År 2012 förutspådde tidningen Harvard Business Review att datavetare (data scientist) skulle bli århundradets ”sexigaste” yrke. Ett halvt årtionde senare verkar prognosen inte ha slagit helt fel. Sedan 2012 har de flesta prestigefyllda amerikanska skolor grundat tvärvetenskapliga institutioner och program i datavetenskap: Harvard, Columbia, Berkeley, New York University, Brown, Stanford, bara för att nämna några. År 2016 startade även Helsingfors universitet sitt eget program och i år gör Aalto detsamma. Samtidigt har flera företag i USA startat tre månaders intensiva ”träningsläger” (bootcamps) i datavetenskap. Webbsidor så som DataCamp – en sajt med kurser i programmeringsspråken R och Python, de viktigaste för alla ”datavetare” – växer så det knakar. På Google Trends kan vi se att sökningarna på orden ”data science” gått brant uppåt under de senaste fem åren.
Mitt i tillväxtyran är det ändå en central fråga som känns oklar: vad är datavetenskap, egentligen? Branschens evangelister brukar säga att en datavetare är bättre på programmering än de flesta statistiker och bättre på statistik än de flesta programmerare. Må väl stämma, men det besvarar inte frågan. I en bloggtext från 2013 skriver statistikprofessorn Andrew Gelman att statistik borde uppfattas som en del av datavetenskapen, men den minst viktiga. Någon form av datavetenskap är möjligt utan statistik så länge man kan programmera och använda databaser. Hadley Wickham, utvecklare av det populära datavetenskapliga programmet RStudio, menade i samma anda i en gammal bloggtext att datavetenskapen har en närmare relation till hur datan presenteras och hur den ser ut som produkt. En lärare på mitt program i kvantitativa metoder på Columbia University föreslog istället att en viktig vattendelare är att statistik är mera inriktat på att slutleda kausala sammanhang, medan datavetenskap är mera inriktat på att förutspå utan att alltid förstå orsakssambanden mellan prognosen. Men modellerna som används för att uppnå de här målen är ofta förbryllande lika varandra, endast med små nyansskillnader.
De här tekniska förklaringarna är giltiga, men lyckas inte ta vara på den politiska och affektiva dimensionen av frågan. Datavetenskapen står nämligen också för ett visst begär – det är en signifikant med ett helt annat innehåll än ordet statistik. Därför måste de flesta universitet istället för att bara expandera sina existerande program i statistik eller programmering, med pompa och ståt grunda nya program och institutioner för att attrahera unga förmågor med ett begär för data. Med vad är det som väcker detta begär?
Statistiken har historiskt sett varit nära anknuten till statsbygge och förvaltning. Statistiken var en del av en normaliserande makt som etablerade en relation mellan statsapparat och befolkning, maktens subjekt och dess objekt. Sålunda medverkade statistiken i dynamiken mellan vad filosofen Giorgio Agamben kallat för konstituerande makt, eller ”våldet som skapar lagen”, och konstituerad makt, eller ”våldet som upprätthåller lagen”. Befolkningsstatistiken har varit en del av våldet som upprätthåller lagen: den har gjort befolkningar till objekt för kunskap och därmed till något som statsapparaten kan administrera.
Jämför detta med hur datavetenskapen idag implementeras. Låt oss ta till exempel företag så som Uber och AirBnb, där datavetenskapen just tyglats till att skapa en viss produkt. De här företagen har dragit fram genom städer världen över och omdefinierat hela branscher, tvingat fram ny lagstiftning och förändrat hur vi lever och rör oss i urbana miljöer. De har gått in och skapat den nya lagen.
Det som ofta ligger bakom framgången av de här företagen är just förmågan att förutspå marknaden och reagera i realtid. De använder modeller som ”lär sig”, inom flera citationstecken, där koefficienterna anpassas allteftersom nya data blir tillgänglig. De enklaste modellerna börjar med koefficienter för ett antal kända x-variabler (x1, x2, … xn) som skall förutspå ett okänt y-värde. Skolboksexemplet är att förutspå bostadspriser på en marknad med variabler som antal rum, grannskap, våning och så vidare. Vad modellen ”lär sig” är värdet på y, som uppdateras då nya data kommer från marknaden. Den här typen av inlärning kallas för ”grund” (shallow), eftersom modellen är rätt så enkel och relationerna mellan de olika variablerna klara. Relationen mellan x och y är lineär. Modellen blir ”djup” då flera funktioner inbäddas i varandra för att uppnå icke-lineära resultat. Den här nivån av komplexitet hittar vi i neuronätverk, som ofta kan vara obegripliga även för de som skapat dem.
De här modellerna sätts i bruk liksom en gerillastyrka som anpassar sig till ett territorium och omintetgör den makt som tidigare härskat över det, i detta fall statsapparaten. Det är inte bara ett våld som skapar den nya lagen utan måhända ett våld som kontinuerligt omdefinierar vad som är möjligt. Just detta är etoset i Silicon Valley: att disrupt, störa. Sålunda handlar det inte nödvändigtvis ens om en konstituerande makt, utan om ett destituerande potential.
Medan den konstituerande makten alltid är låst i subjekt-objekt-relationen, är det destituerande potentialet för Agamben den typen av relation där den här distinktionen försvinner. Subjektet och objektet förs så nära varandra att utomstående administrativa gester blir maktlösa. Självständighetsrevolutionärerna i 1960-talets Algeriet eller Vietkong-styrkorna i Vietnam, hade en sådan relation till sitt territorium. Skillnaden mellan den konstituerande och destituerande makten är att den förstnämnda etablerar en ny konstituerad makt, medan den sistnämnda är ett slags kontinuerlig rörelse, ett anarkistiskt ideal av ett liv utan härskare. Det är just skimret av den här typen av destituerande potential som gör datavetenskapen så tilltalande, så sexig, mer än någon klarskuren distinktion till statistiken. Den står för något slags förändring. Men vilket slags förändring? För algoritmerna har flera objekt, däribland du och jag.
Sålunda är datavetenskapens inflytande idag ett eskalerande destituerande moment i relation till statsapparaten, men eventuellt en konstituerande process vars slutpunkt vi inte ännu kan urskilja. Vad är denna slutpunkt? Vad för lag inför det nya våldet? Det är nog en av vår tids ödesfrågor.
Mikael Brunila
