Kunstig intelligens leder til begejstring. Begejstring for udsigten til et bedre liv, fx gennem mere præcis medicinsk diagnosticering og bedre vurdering af behandlingsmuligheder.  Computerprogrammet IBM Watson kan diagnosticere for hudkræft med 95 % nøjagtighed, hvor menneskelige eksperter maksimalt kan komme op på 84 %. Eller begejstring for muligheden for, at robotter kan overtage de mest farlige eller sundhedsskadelige jobs som at lede efter overlevende efter jordskælv i områder med stor nedstyrtningsfare. Og begejstring for udsigten til, at vi måske i fremtiden kan få vores egen private husholdningsrobot, som kan støvsuge, rydde op, lave mad og holde styr på vores aftaler.
 

Kunstig intelligens leder på den anden side til frygt. Frygt for, at robotter vil overtage verdensherredømmet, eller måske i mindre skala dit og mit job (jeg kan dog garantere, at denne artikel ikke er skrevet af en robot). Eller frygt for, at vi kan blive magtesløse over for robotters, af og til forkerte, beslutninger. En britisk kvinde fik permanent lukket hendes Instagram-konto i forsøget på at poste et billede af en usædvanlig vellykket påskekage med små marcipankugler på toppen, som repræsenterede Jesus og hans disciple. Instagrams billedgenkendelsesprogram troede, at de små marcipankugler var brystvorter, og i autosvaret fra programmet stod der: “Vi forstår, at forskellige mennesker har forskellige idéer om, hvad der er OK at dele på Instagram, men for at holde Instagram sikkert bliver vi nødt til at kræve, at alle overholder retningslinjerne.” Et menneske ville aldrig have begået den fejl, men på den anden side kan et menneske heller ikke tjekke de 80 millioner billeder, der hver dag bliver postet på Instagram.  
 

Racistiske computere og førerløse biler

Både begejstringen og frygten er reel nok. I World Economic Forums rapport fra 2017 over globale risici bliver kunstig intelligens udpeget som det tekniske område, der har de største potentielle fordele, men også de største potentielle negative konsekvenser. Det er måske ikke så overraskende, når man tænker på, at kunstig intelligens netop handler om at erstatte menneskelige kognitive funktioner med computere. Det kan være til kæmpe hjælp, men det kan også misbruges, eller vi kan have for blind tillid til computernes vurdering af en situation. I USA har man forsøgt sig med selvlærende computerprogrammer til at vurdere kriminelles risiko for at lave ny kriminalitet. Det ledte til et racistisk computerprogram, som overvurderede risikoen for kriminalitet blandt sorte og undervurderede risikoen blandt hvide.


 

Disse eksempler peger på en række etiske dilemmaer ved kunstig intelligens. Kan vi tillade computerprogrammer med indlært fordomsfuldhed at skulle beslutte, om kriminelle skal tilkendes prøveløsladelse? Kan vi tillade computerprogrammer at vælge medicinsk behandling til alvorligt syge patienter, velvidende at disse computerprogrammer af og til vil begå dumme fejl? Det mest almindelige svar er, at vi skal sørge for, at der er mennesker med i loopet, så computerne ikke tager den endelige beslutning, men blot rådgiver menneskelige eksperter. Men vi mennesker lader os jo også påvirke af rådgivere, så det er næppe nok til at få problemet til helt at forsvinde. I nogle tilfælde er det også decideret umuligt at få et menneske med i loopet: En førerløs bil kan ikke nå at spørge bilisten, hvis liv den skal prioritere, hvis en ulykke er uundgåelig. Den bliver nødt til at være forprogrammeret til at træffe etiske beslutninger, og er det så producenten eller bilisten, der får ansvaret for at programmere disse? Hvem har ansvaret, når der sker en ulykke?
 

