Kunstig
intelligens (KI)

Smal KI (ANI): Dagens KI-systemer er smal KI – de er svært gode på én oppgave (sjakk, bildegjenkjenning, språk) men kan ikke overføre kompetansen til andre oppgaver. Alle nåværende systemer er ANI.

Generell KI (AGI): Hypotetisk KI med menneskelig allsidighet – kan lære og løse alle typer problemer. Ingen vet om, eller når, AGI vil oppstå. Aktiv forskning og debatt.

Superintelligens (ASI): Hypotetisk KI som overgår menneskelig intelligens på alle felt. Kontroversielt og spekulativt. Noen ser det som en eksistensiell risiko; andre som svært usannsynlig.

Historikk: 1950: Turing-testen. 1956: KI-begrepet myntet. 1980-90: KI-vintere (overoptimisme → skuffelse). 2010-: Dyp læring-revolusjon. 2022+: Generative modeller (ChatGPT, DALL-E, Gemini).

Overvåket læring: Modellen trenes på merkede data (input → korrekt output). Eks: bilder av katter/hunder merkes manuelt → modellen lærer å skille dem. GPT-modeller trenes på tekst og forutsier neste ord.

Uovervåket læring: Modellen finner mønstre uten merkede data. Klusteranalyse, dimensjonsreduksjon. Eks: finne kundegrupperinger i salgsdata uten forhåndsdefinerte kategorier.

Forsterkningslæring: Modellen lærer via belønning og straff, som et dyr i en treningssesjon. AlphaGo og AlphaZero lærte å spille go/sjakk på verdensmesternivå ved å spille mot seg selv.

Nevrale nettverk: Lag av «nevroner» (matematiske funksjoner) som bearbeider signal. Input-lag → skjulte lag → output-lag. «Dyp» læring = mange skjulte lag. Konvolusjonsnettverk (CNN) for bilder, transformere for tekst.

Transformer-arkitektur: Introdusert av Google i 2017 («Attention is all you need»). Selvoppmerksomhet lar modellen vekte hvilke ord som er relevante for hverandre uavhengig av avstand i teksten.

Parametere: GPT-4 antas å ha ~1,8 billioner parametere. Parametere er tallverdier i nettverket som justeres under trening. Flere parametere → mer kapasitet, men ikke nødvendigvis smartere.

Hallusinasjon: LLM-er «finner på» fakta med selvsikkerhet. De er sannsynlighetsmodeller, ikke faktadatabaser. Alltid krysskontroller viktig informasjon fra LLM-er med andre kilder.

Multimodale modeller: Nyeste modeller kan behandle tekst, bilder, lyd og video. GPT-4V, Gemini og Claude kan «se» og analysere bilder. Generative modeller (DALL-E, Midjourney, Sora) skaper bilder og video.

AlphaFold: DeepMinds modell løste proteinfoldningsproblemet i 2020 – et 50-årig grunnproblem i biologi. Forutsier 3D-strukturen til proteiner fra aminosyresekvens med ekspertnøyaktighet. 200 millioner strukturer katalogisert.

Legemiddelutvikling: KI screener millioner av molekyler mot biologiske mål på dager. Det første KI-designede legemiddelet nådde kliniske studier i 2023. Kan halvere utviklingstiden for nye medisiner.

Klimamodellering: GraphCast (Google) og Pangu-Weather forutsier vær 10 dager frem med bedre nøyaktighet enn tradisjonelle modeller, på en brøkdel av beregningsressursene.

Astronomi: KI-algoritmer klassifiserer milliarder av galakser fra teleskopdata, oppdager eksoplaneter i Kepler-data og analyserer gravitasjonsbølgesignaler fra LIGO raskere enn mennesker.

Personvern: KI-systemer trenes på og analyserer enorme mengder persondata. Ansiktsgjenkjenning brukes av politiet i mange land. GDPR gir EU-borgere rettigheter, men håndheves ulikt.

Skjevheter (bias): KI arver skjevheter fra treningsdata. Ansiktsgjenkjenning feilidentifiserer mørkhudede oftere. Rekrutteringsalgoritmer diskriminerte mot kvinner. «Garbage in, garbage out».

Arbeidsliv: WEF estimerer at KI vil eliminere 85 millioner jobber men skape 97 millioner nye innen 2025. Rutineoppgaver (data-inndata, bokføring, standardisert skriving) er mest utsatt. Nye yrker: KI-trener, prompt engineer.

Ansvar og regulering: EU AI Act (2024): forbyr sosial scoring og manipulasjon. Risikobasert regulering av medisinsk KI, ansettelsesalgoritmer og kritisk infrastruktur. Hvem er ansvarlig når KI gjør feil?

Helse: Oslo universitetssykehus bruker KI til å analysere røntgenbilder. Folkehelseinstituttet bruker ML til sykdomsovervåkning. Jordmor-KI hjelper med risikoscreening i svangerskapet.

Skole og utdanning: KI-assistenter brukes av mange elever til leksejelp. Spørsmål om akademisk integritet, kritisk tenkning og hva skolen skal lære når KI kan svare på det meste.

Næringsliv: Equinor bruker KI til å optimere oljeutvinning og redusere utslipp. Bærekraftanalyse av leverandørkjeder. Fiskerinæringen bruker KI til bestandsestimering.

Din rolle: Som borger: stem informert om KI-regulering. Som arbeidstaker: lær å samarbeide med KI, ikke konkurrere. Som elev: kildekritikk, prompt-ferdigheter og forståelse av begrensninger.

LK20-kobling: «Eleven skal kunne vurdere bruken av teknologi og KI og diskutere muligheter og utfordringer». KI er del av bærekraft-temaet og digitalt kompetent borgerskap.

Vitenskapelig metode og KI: KI-modeller er ikke allvitende. De hallusinerer, har treningsdatautløpsdatoer og kjenner ikke lokale eller personlige fakta. Kritisk tenkning er viktigere enn noensinne.

Fremtidige trender: Agentisk KI (selvstendige oppgaveløsere) · KI i kanten (på enheter, uten sky) · Multimodal KI · KI i vitenskapelig oppdagelse · Kvantekomputing + KI.

Din mulighet: Norsk ungdom har unike forutsetninger for å lede i KI-utviklingen: høyt utdanningsnivå, tillit til institusjoner, demokratisk infrastruktur og sterke velferdssystemer som kan buffere overgangen.