En filosof hävdar att en AI inte kan vara en konstnär

MED TILLSTÅND AV KONSTNÄRERNA



Den 31 mars 1913, i stora salen i konserthuset Musikverein i Wien, utbröt ett upplopp mitt under ett framförande av en orkestersång av Alban Berg. Kaos sänkte sig. Möbler var trasiga. Polisen arresterade konsertens arrangör för att ha slagit Oscar Straus, en föga ihågkommen kompositör av operetter. Senare, under rättegången, skämtade Straus om publikens frustration. Punchen, insisterade han, var det mest harmoniska ljudet på hela kvällen. Historien har gett en annan bedömning: konsertens dirigent, Arnold Schoenberg, har blivit den kanske mest kreativa och inflytelserika kompositören på 1900-talet.

Du kanske inte tycker om Schoenbergs dissonanta musik, som förkastar konventionell tonalitet för att arrangera skalans 12 toner enligt regler som inte låter någon dominera. Men han förändrade vad människor uppfattar musik som. Det är detta som gör honom till en genuint kreativ och innovativ konstnär. Schoenbergs tekniker är nu integrerade sömlöst i allt från filmmusik och Broadwaymusikaler till Miles Davis och Ornette Colemans jazzsolon.





10 banbrytande teknologier 2019

Den här historien var en del av vårt marsnummer 2019

  • Se resten av frågan
  • Prenumerera

Kreativitet är bland de mest mystiska och imponerande prestationerna i mänsklig existens. Men vad är det?

djur-människa hybrider

Kreativitet är inte bara nyhet. Ett litet barn vid pianot kan slå en ny sekvens av toner, men de är inte, i någon meningsfull mening, kreativa. Dessutom är kreativitet avgränsad av historia: det som räknas som kreativ inspiration i en period eller plats kan ignoreras som löjligt, dumt eller galet i en annan. En gemenskap måste acceptera idéer som är bra för att de ska räknas som kreativa.



Precis som i Schoenbergs fall, eller för hur många andra moderna konstnärer som helst, behöver denna acceptans inte vara universell. Det kanske faktiskt inte kommer på flera år – ibland avfärdas kreativitet av misstag i generationer. Men såvida inte en innovation så småningom accepteras av någon praktikgemenskap, är det inte meningsfullt att tala om det som kreativt.

Framsteg inom artificiell intelligens har fått många att spekulera i att människor snart kommer att ersättas av maskiner på alla områden, inklusive kreativiteten. Ray Kurzweil, en futurist, förutspår att vi år 2029 kommer att ha producerat en AI som kan passera för en genomsnittlig utbildad människa. Nick Bostrom, en Oxford-filosof, är mer försiktig. Han anger inget datum men föreslår att filosofer och matematiker skjuter upp arbetet med grundläggande frågor till superintelligenta efterträdare, som han definierar som att de har intellekt som avsevärt överstiger människors kognitiva prestanda inom praktiskt taget alla intresseområden.

Båda tror att när intelligens på mänsklig nivå väl produceras i maskiner kommer det att ske en explosion av framsteg – vad Kurzweil kallar singulariteten och Bostrom en intelligensexplosion – där maskiner mycket snabbt kommer att ersätta oss med massiva åtgärder inom varje domän. Detta kommer att inträffa, hävdar de, eftersom övermänsklig prestation är detsamma som vanliga mänskliga prestationer förutom att alla relevanta beräkningar utförs mycket snabbare, i det som Bostrom kallar speed superintelligens.

Så hur är det med den högsta nivån av mänsklig prestation – kreativ innovation? Är våra mest kreativa konstnärer och tänkare på väg att bli massivt överträffade av maskiner?



Nej.

Människans kreativa prestation, på grund av hur det är socialt inbäddat, kommer inte att ge efter för framsteg inom artificiell intelligens. Att säga något annat är att missförstå både vad människor är och vad vår kreativitet går ut på.

Detta påstående är inte absolut: det beror på de normer som vi tillåter att styra vår kultur och våra förväntningar på teknik. Människor har tidigare tillskrivit stor makt och geni till och med livlösa totems. Det är fullt möjligt att vi kommer att behandla artificiellt intelligenta maskiner som så oerhört överlägsna oss att vi naturligt kommer att tillskriva dem kreativitet. Skulle det hända beror det inte på att maskiner har överträffat oss. Det kommer att bero på att vi kommer att ha förnedrat oss själva.