Intelligens er ikke bare intelligens

Mennesker er klogere end krager, men alligevel kan visse krager huske 30.000 forskellige gemmesteder for forråd, hvor vi mennesker knapt kan huske, hvor vi har lagt vores nøgler eller mobiltelefon, eller hvor vi sidst har stillet cyklen. Der er altså forskellige former for intelligens, og de forskellige former har forskellige styrker og svagheder. Det samme gør sig gældende med menneskelig intelligens over for kunstig intelligens.
 

Computere er endnu bedre end krager til at huske alt det, de ser, og moderne computere har en exceptionel beregningskraft, som gør, at de kan overskue et langt større antal muligheder, end vi mennesker nogensinde kommer til – om det så er forskellige trækmuligheder i skak, forskellige behandlingsmuligheder for kræft eller forskellige ruter fra Hanstholm til Korsør. Computerprogrammet IBM Watson blev i 2011 verdensmester i Jeopardy, ikke ved at have en dyb forståelse for sprog eller verden udenfor, men ved at kunne læse en million bøger i sekundet og dermed kompensere for sin manglende forståelse med en ekstrem evne til at processere store mængder data.
 

Menneske versus maskine

Udviklingen af kunstig intelligens startede allerede i de tidlige 1950’ere, ganske kort efter den første generelle computer så dagens lys. Man gik straks i gang med at forsøge at få computere til at gøre nogle af de ting, som er allersværest for os mennesker: at spille skak, løse IQ-tests og løse komplicerede matematikopgaver – og man lykkedes med det. Det betød, at mange forskere i kunstig intelligens allerede i slutningen af 1950’erne forventede, at menneskelignende kunstig intelligens var lige om hjørnet. Men det var det ikke. Man havde overset to afgørende ting:
 

At den menneskelige hjerne uden sammenligning er det mest komplekse fænomen i naturen, som ikke let lader sig efterligne på en maskine (om det da overhovedet er muligt).
 

At intelligens ikke bare er intelligens, og at det, at en computer kan ting, som vi mennesker synes er svært, ikke nødvendigvis er et tegn på høj intelligens hos computeren.
 

Senere er det blevet mere og mere tydeligt, at ligesom der er ting, som computere har væsentligt lettere ved end mennesker, fx at blive stormester i skak, er der ting, som er lette for os mennesker, men utroligt vanskelige for computere. Fx kæmper computere og robotter stadig med at blive gode til sprogbeherskelse og social intelligens.
 

Social intelligens – og mangel på samme

Computere kan ikke beherske sprog på noget, der ligner menneskeligt niveau, bl.a. fordi de har en ren statistisk tilgang til sproget frem for at have lært sprog i interaktion med den virkelige verden, som vi mennesker har. Det betyder, at selvom der for tiden er en kraftig vækst i chatbots som Siri på iPhone eller Alexa på Amazon Echo, så kan man stadig ikke føre en overbevisende samtale på et par minutter med en chatbot, uden at det bliver tydeligt, at det netop er en maskine og ikke et menneske.
 

Ligeledes er social intelligens et meget svært område for computere. Vi mennesker er udstyret med en evne til at sætte os i andres sted og derigennem gætte, hvad andre tænker eller forsøger at opnå. Denne evne er afgørende for effektiv kommunikation, for samarbejde mellem mennesker og for at kunne tage hensyn til vores medmennesker. Hvis du kommer forbi en kollegas kontor med en besked, men vælger at komme tilbage senere, fordi hun taler i telefon, er det et eksempel på social intelligens. Når en TUG-hospitalsrobot i samme situation blot braser ind på kontoret og bliver ved med at gentage “TUG er ankommet”, indtil kollegaen bliver vanvittig, er det et eksempel på mangel på social intelligens.
 

Maskinen kan ikke erstatte mennesket

Kunstig intelligens er altså endnu langt fra at kunne erstatte alle menneskets kognitive funktioner.  Det er vigtigt at forstå, at det at lave en computer, som er sprogligt og socialt intelligent, ikke kun er et spørgsmål om at have computerkraft nok. Vi skal også vide, hvordan vi skal udnytte den computerkraft. Så længe vores forståelse af, hvordan disse ting fungerer i den menneskelige hjerne, er meget begrænset, er det umuligt at simulere på en computer. Begrænsningen ligger altså ikke i computerkraften, som vi har rigeligt af, men i vores evne til at udnytte den til at efterligne afgørende kognitive evner som sprog og social intelligens.
 

