Statistikk, kunstig intelligens og profesjonelt skjønn by Universitetsforlaget

Hvilken type kunnskap ligger til grunn for profesjonelle valg og beslutninger? Hvilken kunnskap skal yrkesutøvere som skal hjelpe, pleie, undervise eller behandle støtte seg til? Kunnskap fra algoritmer får en stadig større plass i profesjoners virke. Hvilken rolle kan denne kunnskapen ha, når man tar valg og vurderinger som bører menneskers ve og vel? Kan algorit mene erstatte det profesjonelle skjønnet? Kan medfølelse gi en annen kunnskap enn det algoritmene kan? Denne boka gir en innføring i kunnskapsteori og redegjør for ulike former for kunnskaping, fra skjønn til algoritmisk, som statistikk og kunstig intelligens. Forfatteren legger vekt på kunn skap som profesjonelle benytter seg av og selv framskaffer. Boka er et alternativ til tradisjonelle vitenskapsteoretiske innførings bøker. Forskjeller mellom ulike typer kunnskap tydeliggjøres, fra den kunnskapen som det vitenskapelige eksperimentet gir, til kunnskap gjennom skjønn, innlevelse og medfølelse. Det er særlig lagt vekt på statistikk og kunstig intelligens som former for kunnskaping. Boka kan leses uten videre kjennskap til filosofi, vitenskapsteori og matematikk. Den egner seg som lærebok i metode og viten skapsteori på mastergradsnivå for studenter i en profesjons utdanning. Den kan også leses av profesjonelle yrkesutøvere som i det daglige må forholde seg til ulike kunnskapstyper. Thomas Dahl er professor i organisasjon og ledelse ved NTNU. Han har en doktorgrad i vitenskapsstudier, og han har som forsker jobbet i mange år med å studere ulike former for kunnskaping, i vitenskap, i helsevesenet, i skole, i industri og i frivillige orga nisasjoner. Han underviser i vitenskapsteori, forskningsmetode, læringsteori, organisasjonsutvikling og ledelse.

ISBN 978-82-15-05770-5

STATISTIKK, KUNSTIG INTELLIGENS OG PROFESJONELT SKJØNN

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 1

19.01.2022 11:31

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 2

19.01.2022 11:31

thomas dahl

STATISTIKK, KUNSTIG INTELLIGENS OG PROFESJONELT SKJØNN Om ulike former for kunnskaping

Universitetsforlaget

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 3

19.01.2022 11:31

© Universitetsforlaget 2022 ISBN 978-82-15-05770-5 Materialet i denne publikasjonen er omfattet av åndsverklovens bestemmelser. Uten særskilt avtale med rettighetshaverne er enhver eksemplarfremstilling og tilgjengeliggjøring bare tillatt i den utstrekning det er hjemlet i lov eller tillatt gjennom avtale med Kopinor, interesseorgan for rettighetshavere til åndsverk. Utnyttelse i strid med lov eller avtale kan medføre erstatningsansvar og inndragning og kan straffes med bøter eller fengsel. Henvendelser om denne utgivelsen kan rettes til: Universitetsforlaget AS Postboks 508 Sentrum 0105 Oslo www.universitetsforlaget.no Omslag: Ellen Lorenzen Sats: ottaBOK Trykk og innbinding: 07 Media – 07.no Boken er satt med: Utopia 10/14

NO - 1470

RKET TRY K ME RI KE

MIL JØ

Papir: 100 g Amber Graphic 1,25

IA – 2041

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 4

19.01.2022 11:31

ἡ ἐπιστήμη μὲν τὰ ἐπιστητά Kunnskap er det kunnskapte Aristoteles, De anima

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 5

19.01.2022 11:31

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 6

19.01.2022 11:31

Innhold

Forord . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Profesjonalitet og kunnskaping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Profesjonelle yrkesgrupper som jobber med mennesker . . . . . . . 19 Å jobbe med mennesker og med mennesket . . . . . . . . . . . . . . . . . . 21 Alt kan måles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Algoritme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Hva algoritmene ikke kan gjøre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Kunnskapingers historie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Kunnskapsteorier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Bokas metode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Bokas struktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 Løgn, forbannet løgn og statistikk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Løgn og signifikans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Florence Nightingale – statistikk som kunnskapsformidling . . . . 39 Ulike kunnskapstyper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Tekhne – kunst og teknikk. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Episteme og fronesis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 Intuisjon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Skjønn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 Profesjonelle beslutninger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 Universalieproblemet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 7

