Jag bevistade nyligen en presentation av datorernas fantastiska utveckling och hur dagens främsta datorer slår människans hjärna inom allt fler områden, från läkardiagnoser till schack och frågesport på TV. Frågan är om vi i framtiden får acceptera att datorerna är oss vida överlägsna vad gäller både användning och analyser utifrån faktabaserad kunskap. Men vilken blir då universitetens roll när vi inte längre behöver lära ut denna form av kunskap? Svaret, menar vissa, är att lära studenter att generera idéer, alltså uppslag och tankar om saker och sammanhang som ännu inte finns.
Små enkla datorer har sedan länge varit vida överlägsna de flesta av oss när det gäller allehanda beräkningar. De senaste åren har dock datorer lyckats överträffa människan även på områden som kräver mer komplexa färdigheter. Uppståndelsen var stor när IBMs superdator Deep Blue slog Garri Kasparov i två schackpartier 1996 och 1997.
Men IBMs nya superdator Watson är ännu värre. Detta kraftpaket till dator sattes för några år att diagnosticera cancer. Den laddades därför med stora delar av läkarutbildningen och därutöver specialkunskaper om cancer inhämtade från 600.000 forskningskällor och 1,5 miljoner patientjournaler. Resultatet? Enligt ett av de företag som ledde arbetet hade Watson 90 procent korrekta lungcancerdiagnoser medan onkologerna endast hade 50 procent korrekta diagnoser (läs mer i denna artikel i Wired).
Datorerna klarar även mer kognitivt subtil och kontextuell kunskap, exempelvis den som krävs för att vinna frågeprogrammet Jeopardy!. Samma Watson utmanade 2011 de två amerikanska stormästarna på frågesporten. Inför programmet laddades Watson med hela Wikipedia, ungefär 200 miljoner sidor, och att det räckte gott och väl visas i detta filmklipp:
Framtidens datorer, och i förlängningen naturligtvis robotar kommer med all sannolikhet att dominera människan på de flesta områden som kräver att dra slutsatser utifrån stora faktabaserade kunskapsbanker. Snart är det slut med mänskliga läkare, revisorer eller varför inte terapeuter eller rentav historiker när alla historiska kvarlevor scannats in och lästs av. Prognosmakande nationalekonomer blir förmodligen bland de första som ryker. (se vidare denna Economist-artikel om hur arbetsmarknaden i stort och över tid kan komma att påverkas av den ökande automatiseringen).
Men vad ska då framtidens universitet lära ut till framtidens studenter? Tja, det är inte helt uppenbart, och men möjligen kommer fokus ligga på idéer och de kreativa processer som leder fram till skapandet av ny kunskap (se denna BBC-artikel om den nya trenden att lära ut kreativitet). Eller som den där presentationen jag bevistade lyfte fram: när kunskapen är gratis är idéerna allt som räknas.
Ekonomistas 
Det klassiska motargumentet är att den som saknar kunskap inte heller kan få några nya ideer.
Och vad gäller att lära ut kreativitet vore det säkert bra om det gick, men jag såg faktiskt inget i BBC-artikeln du länkade till som tydde på att det går.
Kreativitet kräver kunskaper. Nya idéer skapas inte från ingenting. Vi kan träna vår kreativitet mer och framför allt undvika att undertrycka den. Men datorer också kommer att vara kreativa och med utgångspunkt i långt större kunskaper och associationsmöjligheter. Vi måste anta att datorer inom en högst överskådlig framtid kommer att bli oss överlägsna i alla dessa avseenden.
Kreativitet kommer från hjärnor som är förberedda för att upptäcka saker, och detta kräver hårt arbete, mycket hårt arbete. Ericsson et al. är tydligen det klassiska arbetet på området. Rekommenderas och är värd att läsa i sin helhet trots att det är långt:
Click to access DeliberatePractice(PsychologicalReview).pdf
Man kan programmera saker som man redan känner till. Men för att förstå vad man programmerat eller komma på nya saker krävs perspiration. Men att locka fram kreativitet med kladdkritor verkar tyvärr vara en dröm som aldrig dör.
