Vi flytter os fra en verden der er kultur, der laver teknologi, til en verden der er kultur, der betjener teknologi, der laver teknologi. Vi bliver siddende i vores jolle ovenpå, men det teknologiske farvand under os bliver dybere og dybere.
Antikythera-mekanismen blev fundet på 60 m vand, den 17. maj 1902, på et græsk oldtidsvrag ved øen Antikythera, nordøst for Kreta. Den lignede en sten, men en dykker ved skibsvraget lagde mærke til at der tilsyneladende var tandhjul indlejret i den. Mekanismen er et kompliceret værk af med mere end 30 tandhjul. En kompleksitet, der er på niveau med ure fra 1900-tallet, ikke som de maskiner man ellers kendte fra oldtiden. Mekanismen repræsenterer simpelthen en viden, man ikke forestillede sig oldtiden havde, før man fandt den - og af samme grund gik der mange år før man overhovedet kom igang med gode gæt på hvad det overhovedet er maskinen kan. Idag mener man at mekanismen kan beregne positionen af forskellige himmellegemer med høj præcision, og ser den som verdens ældste kendte analoge computer - ikke bare som et overraskende fortidsur.
Der har været masser af bud på rekonstruktioner af maskinen, så man kan komme til at se den i funktion, og på den måde finde ud af hvad det egentlig er computeren beregner. Men det er altså ikke mange oldtidsfund, der er så gådefulde. Normalt er gåden mere spørgsmålet om de kulturelle vaner omkring tingenes, ikke konkret funktion. Den meste af den viden vi mangler, og kan søge, om oldtiden er kulturel, ikke teknologisk, og særlig i den græske oldtid - som havde en rig skriftkultur - er det sproget vi har vores viden fra, og sproget vi gemmer vores viden i. Sådan har det været i nogle tusinde år. Det er sproget, der har gjort os kloge. Sproget har syntetiseret kulturen rundt om os, og det er sproget der har fanget vores viden. I den forstand er Antikythera-mekanismen en spektakulær undtagelse. Den er designet, men ingen af os kender designet. Vi kender kun dets konsekvenser i form.
Når fremtiden finder vores egen tid frem fra en ny havbund, vil det se en del anderledes ud, for jo længere ud chokbølgen fra informationseksplosionen når, jo mere bliver vores viden aflejret i teknologiske artefakter, ikke i kulturelle artifakter.
Vi bliver hver dag lidt mere cyborgs - menneske/maskiner. Vi får mere og mere informationsteknologisk svømmehud mellem fingrene til at padle runde i verden med. I form af apps og mere og mere web, og mere og mere viden vi altid kan tilkalde fra skyen. Den teknik/kultur-mixede fremtid er i færd med at afsløre sig som en hvor viden ikke så meget er noget vi har som noget vi sørger for at de maskiner vi omgiver os med lagrer på en eller anden måde;. Det bliver mere og mere broget hvad det egentlig betyder at vide noget. Hvad er viden overhovedet?
I sin nye bog, Too Big To Know, gør David Weinberger os klart hvor almindelige de nye vidensformer er ved at blive, og hvor forskelligartede de er.
Hvad var de gamle vidensformer, da? I en naiv, idealistisk, fremstilling af viden, som den var de de gode gamle dage, så studerede vore forfædre verden i laboratoriet, eller ved at gå ud og se sig om i den. Fra det studium, tog man sine konklusioner om hvordanverden er. Konklusionerne bragte man så i sammenhæng, og skrev sammen til længere traktater, hvor man satte verden fagligt på plads. Arketypen for den slags viden er måske fysikken og matematikken - hvor års studier endelig fører til det ultimative destillat, nemlig de grundsætninger, der er verdens principper. De arketypiske bogværker fra den videnskultur er de store filosofiske traktater - Platons værker fra Antikythera-mekanismes oldtid, f.eks. Eller de store naturvidenskabelige værker. Newton skrev Principia, og formulerede sin 1., 2. og 3. lov - og så er billiardkugleuniverset, altså verden uden elektricitet, lys og kernekraft, på plads. Naturlovene er verdens indre sammenhæng, og resten er bare historier vi fortæller om den verden, der har disse egenskaber.
Springer man fra oplysningstidens gentlemanforskere til idag, konstaterer man at vores viden forlængst har overhalet vores sproglige kapacitet. Eller rettere: De bøger - altså fortællinger - vi har krystalliseret vores viden ud i, er blevet erstattet af mere effektive måder at fange viden på. Samtidig med at mediet for vores viden er skiftet fra det fortællende sprog, til andre og nye former, så har målsætningen med vores videnproduktion forandret sig. Hvis nu man ikke længere skal producere en bog, skal man så overhovedet bruge den fortællende røde tråd, det gjorde bogen læsbar?
