Hur fick du egentligen syn på just denna artikel av de miljontals artiklar som finns på Internet? Var det för att du själv valde vad du skulle läsa? Om du inte visste vad du letade efter är det troligtvis ett komplex av algoritmer som sållade bort alla andra och lyfte fram just denna till just dig. Samma sak är det när du söker en resa på nätet, letar efter var du kan köpa en produkt till bäst pris eller använder en app för att kolla vilken buss du skall ta för att hinna fram i tid.
Det blir allt mer tydligt att algoritmerna runt omkring oss ständigt blir mer kompetenta och påverkar våra liv i allt högre grad. Algoritmiseringen är den megatrend som innebär att allt mer av mänsklighetens värdeskapande aktiviteter hanteras och styrs i ökande grad av algoritmer i stället för människor.
Men vad är då en algoritm egentligen?
Vad är en algoritm?
En algoritm är en stegvis procedur som beskriver HUR något görs. Ett recept är ett exempel på en sådan stegvis beskrivning – en algoritm – som hjälper oss att laga en rätt vi annars inte kunde laga. Ett annat ord som är närbesläktat med algoritm är ordet metod.
En enkel metod beskrivs här av Gary Larson.
I vardagen använder oss av mycket fler algoritmer än vi själva är medvetna om. Våra tankeprocesser är fyllda med algoritmer som hjälper oss att hantera vardagen. Ett exempel är t ex när vi sorterar tvätt. Algoritmen består då i att vi för varje plagg avgör om det är ljust eller mörkt. Om ett plagg är ljust lägger vi det i ena högen, är det mörkt lägger vi det i den andra. Vi får på så sätt två högar, en med ljus tvätt och en med mörk.
Algoritmer är kunskap eller förmågor beskrivet på ett generellt och stegvis uppdelat sätt. I vardagen är de inbyggda i våra tankar och muskler så att vi inte tänker på att de finns. När vi t ex för över kunskapen att sortera tvätt till våra barn tvingas vi att formulera kunskapen som en algoritm så att barnet kan förstå stegen och på det sättet lära sig sortera tvätt.
När vi skall lära en maskin att utföra något gör vi på precis samma sätt. Genom att bryta upp kunskapen i steg och stoppa in algoritmen i maskinen kan maskinen följa stegen och uppnå resultat utan någon människas hjälp.
Liv är baserat på biokemiska algoritmer
Om vi tittar på oss själva och alla andra djur med algoritmglasögon upptäcker vi att allt liv är baserat på algoritmer. Vissa av våra algoritmer är inbyggda i vår kropp och har utvecklats under miljontals år av evolution och därmed blivit ganska sofistikerade. Andra algoritmer är inlärda under våra liv. T ex i tidiga barndom, våra skolår eller under vårt yrkesverksamma liv.
När vi väl har en implementerad algoritm i oss blir den en del av oss. Ofta tänker vi inte på den förrän den plötsligt inte fungerar, vi upptäcker att vi saknar en förmåga eller skall försöka lära ut något till någon annan.
För att ana komplexiteten i de algoritmer vi utan att tänka använder dagligen kan vi kika på Sheldons algoritm för sociala relationer. Sheldon är den briljante huvudpersonen i den amerikanske komediserien Big Bang Theory som i sitt arbete som teoretisk fysiker är ett geni, men som genom sin patologiska brist på känslor inte kan fungera med andra människor. För att lära sig hur man skaffar vänner läser han en barnbok och extraherar följande algoritm:
För er som kan läsa ett flödesschema är det väldigt roligt och är en bra illustration hur absurt det blir när man försöker förenkla och formulera något de flesta av oss gör helt naturligt. För er andra rekommenderar jag Sheldons eget följande av algoritmen på Youtube.
Att det är svårt att beskriva en evolutionärt utvecklad algoritm förändrar dock inte det faktum att vi faktiskt använder oss av algoritmer för att bl a skaffa vänner, men de är förstås mycket mer sofistikerade än ett enkelt flödesschema.