19.01.2022 11:31

innhold

Statistikkens ulike former for kunnskapsproduksjon . . . . . . . . . . . . 54 Ulike bruksområder for statistikk og ulik statistikk . . . . . . . . . . . . . 54 Frekventisme versus probabilisme . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 Ulikt forhold til sannhet og fakta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Iterasjon og hermeneutikk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

FREKVENTISME Algoritme for gjennomsnitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 Fra tall til algoritmer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 Det aritmetiske gjennomsnittet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 Gjennomsnittet? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Tall, tellinger, beregninger og feil. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 Algoritmer for feil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Pålitelige målinger? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Nøyaktige og unøyaktige mål . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 Gauss-kurven – gjennomsnittssannsynlighet . . . . . . . . . . . . . . . . . 76 Gauss-kurven – normal og universell . . . . . . . . . . . . . . . . . . . . . . . . . 78 Algoritmer for kunnskap om mennesket. . . . . . . . . . . . . . . . . . . . . . . . 80 BMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 Mennesket fødes, utvikler seg og dør etter lover . . . . . . . . . . . . . . . 83 5738 brystkasser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 Måling av intelligens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Variasjon – evolusjon versus regresjon . . . . . . . . . . . . . . . . . . . . . . . . . 89 The usual law of variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 Utvikling er ikke matematisk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 Normalfordelingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 Law of deviation from an average . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 Regresjon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 Varians, standardavvik og regresjon . . . . . . . . . . . . . . . . . . . . . . . . . . 101 Regulering av avvik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 8

19.01.2022 11:31

innhold

Eksperimentet som kunnskapsproduksjon . . . . . . . . . . . . . . . . . . . . . 106 Kunstig kunnskapsproduksjon. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 Tilfeldig utvalg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 Signifikanstest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 Gullstandarden – randomiserte, kontrollerte forsøk . . . . . . . . . . . 113 Effektmålinger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 Bieffekter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 Hawthorne-effekten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 Normalitet og generell intelligens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 De anormale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 The exact measure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 Kunstig intelligens som evne til diskriminering . . . . . . . . . . . . . . . . 128 Sånn er du . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 Psykometri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 Diagnostiske algoritmer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 Personlighetstester . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

PROBABILISME Fra tilfeldigheter til sannsynlighet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 Tilfeldighet – hazard – Tykhe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 Pascals maskiner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 Sannsynlighet og gradert viten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146 Bernoullis lov om store tall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 Jeg har ikke bruk for en slik hypotese . . . . . . . . . . . . . . . . . . . . . . . . . 150 Esprit de finesse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 Geometrien er unyttig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 Sannsynligheten av sannsynligheten . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 Det sannsynlige og det ikke-sannsynlige . . . . . . . . . . . . . . . . . . . . . . 159 Bayes’ teorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 Bayes, vin og individ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 Markov-kjeder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 9

19.01.2022 11:31

innhold

Personlighetstester – fra Big Five til Rasch . . . . . . . . . . . . . . . . . . . . . . 171 Frekventistisk personlighetstest. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 Rasch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

KUNSTIG INTELLIGENS OG MASKINLÆRING Den analytiske og tenkende maskinen . . . . . . . . . . . . . . . . . . . . . . . . . 179 Maskiner kan gjøre alt! . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 Verdens første computerprogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 Hullkortlogikk – algoritmer for algoritmer . . . . . . . . . . . . . . . . . . . . 184 0–1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 Ikke bare én logikk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 Intelligens – ikke tenkning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 Beslutningsproblemet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 Turing-testen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 Fra kommunikasjon til informasjon og informasjonsteknologi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194 The learning machine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198 Mennesker er som maskiner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198 Men er læringsteorien riktig? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 Dybdelæring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 Hjernen er neurale nettverk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 Maskinen vinner! . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 Ny algoritmisk produsert kunnskap . . . . . . . . . . . . . . . . . . . . . . . . . . 211 Randomisert intelligens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 «Bootstrapping» . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 Randomisert tenkning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 Randomiserte drømmer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 Kostbar læring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 10

