Mänskliga superfärdigheter, så skulle man mycket förenklat kunna sammanfatta självständiga system, aka autonoma system. För genom autonoma system försöker forskarna få datorer, robotar och andra system att behärska mänskliga färdigheter bättre, snabbare, säkrare och smartare än vad vi själva kan.
Maskiner av olika slag har i moderna tider på många sätt underlättat såväl arbete som vardag för oss. Fram till nyligen har de alltid varit beroende och styrda av människor, de har helt enkelt varit osjälvständiga och ointelligenta. Men utvecklingen av artificiell intelligens och autonoma system håller på att förändra detta. Det började så smått med industrirobotar. Nu testas självkörande fordon i trafik samtidigt som ett flygledartorn på en ort övervakar flygtrafik på en annan. Under tiden tränar forskare robotar och datorer att se och lära sig förstå vad de ser. De lär dem också att känna igen var de befinner sig och utifrån den informationen få dem att förflytta sig och fatta självständiga beslut.
Smarta energisystem, byggnader, trafiklösningar, städer. Självstyrande lager, gruvor, kanske hela industrier. Robotar som kan skickas till farliga platser för att sanera, leta skadade i raserade hus, eller på otillgängliga platser vid naturkatastrofer. Även inom vården räknar man med att datorerna ska hjälpa läkare att snabbare ställa korrekta diagnoser, något som i akuta lägen kan var skillnad mellan liv och död.
Visionerna är många och det som tidigare framstod som fantasier är inte så långt ifrån att förverkligas. Det går fort, trots att det är svårt och forskarna gång på gång går bet.
– För fem år sedan låg de bästa resultaten på 25 procent fel, när man försökt lära en dator att känna igen olika kategorier av bildobjekt. Det var långt ifrån bra eftersom en genomsnittlig människa bara gör fem procent fel. Men nu slår datorn människan och gör bara tre procent fel.
Datorer härmar hjärnan
Hemligheten bakom framstegen är en ny teknik som kallas deep learning som härmar hur nervceller i den mänskliga hjärnan fungerar.
– Det handlar om många små beräkningar som analyserar bara sin lilla del av bilden. Resultatet skickas vidare till nästa algoritm och det upprepas i många lagar. Det kan till slut handla om miljontals beräkningar.
På så sätt har man fått datorer att till exempel känna igen en katt.
– Genom att visa tusentals olika kattbilder för datorn och sedan låta den själv kalibrera värdena i algoritmerna till träffsäkerheten blir maximal, lär sig datorn att en katt kan se ut som en nakenkatt och en norsk skogskatt men ändå vara en katt, sedan är det bara att fortsätta på samma sätt med objekt efter objekt.
