tisdag, oktober 01, 2019

Hur robotsäkrar vi morgondagens medborgare?

Kultursidan Västerbottens-Kuriren 191001

Under industrialismen har ny teknik utvecklats med det övergripande syftet att stödja eller ersätta mänsklig muskelkraft. Halv- och helautomatiska maskiner har tagit över allt fler arbetsuppgifter i industrin under de senaste århundradena. Det har inneburit att allt fler arbetsuppgifter som tidigare utförts av människor, utförs av maskiner.
         Lösningen för människor vars arbetsuppgifter helt eller delvis övertagits av maskiner har oftast varit utbildning till kompetenser och arbetsuppgifter som maskiner ännu inte kan utföra. Eftersom industrirobotar främst kan överta manuellt och rutinbaserat arbete, utbildar man sig i motsatt riktning; till kognitivt och icke-rutinbaserat arbete.
         Nu när AI och dess främsta teknik i form av maskininlärning rullar in i samhället väcks frågorna på nytt: Kommer AI att överta arbetsuppgifter som vi trott enbart människor kan utföra? Kommer utbildning att fortsatt vara lösningen för de människor vars arbetsuppgifter bättre utförs av självlärande datorer?
         Frågorna kompliceras en aning av att de arbetsuppgifter som dagens och morgondagens AI-teknik kan utföra bättre än människan återfinns inte alls enbart inom traditionella arbetaryrken i industrier, utan inom tjänstemannayrken och akademiska yrken som vanligtvis kräver högskoleutbildning.
         Läkare, tandläkare, jurister, ekonomer, lärare – inom de allra flesta yrkesområden som vi tidigare uppfattat som kognitivt krävande med små förutsättningar att automatiseras, kommer AI-teknik att kunna utföra många arbetsuppgifter. Är lösningen för människor inom dessa kognitiva yrken att utbilda sig ytterligare? I så fall, vilka kunskaper och färdigheter kommer att bli viktigare i framtiden, givet utvecklingen av AI?
         Frågan för denna essä är hur den högre utbildningen vid högskolor och universitet kan göras robotsäkrad. Med andra ord: Hur ska högskoleutbildning utformas för att människor inte med enkelhet ska kunna ersättas av självlärande datorer i sina framtida yrken?

Frågan diskuteras ingående i en bok av Joseph E. Aoun med titeln Robot-Proof. Higher Education in the Age of Artificial Intelligence (2018). Aoun har en lång erfarenhet av forskning och undervisning, men det är främst hans erfarenhet som akademisk ledare som formar det helikopterperspektiv som boken antar.
         Han delar in den framtida högre utbildningen i de för svenska förhållanden välkända kategorierna kunskap (knowledge) och kognitiva förmågor (cognitive capacities).
         Tre kunskapsområden framträder som kritiska: Kunskaper om teknik, om data och om människor. Teknikkunskap fokuserar framför allt programmering, vilket förutsätter kunskaper i matematik och logik. Eftersom programkod är det digitala lingua franca, menar Aoun att vi behöver behärska detta språk för att förstå datorerna.
         Kunskap om data innebär i dessa big data-tider att förstå hur man kan utvinna kunskaper från de stora och växande aggregaten av data som samlas och lagras i samhället. Den kunskap som medger analyser av stora datamängder så att världen blir begripligare är en robotsäkrad kunskap.
         Kunskap om människor, såväl beteendevetenskaper som humaniora, ger beredskap att agera i sociala miljöer, att kommunicera, att samarbeta med såväl människor som robotar. Konstvetenskap, design, historia, kulturvetenskap med mera.
         Ett skäl till denna kombination av kunskaper är att Aoun föreställer sig att vi kommer att samarbeta med robotar i framtiden. Inte att använda dem som ersättningsverktyg. Inte att dela upp arbetsuppgifter i robotuppgifter vs människouppgifter.

De kognitiva förmågorna Aoun ser som kritiska för en robotsäkrad framtid är fyra: Kritiskt tänkande, systemtänkande, entreprenörskap och kulturell smidighet. Att tänka kritiskt är förmågan att på djupet kunna analysera idéer och förstå hur dessa kan realiseras så att mervärde kan skapas. Och förstå varför vissa idéer aldrig bör realiseras.
         Systemtänkande är förmågan att anlägga ett flertal perspektiv på ett problem. Motsatsen är stuprörstänkande, där man enbart kan anlägga ett perspektiv. Systemtänkandet som förmåga växer med bredden av kunskaper.
         Med entreprenörskap avses förmågan att skapa nya jobb som också efterfrågas. Det har hävdats att en väsentlig andel av de som är barn i dag kommer att ha arbeten som inte ännu har uppfunnits. Och det är främst entreprenörerna – de som klarar av att se AI och ny teknik som en resurs för jobbskapande i stället för ett hot – som kommer att stå för jobbevolutionen.
         Att kunna vara kulturellt smidig är förmågan att verka i många olika kulturella sammanhang, att förstå grundläggande sociala koder, såväl i det lilla (t ex olika arbetsplatskulturer) som i det stora (t ex i olika länders kulturer).

Joseph Aoun diskuterar även hur den högre utbildningen bör utformas för att åstadkomma dessa robotsäkra kunskaper och färdigheter. Den huvudsakliga metoden är erfarenhetslärande (experiential learning); en metod där studenten systematiskt växlar mellan teoretisk kunskapsinhämtning och att göra egna erfarenheter i praktiska projekt.
         Denna metod förutsätter att universiteten allt mer samarbetar med aktörer utanför universiteten, så att studenter ges erfarenheter att reflektera över.
         En annan förutsättning för robotsäkrade kunskaper och färdigheter är livslångt lärande. Det går inte att ta sin treåriga universitetsexamen i tjugofemårsåldern och tro att dessa kunskaper räcker livet ut. Men detta förutsätter att universiteten också kan skapa utbildningar för människor i olika faser av såväl arbetsliv som liv.
         Oavsett om vi finner Aouns idéer om robotsäkra kunskaper och färdigheter i högre utbildning tillräckliga, är det av vikt att universiteten utformar utbildning för ett arbetsliv med snabb AI-teknisk utveckling.
         Den ultimata robotsäkrade personen är den som förmår leda och styra sig själv i samverkan med AI-teknik under ett livslångt lärande. Den personen måste universiteten bidra till att forma.