19.01.2022 11:31

innhold

Hva algoritmer ikke kan og aldri vil kunne . . . . . . . . . . . . . . . . . . . . . . 225 Cogito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 Sensus communis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 Persepsjon og appersepsjon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230 Tenkning – sansning og fantasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 Signifikans på nytt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233 Kommunikasjon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236 Intensjonalitet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238 Innfølelse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240 Frankensteins skapning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242 Visdom og forståelse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244 Eudaimonia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245 Tolv ikke-tilfeldige råd for å ivareta det profesjonelle skjønnet . . . 248 Litteratur for den som vil utforske kunnskapsgrunnlaget for denne boka. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255 Referanser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 Register . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 11

19.01.2022 11:31

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 12

19.01.2022 11:31

Forord Da jeg begynte som professor ved NTNU, etter å ha jobbet som forsker i mange år i den private forskningsstiftelsen SINTEF, fikk jeg ansvaret for statistikken til studentene i ett av våre mastergradsprogrammer, master i skoleledelse. Grunnen var ikke at jeg absolutt ville det, selv om jeg alltid har vært opptatt av matematikk og betrakter matematikk som en del av allmenndannelsen. Snarere var det andre ting jeg heller ville jobbe med og undervise i, enn akkurat statistikk. Jeg har studert filosofi i mange år, og var og er mer interessert i tenkning som går utover den tenkningen som følger med matematikken. Jeg var også opptatt av det som har blitt mitt forskningsfelt: kunnskapsproduksjon. Hvordan genereres kunnskap? Av hvem, hvor og med hvilken hensikt? Jeg har forsket på og med ulike profesjoners bruk og utvikling av kunnskap. Jeg har selv en profesjonsutdanning som sivilingeniør. Der er både statistikk og sannsynlighetsregning en del av grunnutdanningen. De profesjonene jeg har forsket på, har ikke nødvendigvis det, siden de primært jobber med mennesker og ikke maskiner. I de profesjoner som jobber med mennesker, har statistikken fått en langt mer sentral plass enn den hadde for bare noen tiår siden. Mye skyldes at vi i dag har teknologi til å håndtere tall på en annen måte enn tidligere. Vi kan både behandle store menger tall, og vi kan enkelt gjennomføre avanserte regneoperasjoner av og med tallene. Noe av denne statistikken frambringer nærmest sjokk i befolkningen, som resultatene fra den første PISA-undersøkelsen av ferdigheter til elever i OECD-land for rundt 20 år siden. Slike «sjokk» resulterer i enda mer tall og statistikk, og skolen har i dag statistikk på alle nivåer: eleven, læreren, skolen, ledelsen, lokalt, nasjonalt og regionalt. Skolen er ikke alene. I helsevesenet ligger statistiske analyser til grunn for ulike «diagnostiske algoritmer», regneoperasjoner for å fortelle legen hvilken sykdom pasienten har. Under koronapandemien har vi med all tydelighet sett hvor mye statistikk som finnes om behandling, sykdomsutbredelse og dødsfall, og også hvor mye denne statistikken betyr i de politiske beslutningsprosessene. Sist,

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 13

19.01.2022 11:31

forord

men absolutt ikke minst, ser vi at statistikken spiller en langt mer sentral rolle i dag i framveksten av det som kalles kunstig intelligens. Den intelligensen er muliggjort gjennom statistikk, og den bruker selv statistikk til å utvikle seg selv. Dyp læring, som det heter i kunstig intelligens-feltet, er matematiske behandlinger av store mengder data, altså statistikk. Denne intelligensen finner en vei inn i profesjoners virke, i første rekke som et hjelpemiddel. Men det er også en diskusjon om ikke denne intelligensen kan overta mange profesjoners arbeidsoppgaver. Statistikken og matematikken erstatter mennesket. Myndighetene bygger opp egne enheter for å kunne analysere tallene om offentlig virksomhet. Det etableres kunnskapssentre og egne organer med «analysekompetanse», som NOKUT, Nasjonalt organ for kvalitet i utdanningen. De etterspør også «analysekompetanse» blant profesjonelle og ledere i offentlig virksomhet. Formålet er å høyne kvaliteten på offentlige tjenester, og typisk nok omtales de tallene som statistikken produserer, som «kvalitetsindikatorer». Nå finnes det mange som ikke ser på den plassen statistikken og tallene har fått, med positive øyne. I flere bøker finner vi de som kritiserer bruken av tall og målinger i dagens samfunn. Disse bøkene underbygger og bygger på en viss redsel for hva man kan finne på å gjøre med både matematikk og tallbehandlingssystemer. Facebooks og Googles algoritmer, som ikke er annet enn statistiske analyser, skaper frykt. Det er sikkert mye man kan stille seg kritisk til, men jeg mener det ikke nødvendigvis skyldes tallene og statistikken i seg selv. Det er ofte bruken av dem som lager problemer. Tall og statistikk kan brukes til nærmest alt, og leter du lenge nok, finner du de tallene du trenger. Myndighetene prøver derfor å regulere tallbruken, og de legger begrensninger for hvilken informasjon som kan samles inn, og hvordan den kan brukes. Det stopper selvsagt ikke Facebook og Google, og jeg mener derfor at man må nærme seg statistikken på en annen måte: ikke bare regulere bruken, men forstå hva det er statistikken og den kunstige intelligensen gjør, kan gjøre og ikke kan gjøre. Denne boka er et resultat av at jeg i mange år har slitt med å gjøre statistikk forståelig for dem som la vekk matematikken i grunnskolen, og som verken da eller senere har vært særlig glad i matematikk. Her mener jeg det er skolen som er problemet, ikke matematikken, men det er temaet i ei anna bok. De som ikke liker matematikk, og som ikke kan noe særlig matematikk utover enkle regneoperasjoner, må samtidig i sitt yrke

