Infontology

Uttrycksfull programmering för utforskande och ifrågasättande

Jag försöker tänka mig in i hur programmering fungerar. Det är lite som en hjärntvätt, men också befriande. Jag hittar återvändsgränder där alla tankar på algoritmer som "recept" slutar vara giltiga men också extremt kraftfulla sätt att skriva texter i kombination med körbar kod.

Just nu verkar det mest lovande heta Jupyter, ett format där det är lätt att varva förklarande text med snuttar av datorprogram. Som i det här exemplet som visar hur en av Eschers mer intrikata bilder är uppbyggd. Här är en bild från halvvägs genom förklaringen:

(Jag skrev lite om körningen här.) Med Jupyter kan man inte bara se hur strukturen för bilden är uppbyggd, man kan också själv pröva hur det blir om man har en annan sorts fisk, och vilka krav som ställs på fisken för att bilden ska bli bra. Fascinerande.

För att köra koden behöver man en Jupyter-miljö. Det enklaste är att installera Anaconda på sin dator, men det finns också olika molntjänster man kan köra. Om man har en vanlig dator med admin-rättigheter är det inte krångligt att få till en Jupyter-miljö, men det är inte något man gör på en telefon eller bara med en webbläsare. En anledning till det är att miljön ger så stora rättigheter att köra vilken kod som helst. Det innebär att man måste vara väldigt noggrann med säkerheten i datormiljön.

Det finns forskare som har börjat använda Jupyter för att sprida de beräkningar de gör med sina data. En svensk sådan är Christopher Kullenberg, vetenskapsteoretiker på Göteborgs universitet. Här visar han till exempel hur man kan analysera SOM-institutets data med Jupyter.

Det finns tecken som tyder på att det här är en praktik som har spridit sig över världen. Så här skriver fransmannen Louis Amon:

A few years back, people would work locally and email their collaborators with new versions of their algorithm once they’re satisfied of their improvements. A few (gifted) scientists would actually use version control softwares like Git or Mercurial…

Nowadays though, the scientific community is working more and more tightly with the computer science community. Version control is more of a norm now (thank God!) and people are looking towards cloud solutions for easier and more efficient collaboration.

För att visualisera vanlig statistik finns funktioner inbyggda i exempelvis matplotlib, och det är också väldigt lätt att använda exempelvis plotly. Jag har sökt mig lite utanför de vanliga statistiktillämpningarna och exempelvis hittat ovanstående Escher-exempel.

På Stanford ges den här veckan fjärde upplagan av en workshop i "music information retrieval" som visar en del av det kraftfulla i Jupyter som kursmaterial. Deltagarna uppmanas att ha med sig eget audio-material som de kan använda för analyserna. Så här skriver arrangörerna om syftet:

Simply put, MIR algorithms allow a computer to "listen" and "understand or make sense of" audio data, such as MP3s in a personal music collection, live streaming audio, or gigabytes of sound effects, in an effort to reduce the semantic gap between high-level musical information and low-level audio data. In the same way that listeners can recognize the characteristics of sound and music - tempo, key, chord progressions, genre, or song structure - MIR algorithms are capable of recognizing and extracting this information, enabling systems to perform extensive sorting, searching, music recommendation, metadata generation, transcription, and even aiding/generating real-time performance.

Och allt material publiceras som visualiserade Jupyter-notebooks med länkar till den körbara koden. Det här exemplet är extremt komplext och jag tar med det bara för att visa vad som går att göra. Det är så många bibliotek att installera att de låter deltagarna installera en virtuell Linux-maskin (Vagrant-box) på sin dator, där de sen kan distribuera konfigurationen som ett paket för att alla ska få samma miljö att köra i... (Jag misslyckades när jag försökte sätta upp den och skulle få den virtuella maskinen att kommunicera med värd-datorn...)

