For fysiker Henrik Sveinsson har algoritmer, dataprogrammer og datasimuleringer vært en naturlig del av faget helt siden han begynte å studere. Han tror at også andre disipliner, som ikke har et like nært forhold til tall og formler, kan ha mye å hente ved å slippe til datamaskinene.
– En algoritme er egentlig bare en oppskrift på å løse et eller annet problem. Gitt noen data du har og noe du lurer på, så har du et sett med matematiske instruksjoner som gir deg svaret, sier Sveinsson, som er postdoktor ved Center for Computing in Science Education (CCSE) på Universitetet i Oslo.
Hva som er problemet man vil løse, kjenner de best de som allerede er etablert i en fagtradisjon, om det nå er fysikk, språkforskning, historie eller geografi.
– Folk som er skikkelig gode i programmering, aner jo ikke nødvendigvis hvilke spørsmål som er interessante å stille, sier Sveinsson.
Derfor overlater han til språkforskerne å definere problemstillingene de tror algoritmene kan hjelpe dem med. Lingvister, som de kalles, har allerede lange tradisjoner med bruk av programmering.
– Datalingvistikk har man holdt på med siden 1940-tallet, sier Dag Haug som er professor i nettopp lingvistikk.
– Vi har et mål om å endre tankesettet, sier Henrik Sveinsson.(Foto: UiO)
Mange 1800-tallsromaner var viktige selv om ingen leser dem
Tradisjonelt har det særlig vært brukt innenfor det som kalles korpuslingvistikk, der man analyserer store tekstmengder og prøver å finne mønstre i dem.
– Men vi ser også at det blir nyttig innenfor andre fagfelt. Det som heter digital humaniora, der man prøver å bruke digitale metoder i forskningen, er i vekst, sier Haug.
Humaniora er en fellesbetegnelse for fag som filosofi, historie, litteratur og språk. Haug trekker frem et eksempel fra litteraturvitenskapen der de bruker algoritmer til fjernlesing, som på mange måter er det motsatte av fagets tradisjonelle ideal om å nærlese tekster.
Man kan for eksempel ta for seg norsk litteratur fra 1800-tallet. Med nærlesing kan du bare lese noen få romaner.
– Det ble gitt ut mange flere bøker på 1800-tallet enn det noen rekker å lese i dag. Alle romanene som aldri ble kanonisert, som ikke har fått noen viktig plass i litteraturhistorien, de var likevel viktige i samtiden sin, sier Haug.
– Hvis du skal lese alle romanene i Nasjonalbiblioteket, må du begynne å skrive dataprogrammer som undersøker dette på en litt annen måte.
Dataprogrammene kan se etter ord, kombinasjoner av ord og hvor ofte de forekommer.
– En algoritme kan få med seg mye data og empiri som et menneske lett overser, sier Dag Haug.(Foto: Maria Sætre)
Forskere kan føle seg trygge på jobbene sine
Mange er redde for at roboter og ny teknologi skal ta fra dem jobben, og at de skal bli overflødige i en stadig mer automatisert verden. Kan det samme skje med forskerne?
Sveinsson verken frykter, håper eller tror at algoritmene skal ta over humanistiske og samfunnsvitenskapelige fagfelter.
– Det er jeg ikke bekymret for i det hele tatt, og jeg er på ingen måte ute etter det, sier fysikeren Sveinsson.
Annonse
– Det er jo mennesker som lager algoritmene, og vi er ikke i nærheten av å utvikle algoritmer som selv kan utføre forskning, sier Haug.
Språkviteren synes heller problemet er at vi ikke klarer å lage algoritmene gode nok.
– Det er så mye de ikke forstår, og dette blir ekstra tydelig på humanistiske problemstillinger. Ta for eksempel den estetiske komponenten. En viktig del av vår intelligens, som mennesker, er å vurdere omgivelsene våre og kulturprodukter estetisk. Det er ingen algoritme som kan gjøre det, sier Haug.
Han synes det er absurd å skulle tenke seg at et dataprogram skal kunne vurdere om en bok er god eller dårlig og slik gjøre litteraturviterne overflødige.
– Den estetiske komponenten forsvinner helt hos algoritmen, og den er jo kjempeviktig i mange humaniorafag. Men algoritmen får med seg mye data og empiri som man lett overser når man bare fokuserer på tekster som har vært lest tusen ganger opp gjennom historien, sier Haug.
Heller ikke filosofiprofessor Øystein Linnebo frykter at han eller andre filosofer skal bli overflødige.
– Jeg tror ikke noen blir arbeidsløse med det første. Innenfor forskningen vil det fortsatt være behov for menneskelig ekspertise, sier han.
– Dette er et nytt verktøy i verktøykassa, og man bruker både menneskelig skjønn og de nye mulighetene som ligger i algoritmene, sier Linnebo.
Kan en algoritme forklare Romas vekst og fall?