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 14

19.01.2022 11:31

forord

eller i kraft av sin profesjon forholde seg til statistikk. Matematikken sniker seg inn enten man vil det eller ikke. Ofte blir det statistikken som får siste ordet. Det kan være i form av nasjonale tester av elevers ferdigheter som forteller læreren hva eleven kan, og gjerne overprøver lærerens egen vurdering. Det kan være diagnostiske algoritmer som forteller legen hvilken sykdom pasienten har, og som overstyrer legens egne vurderinger. En årsak til det er at man ikke skjønner matematikken i statistikken. Statistikk er én måte å få fram kunnskap på, og den gir oss derfor én type kunnskap. I de fleste studier skal studentene ikke bare lære seg statistikk; de skal også lære seg vitenskapsteori. De skal lære hvordan vitenskap frambringer kunnskap. Vitenskapsteorien er i stor grad basert på filosofi, og filosofi kan være like utilgjengelig som matematikk for mange. I vitenskapsteorien snakker man om demarkasjon, som er betegnelsen på det som skiller vitenskapelig kunnskapsproduksjon fra annen type kunnskapsproduksjon. Men vitenskapsteorien sier ikke så mye om disse andre typene av kunnskapsproduksjon. Man kan bli forvillet til å tro at det bare er vitenskap som kan gi oss kunnskap. I tillegg har man det at mye av vitenskapelig kunnskapsproduksjon skjer med hjelp av statistikk, og vitenskapsteorien sier ikke så mye om den type kunnskaping. Denne boka handler derfor ikke om vitenskapsteori, annet enn at jeg betrakter vitenskapsteori som et smalt felt innenfor det langt større feltet kunnskapsteori. For å forstå hvordan profesjonelle, det være seg forskere, lærere, leger og andre, gjør sine valg, og hva det er klokt at de baserer sine valg på, bør vi forstå litt om hvordan kunnskap blir til, og hvilke former for kunnskap profesjonene frambringer og må forholde seg til. Denne boka vil derfor ikke bare gå inn på statistikkens og den kunstige intelligensens måte å produsere kunnskap på, men også se på kunnskaping mer bredt: Hvilke ulike typer kunnskap finnes, og hvordan kan de frambringes? Og med det følger spørsmålet: Hvilke typer kunnskap er det en profesjonell bør støtte seg til når hun eller han skal foreta sine profesjonelle vurderinger og utøve sitt profesjonelle skjønn? Det er mange som kan takkes for kunnskapsproduksjonen til denne boka. Arnljot Høyland var min lærer i sannsynlighetsregning på NTH. Mange år etter at jeg selv hadde vært student og selv skulle undervise i statistikk, gikk jeg tilbake til lærebøkene hans. Jeg kunne se at jeg hadde lest bøkene grundig og gjort mange notater underveis. Og jeg må åpenbart ha forstått hva som sto der, gitt de sluttvurderinger jeg fikk i faget. Men noen tiår etterpå skjønte jeg nesten ikke noe av det som sto der, ikke engang

