Problemet: AI mangler sit eget sprog
Forestil dig at bygge en rumraket med en hammer og søm. Det går an, men det er ikke smart. Præcis sådan er det med AI i dag. Vi har fantastiske fremskridt, men intet dedikeret programmeringssprog til kunstig intelligens.
Hvert fag har sit perfekte værktøj. Fysikere elsker differentialregning. Elektroingeniører bruger komplekse tal. Webudviklere har HTML. Men AI? Vi fumler med Python, der aldrig var lavet til det her.
Biblioteker som PyTorch og TensorFlow hjælper med neurale netværk. Men det er midlertidige løsninger. Som at sætte vinger på en cykel. Det kører, men det er kaotisk og langsomt.
AI's dobbelte personlighed
AI er splittet i to verdener, der ikke passer sammen. Den ene er neurale netværk. De lærer mønstre fra data, genkender billeder, forstår tale og laver kunst. Men de er mystiske kasser. Vi ved ikke, hvordan de beslutter sig.
Den anden er symbolsk AI. Her regerer logik og regler, som i gamle expertsystemer. Alt er gennemsigtigt – du kan følge hvert skridt. Men de lærer dårligt fra eksempler og krakelerer med virkelighedens rod.
Tænk på en kunstner, der ikke kan forklare sit værk, mod en bogholder, der viser hver kvittering, men aldrig tænker kreativt. Begge er gode. Hvad hvis vi smeltede dem sammen?
Tensorlogik: Den nye stjerne?
En forsker har en spændende idé: tensorlogik. Det kunne ændre alt.
Grundtanken er genialt enkel. Logiske regler og tensor-operationer – matematikken bag neurale netværk – er egentlig det samme. Bare på forskellige data. Som at opdage, at addition og multiplikation er slægtninge. Plutselig åbner nye døre.
Hvad gør det unikt?
Tensorlogik løser AI's sprogkrise ved at:
Gøre alt ens: Neurale netværk og logik bliver til "tensorligninger". Et værktøj i stedet for en rodet kasse.
Lære med forklaring: Neurale netværk, der ikke bare lærer, men også siger det med almindelige ord.
Håndtere kæmpe data: Det er bygget til store mængder fra bunden, uden at hoste.
Et stort potentiale – men med forbehold
Hvis det lykkes, får vi AI med neurale netværks kraft plus logikkens pålidelighed. Forestil en AI-læge, der lærer af millioner af sager og forklarer præcis, hvorfor den vælger en behandling.
Men vent lidt. Hvert par år dukker en "revolution" op i AI-sprog. Mange lover guld, men falder fladt i praksis.
Tensorlogik giver håb med sin matematiske skønhed. De bedste løsninger forener det tilsyneladende forskellige. Husk relationelle databaser, der forenklede datahåndtering, eller internetprotokollen, der bandt verden sammen.
Vejen frem
Et nyt sprog er hårdt at lave. Teori er fint, men du skal have værktøjer, biblioteker, folk og tests. Som at bygge en by fra bunden.
Jeg er spændt på forskningen. Uanset om det er tensorlogik eller lignende, har AI brug for sit eget sprog. At presse idéer ind i gamle rammer bremser os.
AI's næste spring måske kommer fra bedre værktøjer – ikke flere data eller algoritmer.
Hvad siger du? Er vi klar til AI's eget sprog, eller holder Python? Kommenter gerne!