Se for deg at du har fått en mekanisk hånd (historien bak dette kan du finne på selv).

Den mekaniske hånden er koblet slik at den reagerer på beskjeder fra musklene dine. Problemet er bare at den ikke umiddelbart gjør slik du vil den skal gjøre.

Du er nemlig kretsmester i stein, saks, papir, og har en ekstremt viktig kamp om en uke.

Men robothånden din lager papir når du vil ha saks, stein når du vil ha papir, samt noe som ligner på det ulovlige trikset ”atombombe” når du vil ha saks. Så hva gjør du nå?

Gir opp stein, saks, papir-karrieren din, selger robothånden din til en scifi-geek på e-bay, og drukner dine sorger i bamsemums og rødbrus?

Nei.

Hånden du har fått kan nemlig læres opp til å gjøre det du vil den skal. Databrikken som sitter inne i den forsøker å lære seg å gjøre som du vil, og er såpass smart at den kan lære av det den gjør.

Den forkaster sine dårlige forsøk og prøver på nytt for å komme fram til den beste løsningen. 20 000 til 30 000 ganger på noen få sekunder. Så du begynner å øve.

Dette er punktet hvor vi setter inn en åttitalls bildemontasje av hvordan du prøver å få saks til å være saks, papir til å være papir, og øver, prøver, øver (og la oss for stemningens skyld legge på ”Eye of The Tiger” i bakgrunnen).

Til slutt står du på scenen, ansikt til ansikt med din argeste konkurrent, og slår ham ned i støvlene med en lynrask og tydelig papirpose over hans berømte stein.

Rulletekst.

Kyllingroboter på Mars

Det kalles for ”evolusjonær maskinvare”, og dreier seg kort sagt om at maskiner skal kunne lære av seg selv.

Forskeren Mats Høvin ved Universitetet i Oslo lagde allerede i 2004 en kyllingrobot som kunne lære seg å gå av seg selv. Poenget var at roboten skulle kunne brukes til å utforske planeten Mars.

Dersom den for eksempel falt ned i et hull, skulle kunne lære seg hvordan den kunne komme seg opp igjen av seg selv, ved å prøve og feile. Men i denne kyllingen var det et dataprogram som gjorde evolusjonen.

Tre år senere kunne stipendiat Kyrre Glette og professor Jim Tørresen ved Institutt for informatikk fortelle at de hadde klart å lage databrikker som kunne designe seg selv, inspirert av evolusjon i naturen.

Lignende forsøk ble gjort i Japan allerede i 1998. Før hadde en databrikke vært designet en gang for alle, nå kunne brikkene fortsette å lage seg selv. Hvordan er egentlig dette mulig?

– Inne i databrikken er det en lang rekke med byggeklosser, som representerer ”genene” til brikken. Ved å regne ut hvilke gener den trenger og ikke trenger, hjelper databrikken maskinen den sitter i å tilpasse seg forskjellige utfordringer, forklarer Kyrre Glette.

Han har fortsatt å utvikle teknologien bak dette, og har nettopp avlagt en doktorgrad hvor han har forsket på hvordan slike databrikker kan brukes til bestemte ting. Han har klart å lage systemer som er små nok til at de får plass på en chip, noe som betyr at hele systemet kan være inne i en maskin.

Med dette utgangspunktet har han laget systemer og metoder som kan kjenne igjen mønstre – raskere og bedre enn tidligere resultater innen evolusjonær maskinvare. I tillegg kan systemet konkurrere med tradisjonelle metoder.

Teknologien tilpasser seg

Ett av eksperimentene med disse metodene var å se på hvordan denne teknologien kan brukes til å trene opp musklene i en mekanisk håndprotese.

– Ved hjelp av en EMG-sensor som måler muskelspenn, kan kretsen som sitter inne i hånda trenes opp til å forstå hva kroppen vil, forklarer Glette.

Å bruke evolusjonær hardware til dette har vist lovende resultater.

– Fordelen er at denne teknologien tilpasser seg selv, trenes opp fort, og at systemet som skal til er så lite og kompakt at det får plass på brikken inne i håndprotesen.

– Vi testet hvor rask brikken var til å tolke åtte forskjellige håndbevegelser sammenlignet med konkurrerende teknologi, og eksperimentene viser at evolusjonær maskinvare kan konkurrere med tradisjonelle løsninger, sier Glette.

Kjenner igjen mønstre

Andre eksperimenter har undersøkt hvordan en slik krets kan brukes av datamaskiner som skal gjenkjenne bilder eller mønstre. De viser at systemet klarer seg i omgivelser som er i forandring.

- I ett av eksperimentene brukte vi brikken i et program som skulle kunne kjenne igjen ansikter, forteller Glette.

- Forsøket viste at programmet kunne skille et ansikt fra ett annet med 94,9 prosent nøyaktighet.

Planer om “oljerobot”

En idé Glette og de andre forskerne på Institutt for Informatikk har jobbet med, er å kunne bruke denne teknologien til å lage en undersjøisk oljerobot som vil kunne brukes til å overvåke oljeinstallasjoner i Nordsjøen.

– For at den skal kunne bevege seg på egenhånd nede på havdypet, må den kunne se forandringer i terrenget, for eksempel om det står en stein i veien, forklarer Glette.

I ett av eksperimentene har han derfor testet et system hvor en brikke tolker signaler fra et ekkolodd for å navigere i et ukjent terreng, med gode resultater.

Teknologi med fremtid

Disse eksperimentene viser at evolusjonær maskinvare kan brukes i mange sammenhenger, siden den kan gjøre store sannsynlighetsberegninger og matematiske operasjoner ekstremt raskt, og i en liten brikke.

Hva slags teknologi som vil bruke disse brikkene i fremtiden er vanskelig å spå, men Glette forteller at de nå brukes til å redusere støy i bilder, eller i store printere på trykkerier, men mulighetene er mange flere.

Terminator-bekymringer?

Men mange vil kanskje også bli skremt av denne teknologien. Tross alt har man jo sett Terminator-filmene, som forteller at menneskene i år 2029 er mer eller mindre utslettet etter at det intelligente dataprogrammet Skynet har tatt over jordkloden.

Når arbeidet til Glette først ble kjent i fjor, advarte den kjente teknologibloggen Gizmodo spøkefullt: ”Norwegian Scientists Create Evolving Hardware While Jeff Hawkins Creates the Brain (Verdict: Start Building Nuclear Shelters NOW)”.

Om noen skulle dele den bekymringen: ta det helt med ro.

– Teknologien har nok ikke kommet så langt ennå, og de robotene vi snakker om her er kun i stand til å tenke på helt spesielle oppgaver, så det er ingen grunn til bekymring.

– Men det er jo en morsomt med slike teorier, avslutter Glette