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 15

19.01.2022 11:31

forord

mine egne notater. Nesten hele boka er skrevet i et matematisk språk som jeg kunne godt en gang og ikke hadde store problemer med å lese, men flere tiår senere hadde glemt. Men jeg må ha skjønt det en gang. Høyland var medvirkende til at jeg utviklet en forståelse av betydningen av sannsynlighet og tilfeldigheter, noe som jeg også har vært opptatt av som filosof. I mange metodebøker reduseres spørsmålet om sannsynlighet i statistikken til p-verdier, og da på en slik måte at man må gå inn i matematikken for å forstå det. Denne boka er et forsøk på å vise det som Høyland snakket og skrev om, uten å gå gjennom matematikken for å si det. En takk går også til den mastergradsstudenten som sukket høylytt da jeg som nyansatt professor med ansvar for statistikkundervisningen fortalte at i studiet inngikk et kurs i statistikk. Jeg hadde da nettopp forsøkt å lese Høylands bøker, og hadde en forståelse for at bare det å si «statistikk» innebærer at man skal inn i en verden hvor kompleks matematikk råder. Mange metodebøker starter med matematikken, og noen forblir der også. Både i undervisningen min og i denne boka handler det om å forstå statistikken uten matematikken. For selv om statistikk og matematikk bør være en del av allmenndannelsen, er det til syvende og sist ikke det som bør være det viktigste og mest avgjørende i profesjonelt virke. Formålet med boka er å bidra til at profesjonelle yrkesutøvere, spesielt de som i sitt virke forholder seg til enkeltmennesker, ivaretar og utvikler sin profesjonalitet. Den vil vise til hvilken rolle statistikken kan og bør spille når det blir spørsmål om profesjonelle vurderinger av enkeltindivider, det være seg pasienter, elever eller andre personer. Du som leser, får bare i begrenset grad innblikk i de algoritmene i statistikk og kunstig intelligens som behandler tallene som bidrar til kunnskap. Du vil derimot forhåpentlig få innsikt i de grunnleggende prinsippene for denne tallbehandlingen. Takk også til de studenter som har sukket over innføring i vitenskaps teori. Filosofi kan være like uforståelig som matematikk for mange. Å skjønne hva epistemologi og ontologi innebærer, kan være like krevende som å forstå standardavvik og statistisk signifikans. Boka her går ikke inn i noen vitenskapsteoretiske problemstillinger, men bruker den kunnskapen filosofi har frambrakt om kunnskap. I stedet for å fortelle om det filosofiske grunnlaget for grunnbegreper knyttet til kunnskap og kunnskaping vil jeg vise hva begrepene kan bety og innebære. Like lite som du trenger å være matematiker, trenger du å være filosof for å lese boka. Statistikk, kunstig intelligens og kunnskaping. Læring er et stikkord, i hvert fall for de to siste. Her skal også studentene ha en stor takk. De vi-

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 16

19.01.2022 11:31

forord

ser tydelig at læring ikke er en enkel ting, og det finnes ikke (ennå) noen læringsteori som entydig kan si hva læring er. Enkelte yrkesutøvere skal også ha en takk. Når jeg ikke bare har vært underviser, men også beveget meg ut i praksisfeltet, er det klart at spørsmålet «hva er læring» ikke er enkelt å svare på blant praktikere. Så hva er læring? Og så må selvfølgelig kunstig intelligens takkes. Denne boka kunne ikke vært skrevet i en utkant av Europa – Trondheim – uten hjelp av maskiner med algoritmer som har frambrakt ny kunnskap for meg. Uten søke systemet BIBSYS, som ble utviklet her i Trondheim, hadde tilgangen til litteratur vært vanskelig. Uten søkemotorer som har sporet opp ikke bare litteraturen du finner direkte brukt i boka, men også mye mer, nyttig og unyttig, hadde det ikke blitt ei bok. Søkemaskinene har, før jeg har tenkt hva jeg skal søke etter, gitt meg forslag til hva jeg bør søke på. Forslagene er ikke alltid gode, men noen ganger har de vært til stor hjelp. De har også gjort jobben til forlaget lettere: Alle mine skrivefeil har blitt fortløpende korrigert. Takk. Men fortjener denne hjelpen å bli kalt intelligent? Det vil denne boka gi svar på.

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 17

19.01.2022 11:31

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 18

19.01.2022 11:31

Profesjonalitet og kunnskaping Hva innebærer det å være profesjonell? Kapitlet viser til u like typer for profesjonalitet, og at profesjonalitet baserer seg på evnen til å frambringe kunnskap. Hvilke typer kunnskap er det profesjonelle som arbeider med mennesker, trenger? Florence Nightingale er et eksempel på en profesjonell som evnet å håndtere og frambringe ulike typer kunnskap. I dag opplever vi med statistikk, datamaskiners muligheter for tallbehandling og troen på at alt kan måles, en forskyvning av hvilken type kunnskap som regnes som viktig. Men hvilken kunnskap er det de produserer? Og kan de erstatte profesjonelle for å generere den kunnskapen som trengs i profesjonelt virke?

