The Law of Accelerating Returns

När Ray Kurzweil publicerade The Law of Accelerating Returns år 2001 var artificiell intelligens fortfarande mest en vision. Han beskrev ett mönster som löpt som en röd tråd genom den tekniska historien:

Varje gång vi skapat ett nytt verktyg som förstärker vår förmåga att uppfinna, har nästa stora språng kommit snabbare än det förra.

Kurzweil menade att utveckling inte rör sig i en rak linje utan accelererar. När en ny teknikgeneration skapas förbättrar den verktygen som används för att skapa nästa generation. Det här innebär att själva takten i förändringen hela tiden ökar.

Ser vi till maskiners beräkningskapacitet visade Kurzweil att mönstret gick att spåra ända tillbaka till strax före förra sekelskiftet. De första mekaniska maskinerna ersatte muskelkraft och skapade industrialismen. Elektriska reläer och vakuumrör markerade sedan nya steg där beräkning kunde automatiseras och styras elektriskt. När transistorn kom på 1940-talet blev datorn mindre, snabbare och mer tillförlitlig. Mikrochip på 1970-talet gjorde beräkning till en del av vardagen och internet på 1990-talet band samman världen i ett enda system av kommunikation.

Diagrammet nedan skapades av Kurzweil men har därefter uppdaterats av Steve Jurvetson. Det accelererande sambandet mellan tid och beräkningskraft har stått sig (gillar du inte logaritmiska skalor kan du se på ett ungefär hur diagrammet ser ut på en linjär skala i artikelns illustration ovan).

I dag fortsätter utvecklingen mot kvantdatorer som lovar att bryta många av de gränser som klassisk beräkning hittills har. Jag kommer att skriva mer om kvantdatorer och deras koppling till AI kommer i en senare artikel.

Utvecklingen inom AI följer samma mönster som den underliggande tekniken. De modeller som byggs nu används redan för att utveckla nästa generation.

Nya AI-modeller utvecklas med hjälp av äldre modeller. AI används också för att designa de chip som modellerna körs på, till exempel använder Google AI för att optimera kretslayouter i sina Tensor Processing Units (TPUs) (källa: Google Deepmind). De skriver kod, analyserar resultat och designar nästa nätverk. Varje iteration gör nästa steg enklare och snabbare.

Kurzweil förutspådde att vi någon gång kring mitten av detta sekel kommer att nå en punkt där maskinernas intelligens överträffar vår egen och där utvecklingen blir oöverskådlig.

Vid det här laget har vi följt the law of exponential returns så länge att det blir intressantare att orientera sig utifrån förbättringstakten än den absoluta nivån. Kurzweil förutsåg att teknikens utveckling till slut blir självgenererande, där varje framsteg driver nästa och där gränsen mellan skapare och verktyg börjar lösas upp.

Man kan fråga sig hur vi människor ska hinna med när maskiner lär sig snabbare än någonsin medan vi är begränsade av vår biologi. Kanske blir de kommande åren blir de mest spännande i mänsklighetens historia. Inte bara för att maskinerna tänker snabbare utan för att vi lär oss tänka tillsammans med dem.

//Emil