Hvilken værdi har syntesen, nær dens primære hensigt - at skabe en linje gennem et stort korpus af viden - ikke længere er gyldig?
Hvis man skriver software idag, så er der en god chance for at man dagligt støder på websitet Stack Overflow. Stack Overflow har vendt genren "computerbog" på hovedet. Sitet fanger nu en overordentlig stor del af den viden, man har brug for i sin softwareudviklende hverdag, uden store korpus og 2 års grundkursus per emne, simpelthen som en massiv database af spørgsmål, med detaljerede svar, der peger helt præcist lige derhen i det samlede tekniske bibliotek, der løser spørgerens opgave. Hvis man er skolet på den gamle måde, og tænker helhedsorienteret - eller endda heroisk i softwareudviklerens apoteose(*), så lyder det jo helt forfærdeligt med den slags reaktiv problemløsning, men i en travl hverdag er det fantastisk effektivt til at omgå forhindringer.
Stack Overflow er den naturlige konsekvens af den videnseksplosion feltet oplever. Omkostningerne ved at vedligeholde sit eget tekniske bibliotek, og sin evne til at bruge det, er simpelthen for høje, og adgangen til ressourcer som Stack Overflow hjælper os med at undgå den omkostning. Stack Overflow er for programmøren hvad Wikipedia er for den stileskrivende gymnasieelev, på godt og ondt. En mulighed for at gå uden om det enorme besvær - at erobre sit eget suveræne overblik.
Spørgsmåler er så: Ved jeg overhovedet det jeg finder svaret på, på Stack Overflow? Puristen fra fortiden svarer klart nej. Skoleeleven og den travle og trætte programmør er tilbøjelig til et pragmatisk ja, men pointen her er, at puristen har mere ret. Det er samfundet på Stack Overflow. der er intellektet her. Vi andre bruger det bare.
Lad os tage den påstand længere ud, med et eksempel mere.
Filmsitet Netflix har gennem de sidste par år haft en konkurrence kørende om at forbedre sitets mulighed for at foreslå nye film at leje til sitets brugere, baseret på de film de iøvrigt kan lide.
Den måde man løser den type opgaver på, ser forenklet sådan her ud. Man laver en model af hvordan brugere rater film. I den propper man de ting man ved om brugeren - hvad han ellers har ratet hvordan - Modellen vil som regel afhænge af en hel masse parametre, og man bruger så data fra Netflix til at tune parametrene, så man får den mest troværdige nye rating.
rating = Model(film, bruger, parametre)
Det interessante for os er, at der ikke egentlig er så meget information i modellen - det er tit og ofte de samme slags modeller man bruger til alt muligt forskelligt fra film-ratings til fabriksoptimering til videogenkendelse. Kunsten består i at optimere modellens parametre så der kommer de helt rigtige ratings ud.
Når nu modellen kan betyde hvad som helst og ikke handler specifikt om film overhovedet, men bare er en mønstergenkender bliver det modelparametrene, der er den egentlige viden, ikke modellen. Og parametrene er altså ikke formuleret som en smuk historie om Netflix-brugeren, og hvad han eller hun er for en, og hvorfor de derfor foretrækker det ene eller andet. Historien er væk - der er kun den rene viden - "hvad foretrækker han?" tilbage.
Hvis det var nemt at påstå at vi skam stadig ved det vi ved, vi organiserer det bare anderledes, i Stack Overflow-eksemplet, så skulle Netflix-eksemplet gerne gøre det lidt sværere.
I den sidste uges tid dukkede endnu et illustrativt eksempel op i min linkstrøm. Der har været meget opmærksomhed omkring Stuxnet-ormen - et formodet israelsk cyberangreb på de fabrikker i Iran der beriger Uran til atombombeproduktion . Som Antikythera-mekanismen, er ormen et umådeligt sofistikeret værktøj af ukendt oprindelse. Eksperter har kunnet matche kodens funktion med visse helt bestemte Siemens industrikontrolsystemer, som det var kendt Iranerne brugte på deres atomfabrik.
Stuxnet-ormen har en slægtning, Duqu. Den angriber den samme type systemer, men de viruseksperter, der analyserer den, er stødt på det problem i analysen, at dele af den er skrevet i et sprog de ikke kan regne ud hvad er. Det relevante her er at man altså ikke alene - som med Stuxnet - ikke kender virussens design. Man ved end ikke hvilket værktøj den er designet med.
