Hva er maskinlæring, nevrale nettverk og store språkmodeller? Hvordan brukes KI i forskning? Og hva er de etiske utfordringene? Alt du trenger for LK20.
01 / 07
🤖 Grunnlag
Hva er kunstig intelligens?
KI er evnen til datamaskiner og systemer til å utføre oppgaver som normalt krever menneskelig intelligens – som å gjenkjenne mønstre, forstå språk og ta beslutninger.
📖
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.
Maskinlæring lar datamaskiner lære fra data uten eksplisitt programmering. Dype nevrale nettverk er inspirert av hjernens oppbygning og driver dagens KI-revolusjon.
📊
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.
03 / 07
💬 LLM
Store språkmodeller (LLM) og generativ KI
ChatGPT, Gemini, Claude og lignende er store språkmodeller (LLM). De er trent på enorme tekstmengder og genererer svar ord for ord basert på sannsynlighet.
📝
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.
04 / 07
🔬 KI i naturfag
KI i naturvitenskapelig forskning
KI er i ferd med å revolusjonere naturvitenskapelig forskning – fra proteinfoldning til legemiddelutvikling og klimamodellering.
🧬
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.
05 / 07
⚖️ Etikk
Etiske og samfunnsmessige aspekter ved KI
KI reiser grunnleggende spørsmål om privatliv, skjevheter, ansvar og fremtiden for arbeid. LK20 forventer at du kan diskutere disse kritisk.
🔒
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?
06 / 07
🇳🇴 KI i Norge
KI i norsk samfunn og skole
Norge er blant verdens mest digitaliserte land. KI påvirker allerede norsk helsevesen, skole og næringsliv – og du vil møte det som velger, arbeidstaker og borger.
🏥
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.
07 / 07
📚 LK20
LK20-kobling og fremtidens KI
KI er nå eksplisitt nevnt i LK20 som tverrfaglig tema. Å forstå KI er en del av å være en opplyst samfunnsborger i det 21. århundret.
📖
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.