Människans kreativa prestation, på grund av hur det är socialt inbäddat, kommer inte att ge efter för framsteg inom artificiell intelligens.

Jag talar också i första hand om maskinframsteg av det slag som nyligen setts med det nuvarande djupinlärningsparadigmet, såväl som dess beräkningsmässiga efterföljare. Andra paradigm har styrt AI-forskning tidigare. Dessa har redan misslyckats med att infria sitt löfte. Ytterligare andra paradigm kan komma i framtiden, men om vi spekulerar i att någon teoretisk framtida AI vars egenskaper vi inte kan beskriva på ett meningsfullt sätt kommer att åstadkomma underbara saker, det är mytskapande, inte motiverade argument om teknologins möjligheter.

Kreativ prestation fungerar olika inom olika domäner. Jag kan inte erbjuda en fullständig klassificering av de olika typerna av kreativitet här, så för att göra poängen kommer jag att skissa upp ett argument som involverar tre helt olika exempel: musik, spel och matematik.

Musik för mina öron

Bild av konstverk med hjälp av AI

I imaginärt landskap (2018)
Nao Tokui använder en maskininlärningsalgoritm för att skapa panoramabilder från bilder som finns i Google Street View och kompletterar dem med ljudlandskap skapade med artificiella neurala nätverk. MED TILLSTÅND AV ARITST

Kan vi föreställa oss en maskin med en sådan övermänsklig kreativ förmåga att den åstadkommer förändringar i vad vi förstår musik som, som Schoenberg gjorde?

Det är vad jag hävdar att en maskin inte kan göra. Låt oss se varför.

Datormusikkompositionssystem har funnits ganska länge. 1965, vid 17 års ålder, programmerade Kurzweil själv, med hjälp av en föregångare till de mönsterigenkänningssystem som kännetecknar djupinlärningsalgoritmer idag, en dator för att komponera igenkännbar musik. Varianter av denna teknik används idag. Algoritmer för djupinlärning har till exempel kunnat ta ett gäng Bach-koraler som indata och komponera musik som är så karakteristisk för Bachs stil att den lurar även experter att tro att den är original. Detta är mimik. Det är vad en konstnär gör som lärling: kopiera och fullända andras stil istället för att arbeta med en autentisk, originell röst. Det är inte den typ av musikalisk kreativitet som vi förknippar med Bach, strunt i Schoenbergs radikala innovation.

Så vad säger vi? Kan det finnas en maskin som, likt Schoenberg, uppfinner ett helt nytt sätt att skapa musik? Naturligtvis kan vi föreställa oss, och till och med tillverka, en sådan maskin. Givet en algoritm som modifierar sina egna kompositionsregler, skulle vi lätt kunna producera en maskin som gör musik lika annorlunda än vad vi nu anser vara bra musik som Schoenberg gjorde då.

Men det är här det blir komplicerat.

Vi räknar Schönberg som en kreativ innovatör, inte bara för att han lyckades skapa ett nytt sätt att komponera musik utan för att människor i den kunde se en vision om hur världen borde vara. Schoenbergs vision involverade modernitetens sparsamma, rena, effektiva minimalism. Hans innovation var inte bara att hitta en ny algoritm för att komponera musik; det var att hitta ett sätt att tänka på vilken musik är som gör att den kan prata med vad som behövs nu .

Vissa kanske hävdar att jag har höjt ribban för högt. Argumenterar jag, kommer de att fråga, att en maskin behöver någon mystisk, omätbar känsla för vad som är socialt nödvändigt för att räknas som kreativ? Det är jag inte – av två anledningar.

Kom först ihåg att när Schoenberg föreslog en ny, matematisk teknik för musikalisk komposition, ändrade han vår förståelse av vad musik är. Det är bara kreativitet av denna traditionsstridiga sort som kräver någon form av social känslighet. Hade lyssnarna inte upplevt hans teknik som att fånga anti-traditionalismen i hjärtat av den radikala modernitet som växte fram i början av 1900-talets Wien, hade de kanske inte hört den som något av estetiskt värde. Poängen här är att radikal kreativitet inte är en accelererad version av quotidian kreativitet. Schoenbergs prestation är inte en snabbare eller bättre version av den typ av kreativitet som Oscar Straus eller någon annan genomsnittlig kompositör demonstrerar: den är fundamentalt annorlunda till sin natur.