Den form for viden - og uviden - bliver der mere og mere af. Tilbage i 1970, da de første CPUer til de første mikrocomputere blev designet, kunne man lave dem i hånden. I en moderne CPU er der tæt ved en milliard enheder. Ingen designer kan redegøre for den præcise placering af alle dem.
Den form for maskine kan kun designes af andre maskiner - et menneske, der ikke allerede formulerer sig gennem andre maskiner, har ikke en chance for at bygge den slags.
I tilfældet Duqu er det formodentlig helt med vilje at man har valgt et eksotisk designværktøj for at gøre det sværere for os andre at følge med, men Duqus ukendte kildekode, og Netflix' tusindvis af parametre er i virkeligheden eksempler på det samme. Den kode Duqu-forskerne kigger på, er dataoutput fra andre stykker kode.
Den meget komplicerede maskine, er kun med allerbedste vilje designet af et menneske. I en ikke alt for fjern fremtid vil mere og mere af den viden der omgiver os være designet måske af mennesker, men af mennesker, der brugte maskiner, der var designet af maskiner, der var designet af maskiner, der var designet af maskiner. Og, hvad der er lige så interessant, Duqu og Stuxnet er ekstrasvære at forstå, fordi de handler så specifikt om ét eneste system i Iran, som de er designet til at angribe. Duqu og Stuxnet er superavancerede væsener, der læner sig op af en global infrastruktur og er bygget til at mønstergenkende en eneste fabrik i Iran og ødelægge den. For alle os andre, der ikke bliver genkendt, gør maskinerne simpelthen ingenting. Højt specialiseret viden, synlig overalt på kloden, men lavet af maskiner vi ikke kender, til maskiner vi ikke kender.
Den front der skaber fremtiden bliver større og større. Det betyder for os, at vi mere og mere ser løsninger der tager sig specialiserede ud, og som ikke primært er lagret til os som kultur vi kan forstå, men som overvældende mængder af data eller algoritmer - som i virkeligheden er præcis det samme.
Verden, som vi ser den, vil i stigende grad tage sig ud som Duqu-ormen eller Antikythera-mekanismen eller Netflix-algoritmen, der i virkeligheden er mere data end algoritme.
Vi flytter os fra en verden der er kultur, der laver teknologi, til en verden der er kultur, der betjener teknologi, der laver teknologi. Vi bliver siddende i vores jolle ovenpå, men det teknologiske farvand under os bliver dybere og dybere.
En af de fine ting ved alpevandring er at man hver dag synes at gøre det umulige. Bjergene ser jo enorme ud, men man kommer jo op og over dem. Det er god inspiration til allehånde "umulige" opgaver. Dagligt slid løser mange af dem. Det har så den bagside at det jo kun var et punkt man nåede - højt oppe fra kigger man bare rundt på alle de andre steder, man ikke nåede hen. Og dog. Gør man det nok gange, så begynder det alligevel at kunne anes, også på det store landkort. Korten ovenfor viser det meste af alperne - ihvertfald den vesteuropæiske del af dem, og de røde cirkler viser de steder jeg har besøgt efterhånden. Der mangler masser af steder, men der begynder dog at være en hel del sværte på kortet.
Hvis du nogensinde har taget det lille grundkursus i kommunikation, så har du helt sikkert set den model af kommunikation som Claude Shannon og Warren Weaver konstruerede i 1948, den ser ca sådan her ud
En kilde, anvender en afsender til at kode en meddelelse, så den kan transmitteres over en kanal, for siden at blive afkodet af en modtager til en destination.
Forskellige discipliner har lagt vægt på forskellige ting ved kommunikation, som beskrevet her. I den humanistiske tradition, interesserer man sig mest for kilden og destinationen, og altså egentligt mere for en model som bare er
og så handler diskussionen mere om under hvilke vilkår A og B kan blive enige om hvad kanalens budskaber egentlig betyder.
Hvis man er interesseret i den teknologiske side af sagen, så er det lige præcis det, den humanistiske vinkel forenkler væk, man er optaget af, nemlig
Hvad sker der her? To ting er særlig værd at tænke over. Det første - som vi gemmer til senere - er kanalens beskaffenhed. Det interessante ved kanalen er at alt hvad der befinder sig i den er kodet, altså omsat til symbolsk form. Det er kodningen der gør budskabet tilgængeligt til alt det symbolske maskineri Moore's lov har givet os. Med kodning og alt internettets symbolmaskineri kan man pludselig en masse. Kanaler kan flyttes hvorhen man har lyst. Koden kan lagres, Koden kan genudsendes. Koden kan manipuleres og fortolkes af maskiner, der så deler andre koder med os. Koden kan kopieres. - men alt det vender jeg tilbage til i en senere post.
