Datorerna har gått igenom tre faser, tabelluppställningsfasen, programplaneringsfasen, och vi är nu i datorns nya era,
kognitiv fas (1).

Tabulatorerna hade en fast uppgift, medan de programmerbara maskinerna kan omprogrammeras för att utföra olika
uppgifter utan någon förändring i hårdvaran, kognitiva datorer, dock lovar inlärningsförmåga och resonemang.

Möjligheten att skapa denna typ av maskiner väcker frågan: är kognition det ultimata testet för medveten existens?
Vad vet vi om kognition? Hur definierar man intelligens? Frågorna blir flera. Men det finns något som alla verkar
vara överens om, att förståelse av mekanismen för människans uppfattningsförmåga är nyckeln till utvecklingen av
avancerad artificiell intelligens och kognitiva maskiner.

Kognitiva maskiner har förmågan att lära och använder artificiell intelligens för att ”resonera”. Artificiell
intelligens definieras som: ”Vetenskapen om att göra maskiner kapabla att göra saker som skulle kräva intelligens
om det gjordes av människan”. (2) Den goda nyheten är att datorns kognitivitet inte är längre en esoterisk övning
hos några science fictions nördar. Det har varit och förblir avgörande för verksamheten där massiva data (big-data)
hanteras. 2000-talet har sett en flod av data från nästan alla aspekter av livet. Tekniken har gjort det möjligt att
generera data i en exponentiell takt. Den termiska jämvikten i våra byggnader, antalet personer som diagnostiserats
med cancer under de senaste sex månaderna, förändringar i kundernas önskemål i realtid, etniska profiler av
universitets sökande, inklusive de tre mest använda ord i online-diskussion just nu … dessa är några exempel på
den typ av data som vi har tillgång idag.

När mängden data ökar blir uppgiften att bearbeta och ge betydelse till de insamlade uppgifterna svårare och
svårare. Människans naturliga ambition och girighet vill inte se sig besegrad, man vill använda varje bit av
tillgänglig data. Det är här är där det blir nödvändigt att ha en dator som går utöver de förprogrammerade uppgifter
och kan lära sig i farten, utan mänsklig inblandning. För denna typ av datorer behöver vi kognitionen.

Den största utmaningen när det gäller att efterlikna mänsklig kognition är att förstå hur detta sker i hjärnan. Det
är uppenbarligen bortom vår förmåga att övervaka de aktiviteterna våra hjärnor utför utan avbrott, för att inte tala
om att återskapa dessa underverk. Men det kommer att bli en stor framgång om vi på något sätt kan efterlikna
mänsklig kognition, även om delvis. Informationsteknologin skulle komma in i en ny era, full av möjligheter som idag
är utom räckhåll. Till exempel skulle hela läroplanen för en högskoleexamen proceseras av en kognitiv maskin i en
bråkdels sekund, en sådan maskin skulle kunna tillgodogöra sig all den medicinska litteraturen på kort tid, vilket
skulle ge mänskliga läkare en andra åsikt om deras diagnos. (3)

Även om det har skett betydande förbättringar med ”smarta” datorer som imiterar den mänskliga hjärnans hårdvara och
simulerar beslutsfattandes processer, för närvarande står man inför tre stora utmaningar: att ta fram en hårdvara
med jämförbar bearbetningskapacitet och minne, en mjukvarualgoritm som kan genomföra intelligent beteende, och själv
anpassning och självförbättrings behov.

För det första har mänskligt sinne inte helt beskrivits, dess möjligheter och begränsningar är fortfarande okända.
Denna brist på kunskap gör det svårt, och kanske omöjligt, att komprimera intelligensen i mindre eller enklare
moduler. Så faktum är att vi inte har någon teknik som tillåter oss att efterlikna beteendet hos en mänsklig
hjärna.

Det andra stora problemet är att vi befinner oss fortfarande långt ifrån att skapa hårdvara där vår ”intelligens”
programvara skulle kunna fungera. Så, implementering av intelligens i konventionella datorer verkar uppenbarligen en
hopplös uppgift.

Programmerbara maskiner kan inte konkurrera med den mänskliga hjärnan, även de snabbaste superdatorer kapabla att
utnyttja tusentals processorer, de har endast möjlighet att efterlikna 1 % av det värde som finns i en sekund av den
mänskliga hjärnans aktivitet, en uppgift som tar dessa maskiner 40 minuter. (4) Därför kognitiva datorer måste
innehålla en annan typ av hårdvaruarkitektur än den som finns i konventionella datorer för att uppnå en kognition
jämförbar med människans uppfattningsförmåga. IBM:s chip SyNAPSE är ett exempel på hårdvara inspirerad av hjärnan,
den har potential att utföra intensiva beräkningar.

Slutligen den mänskliga hjärnan och dess kognitiva makt ständigt förändras. Vår hjärna kan förbättras eller
försämras beroende på flera faktorer och erfarenheter. Detta gäller även för vår kognitiva förmåga. Vidare kan en
sådan förbättring eller försämring förekomma i form av en förändring i den fysiska strukturen eller mängden av
använd kapacitet. (5) Denna dynamiska flexibilitet, även kallade ”hjärnans plasticitet” (6) är viktigt för vår
intelligens. Hittills har vi inte lyckats få fram någon hårdvara kapabel att utveckla sig själv. Men vi vet av det
finns lovande utveckling på förmågan att lära sig hos kognitiva datorer, d.v.s. förmågan att dra slutsatser som inte
har förprogrammerats.

Under hela processen kommer den mänskliga övervakningen att förbli den ultimata guiden till förbättring av nämnda
imitation. Så, den mänskliga kognition, sim vi tar för givet i våra dagliga liv, är fortfarande den sista gränsen
för vårt tusentals långa år av teknisk utveckling. Återigen har skapelsen satt gränserna för mänsklig utveckling.

Aydin har en doktorsexamen i elektroteknik och datorteknik. Han arbetar som forskaringenjör på IBM.

Referenser

1. Virginia Rometty, 2013

http://smarterplanet.tumblr.com/post/32816006311/i-b-m-chief-on-watson-cognitive-computing-and-her

2. Marvin Minsky, 1968

http://www.akri.org/ai/defs.htm

3. “WellPoint and IBM Announce Agreement to Put Watson to Work in Health Care”

http://www-03.ibm.com/press/us/en/pressrelease/35402.wss

4. “Largest neuronal network simulation achieved using K computer”

http://www.riken.jp/en/pr/press/2013/20130802_1/

5. William James, Principles of Psychology

6. Q. Bryan Kolb och Ian Whishaw, Brain Plasticity and Behavior, Annual Review of Psychology, Vol 49:43-64