För det andra är mitt argument inte att skaparens lyhördhet för social nödvändighet måste vara medveten för att arbetet ska uppfylla normerna för genialitet. Jag argumenterar istället för det vi måste kunna tolka arbetet som att det reagerar på det sättet . Det skulle vara ett misstag att tolka en maskins sammansättning som en del av en sådan vision av världen. Argumentet för detta är enkelt.

Påståenden som Kurzweils att maskiner kan nå intelligens på mänsklig nivå antar att att ha ett mänskligt sinne bara är att ha en mänsklig hjärna som följer någon uppsättning beräkningsalgoritmer – en syn som kallas beräkningsteknik. Men även om algoritmer kan ha moraliska implikationer, är de inte själva moraliska agenter. Vi kan inte räkna apan vid en skrivmaskin som råkar skriva ut Othello som en stor kreativ dramatiker. Om det finns storhet i produkten är det bara en olycka. Vi kanske kan se en maskins produkt som fantastisk, men om vi vet att resultatet bara är resultatet av någon godtycklig handling eller algoritmisk formalism, kan vi inte acceptera det som ett uttryck för en vision för mänskligt bästa.

Av denna anledning, förefaller det mig, kan inget annat än en annan människa riktigt förstås som en genuint kreativ konstnär. Kanske kommer AI någon gång att gå bortom sin beräkningsformalism, men det skulle kräva ett steg som är ofattbart för tillfället. Vi skulle inte bara leta efter nya algoritmer eller procedurer som simulerar mänsklig aktivitet; vi skulle leta efter nya material som är grunden för att vara människa.

En molekyl-för-molekyl duplikat av en människa skulle vara människa på det relevanta sättet. Men vi har redan ett sätt att producera en sådan varelse: det tar ungefär nio månader. För tillfället kan en maskin bara göra något mycket mindre intressant än vad en person kan göra. Det kan skapa musik i stil med Bach, till exempel - kanske till och med musik som vissa experter tycker är bättre än Bachs egen. Men det är bara för att dess musik kan bedömas mot en redan existerande standard. Vad en maskin inte kan göra är att åstadkomma förändringar i våra standarder för att bedöma kvaliteten på musik eller för att förstå vad musik är eller inte är.

Detta är inte att förneka att kreativa konstnärer använder vilka verktyg de än har till sitt förfogande, och att dessa verktyg formar den typ av konst de gör. Trumpeten hjälpte Davis och Coleman att inse sin kreativitet. Men trumpeten är inte i sig själv kreativ. Algoritmer med artificiell intelligens är mer som musikinstrument än de är som människor. Taryn Southern, en fd amerikansk idol tävlande, släppte nyligen ett album där slagverk, melodier och ackord genererades algoritmiskt, även om hon skrev texterna och upprepade gånger justerade instrumenteringsalgoritmen tills den gav de resultat hon ville ha. I början av 1990-talet gjorde David Bowie det tvärtom: han skrev musiken och använde en Mac-app som heter Verbalizer för att pseudoslumpmässigt kombinera meningar till texter. Precis som musikbranschens tidigare verktyg – från inspelningsenheter till syntar till samplers och loopers – fungerar nya AI-verktyg genom att stimulera och kanalisera den mänskliga artistens kreativa förmågor (och återspegla begränsningarna för dessa förmågor).

trumfa på rymdutforskning

Spel utan gränser

Mycket har skrivits om framgångarna med djupinlärningssystem som nu är de bästa Go-spelarna i världen. AlphaGo och dess varianter har starka anspråk på att ha skapat ett helt nytt sätt att spela spelet. De har lärt mänskliga experter att öppningsdrag som länge ansetts vara ogenomtänkta kan leda till seger. Programmet spelar i en stil som experter beskriver som främmande och främmande. De är hur jag föreställer mig spel långt i framtiden, sa Shi Yue, en toppspelare i Go, om AlphaGos spel. Algoritmen verkar vara genuint kreativ.

I någon viktig mening är det så. Spelande skiljer sig dock från att komponera musik eller skriva en roman: i spel finns det ett objektivt mått på framgång. Vi vet att vi har något att lära av AlphaGo eftersom vi ser det vinna.

Men det är också det som gör Go till en leksaksdomän, ett förenklat fall som bara säger begränsade saker om världen.

