Det er vanlig å bruke datamaskin-metaforer i psykologien. Men er det meningsfullt å sammenligne mennesker med datamaskiner?
Prosessering i hverdagen
Med innføringsboken i kognitiv psykologi under armen finner jeg en ledig plass i den velkjente lesesalen. Jeg tar en slurk lunken student-kaffe mens jeg halvt motvillig åpner boken. Å “prosessere informasjon” er der og da fjernt fra min virkelighet.
Men allerede på første side av boken kan jeg lese at: «Cognitive Psychology is the scientific study of how people and animals process information» (1)Gilhooly, K., Lyddy, F., & Pollick, F. (2014). Cognitive psychology. London, UK: McGraw Hill.. Prosesseringen utfører jeg visst ved å ta inn masse input fra verden rundt meg, og så, ved bestemte regler, scripts og et memory store endrer jeg denne inputen til en output.
Det er rart å se datamaskin-begreper brukt på denne måten. Etter hvert som jeg leser blir jeg allikevel mer fortrolig med disse ordene, og jeg begynner sakte men sikkert å tro på dem. Datamaskin-språket dukker opp i mine egne setninger. Det er en slags bakvendt science-fiction: Ikke datamaskiner som påstår at de er mennesker, men mennesker som påstår at jeg er en datamaskin.
Denne tilnærmingen finnes ikke bare i lærebøkene. I tidsskriftet Cognitive Psychology, for eksempel, får jeg 943 treff når jeg søker etter artikler som inneholder ordet «processing». “information” gir 913 treff, mens “input” og “output” gir 467 og 320 treff, respektivt (2)https://www.sciencedirect.com/journal/cognitive-psychology. Datamaskinen står altså sterkt innenfor psykologien.
Men hva er en datamaskin? Og hvorfor bruke datamaskin-metaforer om mennesker?
«La oss kalkulere, min herre»
Helt siden logikken og geometriens framvekst i antikken har ideen om fornuft som en form for kalkulasjon vært sentral (3)Dreyfus, H. (1992). What computers still can’t do: A critique of artificial reason. Cambridge, MA: MIT Press.. Filosofen Leibniz håpet å kunne løse alle fornuftige diskusjoner ved å si «La oss kalkulere, min herre», for å så sette seg ned med penn og papir. Disse ideene ble konkretisert først i 1936, da Alan Turing beskrev Turing-maskinen. Ikke lenge etter ble maskinen bygget og kalt en “digital datamaskin”. Det er stor enighet om at denne maskinen fanger ideen om mekanisk kalkulasjon (Church-Turing tesen) (4)Walicki, M. (2017). Introduction to mathematical logic (Extended ed.). New Jersey, NJ: World Scientific Publishing Co..
En datamaskin er en ting som kan ta inn sekvenser av klart definerte tegn, for eksempel 0ere og 1ere (input) og ved hjelp av eksplisitte regler sende ut en respons på disse tegnene (output) (5)Walicki, M. (2017). Introduction to mathematical logic (Extended ed.). New Jersey, NJ: World Scientific Publishing Co.. Om menneskelig fornuft er kalkulering og datamaskiner kan gjøre alle kalkulasjoner, så er det naturlig å tenke at mennesker er datamaskiner.
Under «hvetebrødsdagene» til den kognitive revolusjon påsto for eksempel den innflytelsesrike psykologen og AI-eksperten Herbert Simon at alle psykologiske teorier ville kunne ta form av dataprogrammer (6)Dreyfus, H. (1992). What computers still can’t do: A critique of artificial reason. Cambridge, MA: MIT Press.. Enhver uenighet i psykologien ville kunne løses ved å si «La oss kalkulere, psykologer», for å så sette seg ned foran datamaskinen.
Prøv å være en datamaskin
Å se på mennesker som datamaskiner er altså en gammel idé. Derfor er det overraskende hvor banal teorien virker når en prøver å sette den ut i praksis (7)Wittgenstein, L. (1953). Philosophische Untersuchungen = Philosophical investigations. Oxford, UK: Basil Blackwell. (8)Dreyfus, H. (1992). What computers still can’t do: A critique of artificial reason. Cambridge, MA: MIT Press.. La oss anta en liten stund at vi faktisk er som datamaskiner. Jeg strukturerer dette som en dialog for å la poenget komme fram så klart som mulig. Oppgaven i dette eksempelet er for argumentets skyld veldig enkel. Du har en samling med klinkekuler, røde og blå, og skal sortere dem etter farge. Siden du er en datamaskin skal du kun følge eksplisitte regler.
Vi begynner med at du får kommandoen «sorter klinkekuler».
Hva skal du gjøre?
– Er ikke det åpenbart? Det er bare å sortere.
Husk at du er en datamaskin, og du kan ikke ta for gitt hva det vil si å «sortere». Du må ha en regel for dette også.
– Hva er så regelen for å sortere?
Legg de røde kulene til venstre og de blå til høyre.
– Greit. Det er lett. Da er det bare å begynne å sortere altså?
Vent vent! Hvordan vet du hva som er «høyre» og «venstre»?
– Skjønner. Jeg trenger en regel for det også.
Ja. Det er neimen ikke lett å finne.
– Hva med å si at venstre er den siden av kroppen hvor hjertet ligger mens høyre er motsatt?
Er det sånn du bestemmer høyre og venstre? Men greit nok. Jeg skal gi deg den for argumentets skyld. Da er det bare å fortsette.
– Hm. Jeg trenger vel fortsatt en regel for å finne ut hva en «side» er?
Stemmer.
– Og jeg trenger en regel for å skille rød fra blå!
Det gjør du nok.
– Hvordan skal jeg kunne finne det?
…
Du er velkommen til å fortsette dialogen til du finner en veldefinert regel.
Ubevisst syntaks?
Poenget med dialogen her var å vise at det ikke er mulig å bare følge regler. Å følge regler krever en bakgrunn av erfaring og praksis.
Her kunne Leibniz og co innvende at vi kun tilsynelatende gjør noe annet enn å følge regler. Egentlig følger vi regler uten å være klar over det, kunne de si. Dialogen ovenfor ville da fortsette ubevisst helt til den kommer fram til en veldefinert regel. Problemet er at en slik veldefinert regel må operere på veldefinerte mentale symboler. Hva skulle disse være for noe? Og, det er uansett tvilsomt at dialogen skulle fortsette, når dette strider mot vår egen opplevelse.
Datamodell og virkelighet
Troen på at mennesker er datamaskiner er altså den gamle ideen om at fornuftig atferd kan reduseres til å følge regler. Dette virker umulig å gjennomføre både i praksis og i teorien. Kanskje vi ikke er datamaskiner allikevel.
Men det er neppe tilfeldig at datamaskin-metaforene brukes så hyppig. Vi kan følge regler, altså “kalkulere”, om enn ikke hele veien til bunns. Derfor kan vi late som om vi er datamaskiner, av og til, hvis det skulle være nyttig, og spe på språket vårt med litt “prosessering” her og “input-output” der. Det er én mulig forenkling.
Som en foreleser jeg hadde påpekte: «Vi må lære oss en modell av virkeligheten, og så må vi lære oss at den ikke er virkelighet.» Dette har jeg i mente både når jeg sitter på lesesalen og lærer om informasjons-prosessering, og ikke minst når jeg tar data-metaforene i å snike seg inn i mitt eget språk, som om de var virkelighet.
Referanseliste