Det andet er hvad afsenderen egentlig er for en størrelse. Hos Shannon og Weaver er det bare en boks. Tit ser man det hjælpsomt afbildet som om afsenderen er en mikrofon og modtageren en højttaler, men jeg synes det er mere frugtbart at forestille sig afsenderen som et kamera, og modtageren som en projektor, som her
Hvorfor er kameraet et bedre billede? Den humanistiske vinkel på kommunikation gør kommunikationen til en sag mellem A og B - men så medgørlig og friktionsløs er teknologi snart sagt aldrig. Kameraet peger - og ser kun hvad det peger på. Kameraet indrammer - måske ikke præcis det vi ønskede. Kameraet opfanger - både mere og mindre lys end vi håbede på.
Informationsteknologi er ikke spor neutral, den er mere besværlig end det - men ofte også meget mere magisk. Lad mig vise dig nogle eksempler.
Det første eksempel er i virkeligheden en hel kæde af eksempler. Timo Arnall lavede på ett tidspunkt denne magiske video af hvad maskinsynsrobotter egentlig ser, når de kigger på verden
Hvad lægger de mærke til i billederne? Hvad kan de måle som vi ikke kan overskue (hastigheder f.eks., eller store mængder af helt ens objekter) På tværs af alle eksemplerne forstår man at de seende maskiner konstant koder helt andre informationer end vi selv gør når vi kigger på filmen nedenunder de kodede data maskinerne ser. Til tider virker robotterns oplevelser fordummede - og vi overskuer billedet langt bedre, men andre af eksemplerne håndterer problemfrit massiv parallel information vi kun kan drømme om at overskue.
Tom Igoe, en foregangsmand i Physical Computing, lavede på et tidspunkt følgende billede af hvordan en normal computer egentlig ser os.
Som computeren oplever os har vi fingre - det kan trykke på knapper, et øje på skærmen og ører til lyden - resten af vores adfærd er maskinen blind for. Det er derfor vi kan være lige så rasende vi har lyst til, det skifter maskinen ikke opførsel af, vi kan læne os tilbage eller sidde ordentligt. Vi kan være i en flyver eller ved et skrivebord, det er altsammen ligemeget for computeren for den ser det ikke.
Konsekvensen af ikke at blive set af computeren blev først afsløret da vi allesammen lige pludselig blev set i uvante rammer, da ChatRoulette-feberen hærgede. Udover de utallige blottede kønsdele og andre pranks, så så man pludselig ind i en stor verden af henslængte mennesker der kedede sig i grimme omgivelser. Et kamera er ikke bare et kamera, vi optræder for det. Vi har den adfærd kameraet forventer af os - og det gælder også computeren-som-kamera. Vi negligerer det, den ikke lægger vægt på, og alle disse uiscenesatte rum kunne vi pludselig se med ChatRoulette.
Det hjælper ikke at pege på skærmen med fingrene - eller dvs. det hjalp ikke, indtil for en 4-5 år siden. Nu er umiddelbar berøring blevet standardvokabular for maskinerne. Tom Igoe burde egentlig lave sin tegning om, til en der var klar over hvor vi er - via en GPS, om vi bevæger os - via et accelerometer, og det er ikke en finger mere, den ser - det er faktisk det meste af en hånd, på skærmen.
Nogle gange ser computeren ting vi ønskede den ikke så. Forleden dukkede følgende historie op i min linkstrøm: En mand var kommet for skade at linke på Facebook til en usandsynlig vare på Amazon, nemlig et enormt kvantum glidecreme. Den utilsigtede konsekvens af det var at hans billede pludselig dukkede op som en slags anbefaling i annoncer for tøndevis af glidecreme på Facebook. På Facebook er enhver henvisning potentielt en anbefaling, og computeren var ude af stand til at se forskel på et skør-skør-verden ironisk link og en rigtig anbefaling. Man kan simpelthen ikke vise Facebook den forskel. Konsekvensen af sådan et system er nem at regne ud: Med tiden vænner man sig til at opføre sig som kameraet forventer og holder op med at se ud som en glidecremekunde. Vi optræder for kameraet, og retter vores adfærd ind efter de normer kameraet angiver for os. Det er nemmere bare at skrive om positive ting på FB.