Bild av konstverk med hjälp av AI

Anna Ridlers The Fall of the House of Usher (2017)
En 12-minuters animation baserad på Watson och Webbers stumfilm från 1928. Ridler skapade stillbilderna med hjälp av tre separata neurala nät: ett tränade på hennes ritningar, ett andra tränade på ritningar gjorda av resultaten från det första nätet, och ett tredje tränade på ritningar gjorda av resultaten från det andra. MED TILLSTÅND AV ARITST

oppa gangnam style video

Den mest grundläggande typen av mänsklig kreativitet förändrar vår förståelse av oss själva eftersom den förändrar vår förståelse för vad vi räknar som bra. För spelet Go, däremot, är godhetens natur helt enkelt inte aktuell: en Go-strategi är bra om och bara om den vinner. Människoliv har i allmänhet inte denna egenskap: det finns inget objektivt mått på framgång i de högsta prestationsområdena. Absolut inte inom konst, litteratur, musik, filosofi eller politik. Inte heller för den delen i utvecklingen av ny teknik.

Inom olika leksaksdomäner kan maskiner kanske lära oss om en viss mycket begränsad form av kreativitet. Men domänens regler är förutformade; systemet kan lyckas bara för att det lär sig att spela bra inom dessa begränsningar. Mänsklig kultur och mänsklig existens är mycket mer intressant än så här. Det finns normer för hur människor agerar såklart. Men kreativitet i genuin mening är förmågan att förändra dessa normer inom någon viktig mänsklig domän. Framgång inom leksaksdomäner är inget som tyder på att kreativitet av detta mer grundläggande slag är uppnåeligt.

Det är en knockout

En skeptiker kan hävda att argumentet bara fungerar för att jag kontrasterar spel med konstnärlig geni. Det finns andra paradigm för kreativitet inom det vetenskapliga och matematiska området. I dessa världar handlar frågan inte om en vision av världen. Det handlar om hur saker och ting faktiskt är.

Kan en maskin komma med matematiska bevis så långt bortom oss att vi helt enkelt måste ställa oss till dess kreativa geni?

Nej.

Datorer har redan hjälpt till med betydande matematiska prestationer. Men deras bidrag har inte varit särskilt kreativa. Ta det första stora satsen som bevisats med hjälp av en dator: fyrfärgssatsen, som säger att vilken platt karta som helst kan färgläggas med högst fyra färger på ett sådant sätt att inga två angränsande länder hamnar på samma (det gäller även för länder på ytan av en jordklot).

För nästan ett halvt sekel sedan, 1976, publicerade Kenneth Appel och Wolfgang Haken vid University of Illinois ett datorstödt bevis på detta teorem. Datorn utförde miljarder beräkningar och kontrollerade tusentals olika typer av kartor - så många att det var (och förblir) logistiskt omöjligt för människor att verifiera att varje möjlighet överensstämde med datorns syn. Sedan dess har datorer hjälpt till med en lång rad nya bevis.

Bild av konstverk med hjälp av AI

Elektrisk fläkt (2018)
Tom White använder perceptionsmotorer, algoritmer som destillerar data som samlats in från tusentals fotografier av vanliga föremål, för att syntetisera abstrakta former. Han testar och förfinar sedan resultaten tills de kan kännas igen av systemet. Elektrisk fläkt, med tillstånd av Tom White, mas '98, drib.net

Men superdatorn gör inget kreativt genom att kontrollera ett stort antal fall. Istället gör den något tråkigt ett stort antal gånger. Detta verkar vara nästan motsatsen till kreativitet. Dessutom är det så långt ifrån den typen av förståelse Vi tror normalt att ett matematiskt bevis bör erbjuda att vissa experter inte överhuvudtaget anser att dessa datorstödda strategier är matematiska bevis. Som Thomas Tymoczko, en matematikfilosof, har hävdat, om vi inte ens kan verifiera om beviset är korrekt, då är allt vi egentligen gör att lita på en potentiellt felbenägen beräkningsprocess.

Även om vi antar att vi litar på resultaten, är datorstödda bevis dock något som liknar analogen med datorstödd komposition. Om de ger oss en värdefull produkt är det mest på grund av människans bidrag. Men vissa experter har hävdat att artificiell intelligens kommer att kunna uppnå mer än så här. Låt oss då anta att vi har det ultimata: en självständig maskin som bevisar nya satser helt på egen hand.

Kan en maskin som denna massivt överträffa oss i matematisk kreativitet, som Kurzweil och Bostrom hävdar? Anta till exempel att en AI kommer med en lösning på något extremt viktigt och svårt öppet problem i matematik.