Ett annat avancerat och kraftfullt exempel är den här kursen i Deep learning. Författarna beskriver det så här:

Our goal is to leverage the strengths of Jupyter notebooks to present prose, graphics, equations, and code together in one place. If we’re successful, the result will be a resource that could be simultaneously a book, course material, a prop for live tutorials, and a resource for plagiarising (with our blessing) useful code. To our knowledge there’s no source out there that teaches either (1) the full breadth of concepts in modern deep learning or (2) interleaves an engaging textbook with runnable code. We’ll find out by the end of this venture whether or not that void exists for a good reason.

Här är ett annat exempel med machine learning för konstnärer, av bland andra Gene Kogan (som kommer till Malmö i september).

Jag är övertygad om att man skulle kunna revolutionera läroboksskrivande med den här tekniken, att kunna låta eleverna experimentera med egna data och bygga egna visualiseringar och program runt de data man samlar in eller skapar. Det finns en del begränsningar med Jupyter som det ser ut idag. Den främsta kanske är att det är svårt att lägga till ett bra användargränssnitt med inmatningskontroller. Det finns några sätt att komma runt det, men det kommer förhoppningsvis att komma nya versioner som innehåller detta.

Avslutningsvis ett citat från Seymour Papert:

My basic idea is that programming is the most powerful medium of developing the sophisticated and rigorous thinking needed for mathematics, for grammar, for physics, for statistics, for all the “hard” subjects…. In short, I believe more than ever that programming should be a key part of the intellectual development of people growing up.

/Simon

digital infrastruktur, infontology, lärande, programkod

Datorer tar hälften av jobben inom 20 år

Det här är en understreckare som publicerades i Svenska dagbladet 3 april 2015. Jag hittar den inte igen så jag återpublicerar den här. /Simon

När robotar och algoritmer tar över allt fler yrken kan en stor del av befolkningen förlora allt ekonomiskt värde. Det synsätt som gör människor värdelösa beror dock inte på digitaliseringen – det började långt tidigare.

Gamla invanda perspektiv räcker inte till för att förstå samhällsföränd­ringarna i automatiseringens spår. Vi behöver se på människor och maskiner också med maskinens ögon. Om vi byter perspektiv kommer vi att se att själva människovärdet håller på att urholkas, inför våra ögon. Det är en smärtsam in­sikt, men nödvändig för att förstå hur vi kan forma framtidens samhälle till en plats där människors potential kan förverkligas, och inte bara maskinernas.

Diskussionen om datorers och robotars påverkan på samhälle och ekonomi har tagit fart ordentligt. Det rör sig inte bara om exempelvis självkörande bilar som ersätter mänskliga förare, utan om hur hela värdekedjor kortsluts med datorers hjälp. Oxford­forskarna Michael Osborne och Carl Frey har beräknat att 47 procent av de amerikanska jobben om 20 år kan vara ersatta av digital teknik som robo­tar och datorer. Enligt rapporten ”Vartannat jobb automatiseras inom 20 år” som Stiftelsen för strate­gisk forskning (SSF) publicerade förra året kan vi vänta oss en liknande utveckling i Sverige. Efter att rutinjobben har automatiserats bort är samma sak på väg att hända med mer kvalificerade yrken: så gott som alla bibliotekarier och en fjärdedel av alla över­ sättare och journalister kommer att bli överflödiga, uppskattar SSF. I boken ”Den andra maskinåldern” (Under strecket 4/3 2015) diskuterar MIT-professorerna McAfee och Brynjolfsson de stora ekonomiska ojämlikheter som detta kan leda till.

Andra forskare antyder en ännu mer genom­ gripande förändring, både av samhälle och människosyn. I en artikel i Harvard Business Review (10/12 2014) diskuterar William Dawidow och Michael Malone samhällsförändringar i kölvattnet av digitali­seringen. Det mest anmärkningsvärda med artikeln är kanske inte deras analys, utan de termer de använder för att beskriva människans roll i det för­ ändrade samhället. De talar om den snabba föränd­ringstakten som leder till att vi snart kommer att se ”horder av medborgare med noll ekonomiskt värde”.