Kunstig intelligens i dag excellerer stadig ved den type opgaver, som de excellerede ved i 1950’erne og 1960’erne: afgrænsede, veldefinerede opgaver med klare regler. Derfor er de meget gode til skak, men meget dårlige til at smalltalke. Med tiden bliver de dog bedre og bedre, også til opgaver, som er mindre afgrænsede, fx at spille Jeopardy eller styre en bil. Her er der stadig et afgrænset problem at løse og et sæt regler at følge, men reglerne er meget mindre entydige end i skak. En anden ting, som computere excellerer i, er evnen til at håndtere enorme mængder data og finde mønstre i dem, så længe disse mønstre er tilstrækkeligt entydige. Det er denne evne, som gør, at computere kan bruges til billedgenkendelse, hvad enten det handler om at filtrere billeder på Instagram, genkende hudkræft eller for en førerløs bil at genkende andre trafikanter.
 

Strøm til dit job?

Hvis man skal forstå, hvilke af ens arbejdsopgaver der realistisk set kan overtages af kunstig intelligens, skal man prøve at tænke på de ovennævnte karakteristika for kunstig intelligens i dag. Hvilke af mine arbejdsopgaver er meget veldefinerede og afgrænsede, så der kan opstilles relativt klare regler for dem? Den slags opgaver kan man sætte strøm til. Det kunne være at tjekke, om ansættelseskontrakter eller rejseafregninger overholder de formelle krav, eller endda automatisk at generere (et bud på) en færdig rejseafregning ud fra rejsedokumenter og kvitteringer. Hvis man vil lave en chatbot, som man kan bruge til at kontrollere musik, lys og varme i sin bolig, er det relativt ligetil. Det er tilstrækkeligt afgrænset. Hvis man imidlertid vil lave en chatbot, som kan blive Borgerservice-medarbejder i en kommune, er det langt mere udfordrende (det er blevet forsøgt i flere danske kommuner siden 2007, men blev opgivet igen omkring 2012). Det er ikke tilstrækkeligt afgrænset.
 

I hvilke af mine opgaver er der mange sager eller tilfælde, som er ens, og som skal behandles ens? Den slags opgaver kan man også sætte strøm til. Det kan være medicinsk diagnosticering, hvor de samme symptomer i de fleste tilfælde bør lede til samme behandling. Det er opgaver, som læger indtil videre løser stort set manuelt. Eller det kunne være gennemsøgning af et stort antal dokumenter for at finde dem, som er relevante for et specifikt søgsmål – en opgave, som ellers normalt udføres af advokater. Men til de opgaver, hvor reglerne ikke er klare, eller hvor normerne for korrekt handlemåde hele tiden er i bevægelse (fordi regler eller praksis ændres), kræves der endnu varme hænder. Og der kræves varme hænder til den direkte menneskelige kontakt: at håndtere sprog og social intelligens.
 

Jobfunktioner snarere end jobs

Langt de fleste jobs kræver, at man både er god til sproglig kommunikation, har nogle sociale evner og kan sætte sig i andres sted. Da den slags evner er nogle af de allersværeste at efterligne på en maskine, er de fleste jobs ikke i umiddelbar fare for at blive erstattet helt af computere. Vi vil formodentlig i langt højere grad se jobfunktioner blive erstattet, ligesom en sekretær i dag har en lang række digitale værktøjer til at skrive dokumenter, rette fejl i dokumenter, bestille rejser, holde styr på budgetter osv. Denne udvikling vil fortsætte, og fremtidens digitale hjælpemidler bliver langt mere avancerede og fleksible at bruge, end dem vi har i dag ­– uden at der altså er nogen klar udsigt til, at systemerne kan overtage vores kreativitet, fleksibilitet, sprogbeherskelse og sociale intelligens.
 