Förmågan till äkta kreativitet, den typ av kreativitet som uppdaterar vår förståelse av varelsens natur, ligger till grund för vad det är att vara människa.

Det finns två möjligheter. Det första är att beviset är extremt smart, och när experter på området går igenom det upptäcker de att det är korrekt. I det här fallet skulle den AI som upptäckte beviset applåderas. Maskinen i sig kan till och med anses vara en kreativ matematiker. Men en sådan maskin skulle inte vara bevis på singulariteten; den skulle inte överträffa oss i kreativitet så att vi inte ens kunde förstå vad den gjorde. Även om den hade den här typen av kreativitet på mänsklig nivå, skulle den inte oundvikligen leda till det övermänskligas rike.

Vissa matematiker är som musikaliska virtuoser: de kännetecknas av sin flyt i ett befintligt formspråk. Men genier som Srinivasa Ramanujan, Emmy Noether och Alexander Grothendieck omformade förmodligen matematiken precis som Schönberg omformade musiken. Deras prestationer var inte bara bevis på långvariga hypoteser utan nya och oväntade former av resonemang, som fick fäste inte bara på styrkan av deras logik utan också på deras förmåga att övertyga andra matematiker om betydelsen av deras innovationer. En tänkt AI som kommer med ett smart bevis på ett problem som länge har förvirrat mänskliga matematiker är besläktad med AlphaGo och dess varianter: imponerande, men inget som Schoenberg.

Det för oss till det andra alternativet. Anta att den bästa och smartaste algoritmen för djupinlärning lösgörs och efter en tid säger, jag har hittat ett bevis på en fundamentalt ny sats, men det är för komplicerat för även dina bästa matematiker att förstå.

Detta är faktiskt inte möjligt. Ett bevis som inte ens de bästa matematikerna kan förstå räknas inte riktigt som ett bevis. Att bevisa något innebär att du bevisar det någon . Precis som en musiker måste övertala sin publik att acceptera hennes estetiska koncept om vad som är bra musik, måste en matematiker övertyga andra matematiker om att det finns goda skäl att tro på hennes vision om sanningen. För att räknas som ett giltigt bevis i matematik måste ett påstående vara förståeligt och godkännas av någon oberoende uppsättning experter som har ett bra läge att förstå det. Om de experter som borde kunna förstå beviset inte kan, så vägrar samhället att godkänna det som ett bevis.

Operativsystemen för smartphones skiljer sig radikalt från de som används för surfplattor.

Av denna anledning är matematik mer som musik än man kanske trodde. En maskin kunde inte överträffa oss massivt i kreativitet eftersom dess prestation antingen skulle vara begriplig, i vilket fall den inte skulle överträffa oss massivt, eller så skulle den inte vara förståelig, i vilket fall vi inte kunde räkna den som ett kreativt framsteg alls.

Betraktarens öga

Ingenjörsvetenskap och tillämpad vetenskap är på sätt och vis någonstans mellan dessa exempel. Det finns något som liknar ett objektivt, externt mått på framgång. Du kan inte vinna på brobyggande eller medicin som du kan i schack, men man kan se om bron faller eller viruset elimineras. Dessa objektiva kriterier kommer till spel först när domänen är ganska väl specificerad: att komma med starka, lätta material, till exempel, eller läkemedel som bekämpar särskilda sjukdomar. En AI kan hjälpa till att upptäcka droger genom att i själva verket göra samma sak som den AI som komponerade vad som lät som en väl genomförd Bach-kantat eller kom på en briljant Go-strategi. Liksom ett mikroskop, teleskop eller miniräknare är en sådan AI korrekt uppfattad som ett verktyg som möjliggör mänsklig upptäckt – inte som en autonom kreativ agent.

Det är värt att tänka på teorin om speciell relativitet här. Albert Einstein är ihågkommen som relativitetens upptäckare – men inte för att han var den första som kom med ekvationer som bättre beskriver strukturen av rum och tid. George Fitzgerald, Hendrik Lorentz och Henri Poincaré, bland andra, hade skrivit ner dessa ekvationer före Einstein. Han är hyllad som teorins upptäckare eftersom han hade en originell, anmärkningsvärd och sann förståelse av ekvationerna menade och kunde förmedla den förståelsen till andra.