Tänker vi oss ett samhälle om 20 år med hög grad av robotisering och ett scenario där vinnaren tar allt, med extrem kapitalkoncentration som följd, blir klyftorna i samhället kanske så stora att det blir naturligt för vinnarna att se på resten av befolkningen som människor utan ekonomiskt värde. Kanske är det mer rumsrent som uttryck i den ame­rikanska debatten, men här i Sverige låter det mer som att börja en konversation med orden ”Och du är alltså white trash”.

Vi får en bättre bild av läget för människan och kommer att se nya mönster dyka upp om vi byter synvinkel helt, och börjar se på oss själva med tekni­kens ögon. Hur ser en människa ut för en dator? Det kan kännas ovant att se på sig själv med artificiella ögon, men när de tekniska systemen blir allt svårare att stänga ner, svårare att inspektera och kontrollera blir det nödvändigt att byta perspektiv.

För ett drygt år sen fick vi en viktig pusselbit som motiverar det här perspektivskiftet. Då gjorde Goog­les styrelseordförande Eric Schmidt ett anmärk­ ningsvärt uttalande i Davos. Han sade att det nns en ”kapplöpning mellan människor och maskiner, och människorna måste vinna”.

Teknikföretagen skulle kanske inte erkänna det själva, men jag tror att det här synsättet hos Schmidt är ett tecken på en strategi och inriktning som har vuxit fram hos sådana företag de senaste 3–5 åren. Bygger de redan i dag sina affärsmodeller på ett antagande att maskinerna kommer att gå vinnande ur loppet? Hur kommer värde att skapas i en eko­ nomi där människor inte kontrollerar ekonomin?

Hittills i historien har det varit produktivt att analysera ekonomi och samhällsutveckling utifrån mänsklig nytta, men kanske är det inte så längre. Det är svårt att tänka sig hur resonemangen kommer att föras när det gäller vilka system vi vill prioritera och varför, om vi inte längre kan ha män­niskans bästa i åtanke. Hur ska vi undvika att hamna i teknikdeterminism och uppgivenhet inför utvecklingen?

Ekonomen Brian Arthur är en av dem som har prövat att jämföra människans ekonomi med maskinernas. ”Den andra ekonomin”, eller ”den autonoma ekonomin” kallar han den ekonomi som försiggår i it-systemen helt utan mänsklig inbland­ning. Han tar som exempel det som händer när man checkar in på en flygplats jämfört med hur det gick till för något decennium sedan. I stället för en människa som kontrollerar biljetter, prickar av passagerare och skickar listor möter vi ett helt auto­matiskt system som blir mer och mer autonomt.

Jag förstår inte hur det rent praktiskt skulle gå till att avgränsa den människostyrda ekonomin från den autonoma – även den ekonomi där vi människor verkar är ju i hög grad förmedlad av datorer och andra maskiner. Arthurs grepp att skilja ut maskin­ekonomin blir ändå en hjälp när det gäller att få syn på perspektivskiftet i debatten, och bedöma hur stor samhällsförändringen är.

Helt klart är att det finns fler steg på den här vägen. Ett av dem är den distribuerade valutan bitcoin, som av vissa beskrivs som ett jättestort pyramidspel. Andra menar att bitcoin kan ge oss en framtid när det inte exempelvis behövs någon utom­stående kontrollinstans för säkra valutaöver­föringar: tekniken har i sig själva kontrollen inbyggd. Det är kontrollfunktionen som ligger till grund för ”bitcoin mining”, där stora mängder datorkraft läggs på att verifiera att ingen har förvanskat valuta­överföringen. För att få systemet att gå runt finns ett inbyggt belöningssystem.

Bitcoin och liknande system är i princip på väg att bli helt självständiga. Ser man på mer etablerade företeelser som börsrobotar, alltså algoritmer som självständigt genomför affärer på världens handels­ platser för värdepapper, så agerar de också utan mänsklig inblandning. Detsamma gäller många system för prissättning och orderläggning inom alla branscher.