Vi skal nok snarere indstille os på, at fremtidens opgaveløsning bliver en symbiose mellem den menneskelige og den kunstige intelligens. Kombinationen af menneske og maskine kan nemlig være mange gange stærkere end menneske eller maskine alene. Hvis en menneskelig stormester i skak får hjælp fra en kraftig skakcomputer til at foreslå mulige træk, vil kombinationen af de to være langt stærkere end nogen skakspiller eller nogen skakcomputer alene. Kombinationen af menneske og maskine er også i de fleste tilfælde helt nødvendig, da maskiner – som vi har set ovenfor – jævnligt begår fejl. Vi mennesker skal være der til at tjekke computernes beregninger for fejl, ligesom vi omvendt bruger computere til at tjekke vores beregninger for fejl. Tænk bare på lommeregnere. 
 

Computeren bliver en slags assistent med de styrker inden for lagring af store datamængder, lynhurtig dataprocessering og mønstergenkendelse, som den nu har (og som vi mennesker ikke i samme grad har). I en sagsbehandling vil en computer fx kunne foreslå: “Jeg synes, at denne sag minder om sag A234-B fra 1998, hvor NN besluttede, at […].” En menneskelig sagsbehandler vil næppe kunne huske, overskue eller have læst alle tidligere sager, men computeren kan. Computeren vil til gengæld ikke kunne forventes at kommunikere gnidningsfrit med borgere og kunder, så det vil der stadig kræves mennesker til. Når du i fremtiden går på café, kan du roligt regne med, at din lokale barista stadig vil være et menneske. Ikke fordi robotter ikke duer til at lave kaffe, men fordi det at være barista også handler om sproglig og social interaktion, og fordi vi mennesker forstår hinanden bedre, end vi nogensinde vil forstå maskinerne og de os.  

 

Kunstig intelligens leder til begejstring. Begejstring for udsigten til et bedre liv, fx gennem mere præcis medicinsk diagnosticering og bedre vurdering af behandlingsmuligheder.  Computerprogrammet IBM Watson kan diagnosticere for hudkræft med 95 % nøjagtighed, hvor menneskelige eksperter maksimalt kan komme op på 84 %. Eller begejstring for muligheden for, at robotter kan overtage de mest farlige eller sundhedsskadelige jobs som at lede efter overlevende efter jordskælv i områder med stor nedstyrtningsfare. Og begejstring for udsigten til, at vi måske i fremtiden kan få vores egen private husholdningsrobot, som kan støvsuge, rydde op, lave mad og holde styr på vores aftaler.
 

Kunstig intelligens leder på den anden side til frygt. Frygt for, at robotter vil overtage verdensherredømmet, eller måske i mindre skala dit og mit job (jeg kan dog garantere, at denne artikel ikke er skrevet af en robot). Eller frygt for, at vi kan blive magtesløse over for robotters, af og til forkerte, beslutninger. En britisk kvinde fik permanent lukket hendes Instagram-konto i forsøget på at poste et billede af en usædvanlig vellykket påskekage med små marcipankugler på toppen, som repræsenterede Jesus og hans disciple. Instagrams billedgenkendelsesprogram troede, at de små marcipankugler var brystvorter, og i autosvaret fra programmet stod der: “Vi forstår, at forskellige mennesker har forskellige idéer om, hvad der er OK at dele på Instagram, men for at holde Instagram sikkert bliver vi nødt til at kræve, at alle overholder retningslinjerne.” Et menneske ville aldrig have begået den fejl, men på den anden side kan et menneske heller ikke tjekke de 80 millioner billeder, der hver dag bliver postet på Instagram.  
 