För att en maskin ska kunna göra fysik som i någon mening är jämförbar med Einsteins i kreativitet, måste den kunna övertyga andra fysiker om värdet av sina idéer minst lika bra som han gjorde. Det vill säga, vi måste kunna acceptera dess förslag som syftar till kommunicera sin egen giltighet till oss . Skulle en sådan maskin någonsin komma till stånd, som i liknelsen om Pinocchio, skulle vi behöva behandla den som en människa. Det betyder bland annat att vi måste tillskriva den inte bara intelligens utan vilken värdighet och moraliskt värde som är lämpligt för människor också. Vi är långt ifrån det här scenariot, förefaller det mig, och det finns ingen anledning att tro att det nuvarande computationalistiska paradigmet för artificiell intelligens – i dess djupinlärningsform eller någon annan – någonsin kommer att flytta oss närmare det.

Kreativitet är en av människans avgörande egenskaper. Förmågan till äkta kreativitet, den typ av kreativitet som uppdaterar vår förståelse av varelsens natur, som förändrar hur vi förstår vad det är att vara vacker eller god eller sann – den kapaciteten ligger till grund för vad det är att vara människa . Men den här typen av kreativitet beror på att vi värderar den och tar hand om den som sådan. Som författaren Brian Christian har påpekat börjar människor att agera mindre som varelser som värderar kreativitet som en av våra högsta möjligheter, och mer som maskiner själva.

Hur många människor har idag jobb som kräver att de följer ett förutbestämt manus för sina samtal? Hur lite av det vi vet som verkligt, autentiskt, kreativt och öppet mänskligt samtal finns kvar i denna urröjda charad? Hur mycket är det istället som den typ av regelföljning som en maskin kan göra? Och hur många av oss, i den mån vi låter oss dras in i den här typen av manusföreställningar, är också urröjda? Hur mycket av vår dag tillåter vi att fyllas med effektivt maskinliknande aktiviteter – att fylla i datoriserade formulär och frågeformulär, svara på klickbete som fungerar på våra basala, mest djurliknande impulser, spela spel som är designade för att optimera våra beroendeframkallande svar?

Vi riskerar även denna förvirring på några av de djupaste områdena av mänsklig prestation. Om vi ​​tillåter oss att säga att maskinbevis som vi inte kan förstå är äkta bevis, till exempel att avstå social auktoritet till maskiner, kommer vi att behandla matematikens prestationer som om de inte krävde någon mänsklig förståelse alls. Vi kommer att ta en av våra högsta former av kreativitet och intelligens och reducera den till en enda bit information: ja eller nej.

Bild av konstverk med hjälp av AI

The Butcher's Son (2018)
Mario Klingemann använde två GAN:er, en tränad på en datamängd av mänskliga poser och en tränad på pornografi, för att återge tusentals sammansatta bilder. Efter att ha utvärderat var och en för pose och detaljer valde han en att förfina till det färdiga arbetet. MED TILLSTÅND AV KONSTNÄREN

Även om vi hade den informationen skulle den vara av ringa värde för oss utan någon förståelse för orsakerna till den. Vi får inte förlora ur sikte den väsentliga karaktären av resonemang, som ligger till grund för vad matematik är.

Så också med konst och musik och filosofi och litteratur. Om vi ​​tillåter oss att glida på det här sättet, att behandla maskinkreativitet som ett substitut för vår egen, så kommer verkligen maskiner att verka obegripligt överlägsna oss. Men det beror på att vi kommer att ha tappat koll på den grundläggande roll som kreativitet spelar för att vara människa.

Sean Dorrance Kelly är filosofiprofessor vid Harvard och medförfattare till New York Times bästsäljande bok Allt som lyser .

Dölj

Faktisk Teknik

Kategori

Okategoriserad

Teknologi

Bioteknik

Teknisk Policy

Klimatförändring

Människor Och Teknik

Silicon Valley

Datoranvändning

Mit News Tidningen

Artificiell Intelligens

Plats

Smarta Städer

Blockchain

Huvudartikel

Alumnprofil

Alumnikoppling

Mit News-Funktion

1865

Min Syn

77 Mass Ave

Möt Författaren

Profiler I Generositet

Ses På Campus

Alumnbrev

Nyheter

Tidningen Mit News

Val 2020

Med Index

Under Kupolen

Brandslang

Oändliga Berättelser

Pandemic Technology Project

Från Presidenten

Cover Story

Fotogalleri

Rekommenderas