Forskere trenger uansett ikke være verdensmestere i programmering. Akkurat slik en programmerer ikke trenger å være historiker for å samarbeide med en professor i faget.
– Hvis du vet hvilke spørsmål som er interessante å stille, slik en historiker gjør, men ikke vet hvilke spørsmål som er mulig å stille, så har du en begrensning. Da vet du ikke hvilke muligheter som ligger der, sier fysiker Henrik Sveinsson.
– Det viktigste er kanskje å finne et felles språk som setter folk i stand til å kommunisere med de som lager algoritmer. Først da kan man se hvilke muligheter som finnes, sier han.
Annonse
En forsker som studerer hvordan en by har utviklet seg, må selvfølgelig studere i detalj historiske kilder om denne byen, men det kan også være nyttig å ta med seg noen dataprogrammer.
– Hvis man ønsker å se på hvordan byer vokser og utvikler seg og begynner å telle, ser man at byer følger ganske strenge skaleringslover, sier Sveinsson.
Hvis en by blir dobbelt så stor, så øker spredningen av sykdommer med 15 prosent, strømforbruket per innbygger faller med 15 prosent, og lengden på vannrør de trenger per innbygger faller med 15 prosent.
– Jeg tenker at det er vesentlig å være klar over denne typen lovmessigheter som ser ut til å være universelle for alle byer. Da kan det hende at det er noe sant ved den matematiske modellen, sier Sveinsson.
– Jeg skal ikke si at det er på grunn av de 15 prosentene at Roma falt. Det vet jeg ikke noe om, men den typen lovmessigheter kan jo være til hjelp hvis man vil forklare Romerrikets vekst og fall.
Algoritmene er et verktøy, men også et studieobjekt i seg selv
Algoritmer er interessante for humanister og samfunnsvitere på flere måter enn å bruke dem som hjelpemiddel i forskningen. Slik verden har blitt, er dataprogrammene et studieobjekt i seg selv.
– Samfunnet fylles av algoritmer. Det er så gjennomgripende at jeg ikke engang tenker over det. Når jeg står opp om morgenen, ser jeg ikke engang ut av vinduet for å finne ut hva jeg skal kle på meg. Det er en datasimulering på Meteorologisk institutt som bestemmer hva jeg skal ta på meg.
– Hva gjør det med oss mennesker når det menneskelige er i ferd med å bli helt sammenvevd med algoritmer og programmering? spør Sveinsson.
Dette er spørsmål som det allerede forskes mye på og som det sikkert vil forskes enda mye mer på i tiårene som kommer. Innenfor mange fagdisipliner.
– Da må forskeren forstå studieobjektet sitt, sier Sveinsson for å understreke hvorfor det er viktig at også humanister og samfunnsvitere har litt kjennskap til programmering.
– Vi må kjenne stammespråket godt nok til å kunne kommunisere med de som driver med programmering, sier Øysten Linnebo.(Foto: Annica Thomsson / UiO)
Hva er rettferdighet?
Annonse
For filosofene sørger algoritmene for et vell av nye problemområder som de kan kaste seg over.
– Det dukker opp mange etiske dilemmaer nå som kunstig intelligens begynner å bli så stort, sier Øystein Linnebo.
Linnebo nevner det amerikanske IT-selskapet Amazons forsøk på å bruke algoritmer i ansettelsessystemet sitt. De lærte opp en algoritme ved å la den trene seg på datasett med tidligere jobbsøknader og hvilke av disse som hadde ført til ansettelser.
– Det man gjør da, er å reprodusere tidligere fordommer. Datasettet som var læringsdata for dette systemet, inneholdt mange forskjellige fordommer basert blant annet på kjønn og hudfarge. Programmet ble derfor like fordomsfullt som de menneskene systemet lærte av, sier filosofen.
Linnebo mener det er en stor fordel å kunne litt om hvordan en algoritme fungerer for en filosof som skal vurdere rettferdigheten i en slik eller i andre algoritmer.
– Ja, absolutt. Det vil være veldig vanskelig for en filosof å komme inn i dette uten noen erfaring med programmering. Du må vite litt om hvordan disse systemene er designet, og du må kommunisere effektivt med de som driver med programmering og utvikling av systemene på høyere nivå, sier Linnebo.
Studenter bør kunne litt programmering
Sveinsson, Haug og Linnebo prøver derfor å gjøre nåværende studenter, de som skal bli morgendagens forskere, bedre forberedt både på å bruke algoritmer og på å studere hvilke konsekvenser de får for oss mennesker.
– Jeg tror vi kommer til å trenge mange fler med denne kompetansen fremover når stadig større deler av samfunnet blir algoritmebelagt, sier Sveinsson.
Studentene lærer å programmere innenfor sitt eget fagfelt. En språkstudent skal ikke behøve å lage en algoritme som sier noe om partikkelfysikk-eksperimentene i Cern, for eksempel.
Målet er å sette folk i stand til å jobbe tverrfaglig og skape studenter som er gode på å kommunisere med folk fra andre fagområder.