Racistiske computere og førerløse biler

Både begejstringen og frygten er reel nok. I World Economic Forums rapport fra 2017 over globale risici bliver kunstig intelligens udpeget som det tekniske område, der har de største potentielle fordele, men også de største potentielle negative konsekvenser. Det er måske ikke så overraskende, når man tænker på, at kunstig intelligens netop handler om at erstatte menneskelige kognitive funktioner med computere. Det kan være til kæmpe hjælp, men det kan også misbruges, eller vi kan have for blind tillid til computernes vurdering af en situation. I USA har man forsøgt sig med selvlærende computerprogrammer til at vurdere kriminelles risiko for at lave ny kriminalitet. Det ledte til et racistisk computerprogram, som overvurderede risikoen for kriminalitet blandt sorte og undervurderede risikoen blandt hvide.


 

Disse eksempler peger på en række etiske dilemmaer ved kunstig intelligens. Kan vi tillade computerprogrammer med indlært fordomsfuldhed at skulle beslutte, om kriminelle skal tilkendes prøveløsladelse? Kan vi tillade computerprogrammer at vælge medicinsk behandling til alvorligt syge patienter, velvidende at disse computerprogrammer af og til vil begå dumme fejl? Det mest almindelige svar er, at vi skal sørge for, at der er mennesker med i loopet, så computerne ikke tager den endelige beslutning, men blot rådgiver menneskelige eksperter. Men vi mennesker lader os jo også påvirke af rådgivere, så det er næppe nok til at få problemet til helt at forsvinde. I nogle tilfælde er det også decideret umuligt at få et menneske med i loopet: En førerløs bil kan ikke nå at spørge bilisten, hvis liv den skal prioritere, hvis en ulykke er uundgåelig. Den bliver nødt til at være forprogrammeret til at træffe etiske beslutninger, og er det så producenten eller bilisten, der får ansvaret for at programmere disse? Hvem har ansvaret, når der sker en ulykke?
 

Intelligens er ikke bare intelligens

Mennesker er klogere end krager, men alligevel kan visse krager huske 30.000 forskellige gemmesteder for forråd, hvor vi mennesker knapt kan huske, hvor vi har lagt vores nøgler eller mobiltelefon, eller hvor vi sidst har stillet cyklen. Der er altså forskellige former for intelligens, og de forskellige former har forskellige styrker og svagheder. Det samme gør sig gældende med menneskelig intelligens over for kunstig intelligens.
 

Computere er endnu bedre end krager til at huske alt det, de ser, og moderne computere har en exceptionel beregningskraft, som gør, at de kan overskue et langt større antal muligheder, end vi mennesker nogensinde kommer til – om det så er forskellige trækmuligheder i skak, forskellige behandlingsmuligheder for kræft eller forskellige ruter fra Hanstholm til Korsør. Computerprogrammet IBM Watson blev i 2011 verdensmester i Jeopardy, ikke ved at have en dyb forståelse for sprog eller verden udenfor, men ved at kunne læse en million bøger i sekundet og dermed kompensere for sin manglende forståelse med en ekstrem evne til at processere store mængder data.
 

Menneske versus maskine

Udviklingen af kunstig intelligens startede allerede i de tidlige 1950’ere, ganske kort efter den første generelle computer så dagens lys. Man gik straks i gang med at forsøge at få computere til at gøre nogle af de ting, som er allersværest for os mennesker: at spille skak, løse IQ-tests og løse komplicerede matematikopgaver – og man lykkedes med det. Det betød, at mange forskere i kunstig intelligens allerede i slutningen af 1950’erne forventede, at menneskelignende kunstig intelligens var lige om hjørnet. Men det var det ikke. Man havde overset to afgørende ting:
 

At den menneskelige hjerne uden sammenligning er det mest komplekse fænomen i naturen, som ikke let lader sig efterligne på en maskine (om det da overhovedet er muligt).
 

At intelligens ikke bare er intelligens, og at det, at en computer kan ting, som vi mennesker synes er svært, ikke nødvendigvis er et tegn på høj intelligens hos computeren.
 