De människor som fortfarande är med i dessa autonoma system fyller huvudsakligen en ansvars­funktion ifall något går fel. Det är (hittills) bara människor som rättsapparaten kan ställa till svars.

Det finns redan nu spekulationer om vad nästa steg skulle kunna vara: helt autonoma människo­lösa företag som maximerar sin nytta utifrån upp­ställda mål. De kallas DAC, ”distributed auto­nomous corporations”, och behöver inte ens ha några mänskliga ägare. En DAC skulle kunna hålla sig själv vid liv genom att autonomt agera på mark­naden, skulle kunna anställa människor, sluta avtal och betala skatt. Faktum är att dagens stiftelser kommer väldigt nära den här beskrivningen, om vi bryter ner stiftelseurkunden till ett antal algoritmer som kan hantera stiftelsens tillgångar.

Att tala om medborgare utan ekonomiskt värde är en stor förändring i samhällsdebatten. Det hade kanske varit lättare för människan att hävda sig i konkurrensen om det funnits ett tydligt annat människovärde än det ekonomiska, men i ett sam­hälle där i princip allt går tillbaka på möjligheten att sätta ett pris, uttryckt i pengar, blir det lätt att halka över i en retorik där man talar om människor helt utan värde.

Det är inte bara den digitala informa­tionstekniken som har gjort att vi har hamnat i den här situationen. Jag skulle vilja peka på ett par andra samhällsfenomen som bidrar. Det första är tendensen till byråkrati­sering som har präglat alla utvecklade samhällen under hundratals år. Byråkratin är en regelstyrd maskin som främjar tydlighet och opartiskhet. Den är som ett datorprogram som delvis körs i en dator, och som nästan tigger om att stoppas in i en dator i sin helhet för att uppnå ännu större effektivitet.

Att ha människor kvar inuti byråkratin är bra, så länge de har manöverutrymme och kan utnyttja sitt omdöme. Det är en fin balansakt att låta mänskligt omdöme styra, men samtidigt begränsa mänskligt godtycke!

När regelverket helt tar över byråkratin är det mest humant att betrakta byråkratin som ett verk­ligt datorprogram, utan mänsklig inblandning. Det gäller bara att regelverket, samhällsutvecklingen och samhällets värderingar inte kommer i konflikt.

Det andra samhällsfenomenet har att göra med naturvetenskapens framväxande som vägvisare för samhällsbyggande och kultur, på bekostnad av reli­gionen som tidigare haft den funktionen.

Vad man än har att säga om religionen har den åtminstone en reserverad plats för människan, och per definition ett säkrat människovärde. I veten­skapen finns inte det. Det ska mycket till för att man skulle hitta ett sätt att på vetenskaplig grund införa en särskild sorts värde för just människoorganis­mer.

Jag vänder på perspektivet igen. Det jag ser, med vetenskapens ögon är ungefär det som jag ser med datorsystemens. Enligt naturvetenskapen har män­niskan ingen privilegierad plats i världen. Det går att krasst bedöma människan utifrån vetenskapliga kriterier, ungefär som när Dawidow och Malone diskuterar människor utan ekonomiskt värde.

Vi människor har skäl att skapa goda förutsätt­ningar för vårt eget välstånd. En snäv inriktning på att skapa nya jobb kommer dock inte att duga inom en snar framtid. Låt automatiseringen sköta det den är bra till, och låt människor överlåta enahanda arbeten åt maskinerna.

Även om datorer snabbt går om oss när det gäller att fatta snabba beslut inom begränsade domäner är människorna de enda som kan se besluten i ett större sammanhang. Kanske behöver man säker­ställa att det finns kvar människor på strategiska platser för beslutsfattande, och där oväntade händelser kan få stora konsekvenser, som vid stör­ningar i infrastrukturen. Det skulle betyda att fler människor får arbeten på tåg, stationer, torg, skolor, sjukhus, men också i konst, kultur och musik – om vi nu verkligen får mer tid frigjord genom automati­seringen.

infontology, ersättning_av_människor, affärsmodeller