Philip Tetlocks turneringar kan anmäla sig på Good Judgment Open, www.gjopen.com, eller Foresight Project, www.foresightproj.com

Artificiell intelligens
  • Begreppet artificiell intelligens har i årtionden använts för att beskriva datorer som kan lära sig, analysera material och uppträda på ett sätt som påminner om mänsklig tankeförmåga.
  • På senare år har stora framsteg inom detta område gjorts. Datorer har blivit bättre på att förstå mänskligt tal, att analysera bilder och tolka stora informationsmängder.
  • Så gott som alla världens största teknikföretag har sina egna satsningar på artificiell intelligens, bland annat Google, IBM, Apple, Amazon och Microsoft.
Så här jobbar DN med kvalitetsjournalistik: uppgifter som publiceras ska vara sanna och relevanta. Rykten räcker inte. Vi strävar efter förstahandskällor och att vara på plats där det händer. Trovärdighet och opartiskhet är centrala värden för vår nyhetsjournalistik. Läs mer här.