Expertsystem för vissa specifika uppgifter har varit “ganska bra” rätt länge vid det här laget. En vanlig jämförelsepunkt är någon slags snittläkare, och då har expertsystem kunnat ställa diagnos betydligt bättre. Jämfört med en ruggigt bra läkare har expertsystemen kommit till korta. Det finns två problem här tycker jag:
1) Tänk dig en av dina snittkolleger. Vill du lägga viktiga arbetsuppgifter på dem? Om du inte litar på dina kolleger till att utföra viktiga arbetsuppgifter så är det tveksamt att du litar på snittläkarens kompetens till något annat än att behandla din förkylning. Att slå snittpersonen är en intressant mätpunkt att börja med och kanske skulle till och med världen i snitt bli bättre för patienterna om vi ersatte alla läkare med expertsystem. Det är synd för patientgruppen som råkar ha en bra läkare idag dock.
2) Det är en hel del arbete att få expertsystemen att prestera, så man tar inte bara en dator lite hipp som happ och sen laddar man in hela biblioteket i den med hjälp av en knapptryckning och vips så kan den såväl kvantmekanik som hjärnkirurgi. Om patienter initialt blir felremitterade så får de svaret att de inte har cancer av en dator medan en duktig läkare skulle kunna dirigera patienten vidare till rätt del av vårdapparaten. Det är i någon mening ett övergångsproblem innan vi har expertsystemet “specialist på allt som täcks av sjukvården idag”, men att gå från att hantera 1 specialité åt gången till att hantera 2 eller 20 simultant är mer än dubbelt/20 gånger så svårt.
Datorsystem ska nog främst ses som ett sätt att omvandla mänsklig expertis i till en lätt åtkomlig och bestående form. Det datorn tillför är enbart förmågan att snabbt och likformigt utföra vissa matematisk beräkningar. Från detta följer att alla anspråk till korrekthet kommer från mänskligt arbete (oftast understött av andra datorer som i sin tur verifierats), och att alla val datorn gör har blivit delegerade dit av en människa (ibland är dock människan ovetande om detta).
Om en tittar noga så ser en snabbt att överallt i datorn finns människan, från storleken på komponenterna (en dator ska ju få plats under ett skrivbord) till alla mystiska textfiler på din dator som säger åt den hur den ska bete sig (vilka är textfiler så att människan lätt ska kunna läsa och ändra efter behag).
Kunskap är bland det svåraste som finns. Syntax och semantik är två vitt skilja områden och människans hjärna är i många fall inte rustad att fullt ut naturligt inkludera och exkludera mellan det som faktiskt skrivs och vad som förväntas vara antaget för att det som skrivs ska vara korrekt.
Genom ett påstående delar man inte bara med sig om detta påstående utan också om alla de antagande som behövs för att påståendet ska vara korrekt. Människor tror idag att kunskap är att slå upp och dela med sig av denna “uppslagsfakta”, medan kunskap i verkligheten är den kognitiva process som beskrivs då Watson arbetar med cancerdiagnoser. Att navigera sig rätt med den tillgängliga informationen. Problemet är att Watson kommer aldrig själv att plocka fram artiklarna, han kommer bara kunna använda sig av den atomära fakta som han fått beskrivit för sig. Den samlade kunskapen inom ett ämne överstiger vida den kunskap som en människa inom området besitter. Detta kunskapsgap ökar för varje ny artikel som publiceras. Vad Watson adresserar är att minska gapet, men för att höja den totala kunskapsnivån krävs människor som driver på, med kreativa idéer, nya tankar och massor av arbetade timmar. Tittar man på dagens skola så verkar den mot att människor ska kunna observera och förmedla detta kunskapsgap, inte att de ska bidra till att höja nivån på den samlade kunskapen.