Claude Shannon, den amerikanska matematikern och ingenjören som lade grunden för informationsteorin, skapade på 1950-talet en fascinerande labyrint som skulle komma att bli en milstolpe inom maskininlärning. Denna mekaniska mus, döpt till Theseus, var utformad för att navigera genom en komplex labyrint och lära sig den optimala vägen genom upprepade försök. Shannon’s labyrint var inte bara en leksak utan en tidig demonstration av artificiell intelligens och ett konkret exempel på hur entropi och information kunde tillämpas i praktiken.
Labyrinten bestod av ett rutnät med 25 rutor och flyttbara väggar, vilket möjliggjorde oändliga konfigurationer. Under ytan fanns sensorer som spårade musens rörelser. Efter att ha utforskat labyrinten kunde musen placeras var som helst den tidigare varit och direkt ta sig till målet tack vare sin inlärda erfarenhet. Om den placerades i okänt territorium, var den programmerad att söka tills den nådde en känd plats och sedan fortsätta till målet, vilket lade till ny kunskap till dess minne. Detta tidiga exempel på maskininlärning illustrerade principerna för informationsteori i praktiken, där osäkerhet (entropi) gradvis minskade genom inlärning och erfarenhet.
Shannon’s labyrint representerar en fascinerande skärningspunkt mellan teknik, mediehistoria och konst. Den förebådade dagens komplexa algoritmer för maskininlärning och väckte frågor om gränserna mellan människa och maskin som fortfarande är relevanta inom både akademiska och konstnärliga kretsar. Projektet demonstrerade också Shannon’s lekfulla sida och hans förmåga att konkretisera abstrakta koncept från informationsteorin. I dagens era av big data och AI fortsätter Shannon’s arbete, inklusive hans labyrint, att inspirera forskare, ingenjörer och konstnärer att utforska gränserna för information, lärande och kreativitet. Hans bidrag sträcker sig långt bortom den ursprungliga kontexten och fortsätter att forma vår förståelse av information och kommunikation i den digitala tidsåldern.