Senere er det blevet mere og mere tydeligt, at ligesom der er ting, som computere har væsentligt lettere ved end mennesker, fx at blive stormester i skak, er der ting, som er lette for os mennesker, men utroligt vanskelige for computere. Fx kæmper computere og robotter stadig med at blive gode til sprogbeherskelse og social intelligens.
 

Social intelligens – og mangel på samme

Computere kan ikke beherske sprog på noget, der ligner menneskeligt niveau, bl.a. fordi de har en ren statistisk tilgang til sproget frem for at have lært sprog i interaktion med den virkelige verden, som vi mennesker har. Det betyder, at selvom der for tiden er en kraftig vækst i chatbots som Siri på iPhone eller Alexa på Amazon Echo, så kan man stadig ikke føre en overbevisende samtale på et par minutter med en chatbot, uden at det bliver tydeligt, at det netop er en maskine og ikke et menneske.
 

Ligeledes er social intelligens et meget svært område for computere. Vi mennesker er udstyret med en evne til at sætte os i andres sted og derigennem gætte, hvad andre tænker eller forsøger at opnå. Denne evne er afgørende for effektiv kommunikation, for samarbejde mellem mennesker og for at kunne tage hensyn til vores medmennesker. Hvis du kommer forbi en kollegas kontor med en besked, men vælger at komme tilbage senere, fordi hun taler i telefon, er det et eksempel på social intelligens. Når en TUG-hospitalsrobot i samme situation blot braser ind på kontoret og bliver ved med at gentage “TUG er ankommet”, indtil kollegaen bliver vanvittig, er det et eksempel på mangel på social intelligens.
 

Maskinen kan ikke erstatte mennesket

Kunstig intelligens er altså endnu langt fra at kunne erstatte alle menneskets kognitive funktioner.  Det er vigtigt at forstå, at det at lave en computer, som er sprogligt og socialt intelligent, ikke kun er et spørgsmål om at have computerkraft nok. Vi skal også vide, hvordan vi skal udnytte den computerkraft. Så længe vores forståelse af, hvordan disse ting fungerer i den menneskelige hjerne, er meget begrænset, er det umuligt at simulere på en computer. Begrænsningen ligger altså ikke i computerkraften, som vi har rigeligt af, men i vores evne til at udnytte den til at efterligne afgørende kognitive evner som sprog og social intelligens.
 

Kunstig intelligens i dag excellerer stadig ved den type opgaver, som de excellerede ved i 1950’erne og 1960’erne: afgrænsede, veldefinerede opgaver med klare regler. Derfor er de meget gode til skak, men meget dårlige til at smalltalke. Med tiden bliver de dog bedre og bedre, også til opgaver, som er mindre afgrænsede, fx at spille Jeopardy eller styre en bil. Her er der stadig et afgrænset problem at løse og et sæt regler at følge, men reglerne er meget mindre entydige end i skak. En anden ting, som computere excellerer i, er evnen til at håndtere enorme mængder data og finde mønstre i dem, så længe disse mønstre er tilstrækkeligt entydige. Det er denne evne, som gør, at computere kan bruges til billedgenkendelse, hvad enten det handler om at filtrere billeder på Instagram, genkende hudkræft eller for en førerløs bil at genkende andre trafikanter.
 

Strøm til dit job?

Hvis man skal forstå, hvilke af ens arbejdsopgaver der realistisk set kan overtages af kunstig intelligens, skal man prøve at tænke på de ovennævnte karakteristika for kunstig intelligens i dag. Hvilke af mine arbejdsopgaver er meget veldefinerede og afgrænsede, så der kan opstilles relativt klare regler for dem? Den slags opgaver kan man sætte strøm til. Det kunne være at tjekke, om ansættelseskontrakter eller rejseafregninger overholder de formelle krav, eller endda automatisk at generere (et bud på) en færdig rejseafregning ud fra rejsedokumenter og kvitteringer. Hvis man vil lave en chatbot, som man kan bruge til at kontrollere musik, lys og varme i sin bolig, er det relativt ligetil. Det er tilstrækkeligt afgrænset. Hvis man imidlertid vil lave en chatbot, som kan blive Borgerservice-medarbejder i en kommune, er det langt mere udfordrende (det er blevet forsøgt i flere danske kommuner siden 2007, men blev opgivet igen omkring 2012). Det er ikke tilstrækkeligt afgrænset.
 