Algoritmernas ökande värde och attraktionskraft
Med den accelererande tekniska utvecklingen inom IT och den explosionsartade spridningen av processorer, nätverk och sensorer omkring närmar vi oss med stormsteg den tidigare så ouppnåeliga biologiska komplexiteten. Det intressanta är att detta kanske är ett stickspår att fokusera på att kopiera biologiska algoritmerna. I själva verket visar våra allt mer kompetenta datorer att de inte behöver kopiera våra biokemiska algoritmer. Genom att samla mer data, vara snabbare, tillräcklig smart och framför allt inte störas av något ovidkommande har algoritmerna på område efter område slagit oss på fingrarna. Förmågan att hålla 11 000 medicinska diagnoser aktuella samtidigt som den läser 100 000-tals vetenskapliga artiklar och analyserar några miljoner patientjournaler har gjort att IBM:s Watson slår vilken mänsklig läkare som helst när det gäller att göra diagnoser.
Att läkarens hjärna än så länge har betydligt större komplexitet och dessutom är bestyckad med en rad svåranalyserbara evolutionärt utvecklade algoritmer har visat sig bara ha en marginell betydelse. Att Watson inte heller behöver sova, inte gör misstag på grund av humör eller andra ovidkommande faktorer och kan göra diagnoser på miljontals patienter per timme via deras egna mobiltelefoner i deras egen egen miljö och samtidigt som de är upptagna med annat hjälper förstås också till.
Egentligen behöver vi bara föreställa oss hur vi litar mer på att en miniräknare räknar rätt än att vi själva gör det. Vad är t ex 17 x 9?? Även om du efter en kort stunds koncentration kan räkna ut det, hur säker är du på svaret? Kontrollräknade du nu? Och hur mycket hade du tvivlat på svaret om du slagit in ”17 x 9 =” på en miniräknare och fått svaret ”153”? Troligen inte alls. Bilden av miniräknaren är ju att den inte gör fel. Däremot kanske man slår in siffrorna igen då man kanske tvivlade på att man själv knappade rätt.
Bara det faktum att algoritmerna är snabbare, effektivare och gör färre misstag medför att vi litar blint på datorerna och deras algoritmer. Vi verkar reagera på liknande sätt som psykologer har visat att vi litar på mänskliga experter och ledare: stänger helt enkelt av vårt kritiska tänkande i närvaron av någon vi upplever vara bättre än oss.
I takt med datorernas, datanäten och algoritmernas utveckling sprider de sig in i våra liv och vårt samhälle på många sätt.
De överträffar oss – Datorer och algoritmer kan idag göra mycket som människor – eller till och med hela mänskligheten – inte kan klara av utan deras hjälp. Därför tar vi allt oftare dem till hjälp för olika sorters analyser.
De roar och överraskar oss – Inom spel och underhållningsområdet har datorerna idag en dominerade plats och de flesta av oss spelar t ex mycket mer och hellre med vår smarta telefoner än vi gör med andra människor.
De driver våra sociala nätverk – Vårt ökande beroende av sociala medier som Facebook, Twitter, LinkedIn och Instagram innebär att vi låter algoritmerna allt mer skapa och stödja mänskliga relationer.
De lär sig om oss – Om vi förr läste böcker för att lära oss något är situationen idag omvänd. När vi läser en digital bok idag lär algoritmerna sig mycket mer om oss än vi lär oss av dem. Vi kommer bara ihåg fragment av det vi läst men en dator kommer ihåg varje detalj och kopplar dessutom ihop sin data med ALL annan data den har tillgänglig om dig och alla andra. Och så blir den t ex bättre på att rekommendera nästa bok till dig.
De agerar självständigt – Om maskinerna förr inte kunde fungera utan människor kan dagens datorer och robotar i allt högre grad fungera helt självständigt. Likt klassiska brittiska betjänter på TV agerar i bakgrunden och löser problem vi människor ibland inte ens är medvetna om. Detta avlastar oss och gör att vi gärna släpper in dem i våra liv.
De blir allt mer osynliga och allestädes närvarande – När datorerna minskar i storlek, kostnad och får förmågan att agera mer självständigt sprids de allt mer och blir allt mer osynliga. När de finns överallt och ständigt är uppkopplade ökar deras förmåga att hjälpa oss människor vilket vi uppskattar.