Profesjonelle yrkesgrupper som jobber med mennesker På hvilket grunnlag treffer profesjonelle sine beslutninger og valg? Vi som berøres av disse beslutningene og valgene, enten det er som elev, student, pasient eller klient, forventer at disse valgene ikke er vilkårlige. Vi forventer at de profesjonelle er i stand til å gjøre de riktige valgene. Vi trenger hjelp fra dem fordi de kan gjøre valg som vi selv ikke er i stand til. Vi trenger lærere, leger, sykepleiere, psykologer, sosialarbeidere, ja en rekke yrkesgrupper som bidrar til å gjøre våre liv bedre på en eller annen måte. Alle disse profesjonelle yrkesgruppene kan noe vi ikke kan. Det er da også en definisjon på en profesjonell. Den amerikanske sosiologen

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 19

19.01.2022 11:31

profesjonalitet og kunnskaping

Talcott Parsons (1902–1979) var med å grunnlegge profesjonssosiologien – studiet av profesjoner. Parsons definerte en profesjon som ei yrkesgruppe som var gitt et privilegium til å ivareta bestemte oppgaver i samfunnet. Dette privilegiet fikk de i kraft av å være i besittelse av bestemte ferdigheter, tilegnet gjennom lang utdanning: «Det sentrale for en profesjonell ligger i teknisk kompetanse» (Parsons 1939, 462). Parsons mente videre at denne tekniske kompetansen var basert på vitenskap, og vitenskap var ifølge Parsons «essensielt universalistisk» (ibid.). Vitenskap kunne gi en kunnskap som var allmenngyldig, og den profesjonelle hadde tilgang til den i form av lang utdanning og gjennom tilgang til forskning. Det var nettopp denne kunnskapen som regulerte hvem som fikk tilgang til bestemte yrker. Dette ligger i selve begrepet profesjon, som er basert på det latinske professio. Det betyr noe slikt som «jeg uttaler», «jeg deklarerer» eller «jeg sier det slik det er». Det er samme ordstammen som ligger bak den yrkesgruppa jeg tilhører: professor. Professorer er noen som har kompetanse til å si noe om hvordan noe er. Men det finnes yrker som ikke bare kan basere seg på teknisk kompetanse. Det er profesjonelle som i første rekke jobber med mennesker, og hvor den tekniske kompetansen ikke er tilstrekkelig. Disse yrkesgruppene har et spesielt ansvar for at vi har et samfunn som fungerer godt, og de har et spesielt ansvar for hver og en av oss. Det er de yrkesgruppene jeg har nevnt ovenfor, de vi som medlemmer av samfunnet møter i utdanning, når vi blir syke eller vi har behov for spesiell hjelp som angår oss som personer. Det er yrkesgrupper som jobber med mennesker. Disse profesjonene må også forstå seg på mennesker, og ikke minst: De må vite hvordan de kan få kunnskap om mennesker. Legen må kunne få kunnskap om deg som hjelper hun eller ham til nettopp å hjelpe deg. I den gamle førvitenskapelige medisinen snakket man om at legen måtte ta utgangspunkt i pasientens idiosynkrasi, det særegne med pasienten. Den tyske legen Christoph Hufeland, som var en av de mest kjente legene i verden i sin samtid, skrev at legen må «ikke bare ha kunnskap om sykdommen, men også om den syke, altså individet, det vil si: Den som er syk» (Hufeland 1838, 11). Derfor måtte legen ha kunnskap om idiosynkrasien til pasienten, det eiendommelige ved den enkelte. Denne kunnskapen om pasienten – det syke mennesket – hadde «vesentlig betydning for behandlingen» (Hufeland 1838, 14) som legen ville gi pasienten. Denne type kunnskap om mennesket, det enkelte individ, gjelder selvsagt ikke bare i medisinen. I alle yrker som skal hjelpe eller bistå oss

9788215057705_Dahl_Statistikk, kunstig intelligens og profesjonelt skjønn.indd 20

19.01.2022 11:31

ISBN 978-82-15-05770-5