I hvilke af mine opgaver er der mange sager eller tilfælde, som er ens, og som skal behandles ens? Den slags opgaver kan man også sætte strøm til. Det kan være medicinsk diagnosticering, hvor de samme symptomer i de fleste tilfælde bør lede til samme behandling. Det er opgaver, som læger indtil videre løser stort set manuelt. Eller det kunne være gennemsøgning af et stort antal dokumenter for at finde dem, som er relevante for et specifikt søgsmål – en opgave, som ellers normalt udføres af advokater. Men til de opgaver, hvor reglerne ikke er klare, eller hvor normerne for korrekt handlemåde hele tiden er i bevægelse (fordi regler eller praksis ændres), kræves der endnu varme hænder. Og der kræves varme hænder til den direkte menneskelige kontakt: at håndtere sprog og social intelligens.
 

Jobfunktioner snarere end jobs

Langt de fleste jobs kræver, at man både er god til sproglig kommunikation, har nogle sociale evner og kan sætte sig i andres sted. Da den slags evner er nogle af de allersværeste at efterligne på en maskine, er de fleste jobs ikke i umiddelbar fare for at blive erstattet helt af computere. Vi vil formodentlig i langt højere grad se jobfunktioner blive erstattet, ligesom en sekretær i dag har en lang række digitale værktøjer til at skrive dokumenter, rette fejl i dokumenter, bestille rejser, holde styr på budgetter osv. Denne udvikling vil fortsætte, og fremtidens digitale hjælpemidler bliver langt mere avancerede og fleksible at bruge, end dem vi har i dag ­– uden at der altså er nogen klar udsigt til, at systemerne kan overtage vores kreativitet, fleksibilitet, sprogbeherskelse og sociale intelligens.
 

Vi skal nok snarere indstille os på, at fremtidens opgaveløsning bliver en symbiose mellem den menneskelige og den kunstige intelligens. Kombinationen af menneske og maskine kan nemlig være mange gange stærkere end menneske eller maskine alene. Hvis en menneskelig stormester i skak får hjælp fra en kraftig skakcomputer til at foreslå mulige træk, vil kombinationen af de to være langt stærkere end nogen skakspiller eller nogen skakcomputer alene. Kombinationen af menneske og maskine er også i de fleste tilfælde helt nødvendig, da maskiner – som vi har set ovenfor – jævnligt begår fejl. Vi mennesker skal være der til at tjekke computernes beregninger for fejl, ligesom vi omvendt bruger computere til at tjekke vores beregninger for fejl. Tænk bare på lommeregnere. 
 

Computeren bliver en slags assistent med de styrker inden for lagring af store datamængder, lynhurtig dataprocessering og mønstergenkendelse, som den nu har (og som vi mennesker ikke i samme grad har). I en sagsbehandling vil en computer fx kunne foreslå: “Jeg synes, at denne sag minder om sag A234-B fra 1998, hvor NN besluttede, at […].” En menneskelig sagsbehandler vil næppe kunne huske, overskue eller have læst alle tidligere sager, men computeren kan. Computeren vil til gengæld ikke kunne forventes at kommunikere gnidningsfrit med borgere og kunder, så det vil der stadig kræves mennesker til. Når du i fremtiden går på café, kan du roligt regne med, at din lokale barista stadig vil være et menneske. Ikke fordi robotter ikke duer til at lave kaffe, men fordi det at være barista også handler om sproglig og social interaktion, og fordi vi mennesker forstår hinanden bedre, end vi nogensinde vil forstå maskinerne og de os.