De lär sig trycka på våra emotionella knappar – När algoritmerna kan läsa av oss, komma ihåg vad som hänt tidigare, analysera och lära sig av resultatet och dessutom agera självständigt blir de också duktigare på att trycka på våra emotionella knappar. I takt med att de effektivare kan stödja oss som emotionella varelser glider de allt mer in i vår vardag som assistenter.
De lär sig själva – Algoritmerna för lärande har på senare tid blivit allt bättre. Från att tidigare behöva tränas upp av människor håller de nu på att lära sig att lära sig själva. Detta accelererar ytterligare datorernas lärtakt och ger dem också nya oförutsägbara förmågor vi kommer att upptäcka att vi behöver.
De lär sig samtidigt och globalt – Mänskligheten har en viss tröghet när det gäller att sprida kunskap. För att barnen skall lära sig något av sina föräldrar tar det flera år och om kunskapen hos en grupp människor skall sprida sig till en annan grupp behöver människor träffas för att umgås. Detta gäller inte datorer. Om en robot i Kina har lärt sig hur man serverar té på ett bättre sätt kan den kunskapen spridas till alla liknande robotar i världen på några sekunder.
De ger oss superkrafter – I och med att datorerna integreras i våra liv och smyger sig på oss via våra fickor delar de också med sig av sina förmågor. De ger oss superkrafter som vi utan dem inte skulle ha och som när vi förlorar dem blir helt handikappade.
De är beroendeframkallande – Människor verkar i grunden vara arbetsdelande varelser. Det gör att vi snabbt och utan att reflektera låter maskinerna göra det jobb de upplevs vara bättre. Resultatet blir att de smarta maskinerna helt naturligt växer ihop med våra liv och vårt samhälle och skapar en beroendesituation. Det handlar dels om ett praktiskt beroende som visar sig genom att vi inte kan sköta vårt arbete eller vardag utan dem. Dels handlar det om ett socialt och psykologiskt beroende. Ett socialt beroende som t ex att algoritmerna underhåller våra sociala relationer utan att vi behöver engagera oss själv. Ett psykologiskt beroende som handlar om att våra tankeprocesser och emotionella liv växt ihop med datorerna och de externa algoritmerna att vi kan ha svårt att fungera som människor utan dem.
Algoritmer i ett större perspektiv
Om vi fortsätter att se på världen med algoritmglasögon kan vi även konstatera att algoritmerna värderas högt även om de inte är implementerade i en dator. I vår jakt på hur bäst skall leva våra liv, äta rätt eller organisera våra samhällen eller företag verkar vi ständigt vara på jakt efter rätt metod eller recept för att uppnå våra mål. T ex 5-2 dieten, LEAN, Getting-Things-Done eller New Public Management är tydliga exempel på vår övertygelse att om vi bara inte var så mänskligt svaga utan följde en algoritm så kan vi bli både smalare, må bättre, blir mer innovativa och effektiva.
Vidgar vi tänkandet om algoritmer ytterligare något steg så upptäcker vi också viss släktskap med de lagar och regler som utgör kärnan i våra byråkratier. Vad är en migrationslag, socialförsäkringslag eller skatteregel om inte en uttryckligt beskriven algoritm som reglerar institutioner och människor?
Vår drivkraft att luta oss mot algoritmer handlar i grunden om specialisering, arbetsdelning samt ordning och reda – att kunna åstadkomma något mer än vad de enskilda människornas kunskap, emotionella tillkortakommanden eller kognitiva potential tillåter.
Algoritmsamhället – ett framtidsscenario?
Var vi än tittar ser vi hur algoritmerna sprider sig i samhället. Ibland handlar det om stöd till människor men ibland också som ersättning av människor. Men allt oftare som möjliggörare av något helt nytt, något mänskligheten inte skulle kunna åstadkomma själva.
Vad som har hänt de senaste åren är att den drivkraften förstärkts av en exponentiell teknikutveckling som numera dagligen överraskar oss. Den ökande datakraften håller på att öppna upp den okända potential som finns i algoritmerna.
Kan vi värja oss mot algoritmernas förmåga att smita in överallt? Just nu verkar mycket peka på att vi inte kan det och myten om algoritmernas överhöghet växer sig allt starkare. Kan det vara så att vi är på väg mot ett algoritmsamhälle där människorna mer och mer hamnar utanför loopen av det som är viktigt i samhället?
