Kunstig intelligens vil føre til effektivitet og produktivitet

Dersom de største aktørene og mange eksperter innen AI har rett, vil AI føre til betydelig økt effektivitet og produktivitet i alt fra utdanning, daglig bruk og i vitenskapen. 

Retningen utviklingen tar er vanskelig å forutse. OpenAI ser blant annet på hvor teknologien tar oss, hvordan dette brukes, og hvor utfordringene og mulighetene vil være. 

Hvordan skal vi forholde oss til AI og forbedre oss på utviklingen?

 OpenAI lanserte nylig Sora, en tekst til video modell, og Google en betydelig bedre oppgradering av Gemini. Kunstig intelligens vil føre til mange flere positive endringer enn negative konsekvenser. Kunstig intelligens vil bidra til forskning, medisinsk utvikling, økonomisk vekst i fattige deler av verden, undervisning, økt produktivitet som følge av teknologisk utvikling. I tillegg kan det være et nyttig verktøy til kommersiell bruk. 

Kritisk og sentralt i hva mange kaller en «AI boom» er tilgangen på og utviklingen av kraftfulle GPU-er. En kraftfull GPU fører til et større potensiale - en modell som kan gjøre mer, forstå mer. Nvidia, ledende produsent (utvikler) av supercomputers, (server, GPU) som behandler forespørsler og utvikler modeller. 

Hva skjer deretter? Amazon(AWS), Microsoft(Copilot, Azure), Google(Gemini, Cloud), Apple Meta og flere. Da kan Nvidia eller Intel tilby til selskapenes egne «hyperscalers» for å trene, utvikle og tilby tjenester som ChatGPT, Sora og Gemini.

Med hastigheten av utviklingen har man en tidshorisont på 5/10/15 år for når man vil oppnå «AGI». Når en modell i fremtiden kan komme med nye vitenskapelige funn utenom effektiviseringen teknologien bidrar med i dag kan vi se hvor kraftfulle modeller kan være. Vi vil ikke ha tiår på oss, men måneder, få år på å ha infrastrukturen, systemet for å ha stabil og effektivt regulering ovenfor, men med AI tech-selskapene. 

 I dag er maskinlæring utbredt, men AI tar mer plass. Forskjellen mellom AI og maskinlæring er at AI omfatter ideen om maskiner som etterligner menneskelig intelligens, mens maskinlæring fokuserer på å lære maskiner spesifikke oppgaver ved å identifisere mønstre.

For å være forberedt på AI-utviklingen, bør Norge følge EU-reguleringer som DMA, DSA, og GDPR, unngå et eget reguleringsregime, og heller tilpasse seg EUs rammeverk. Insentiver og innovasjon er viktig, og samarbeid mellom EU og USA kan bidra til effektiv regulering. Det sies ofte at EU regulerer USA med innovasjon. Men det viktigste er at både USA og EU bidrar til insentiv og innovasjon - fremfor absolutte restriksjoner.

Det ingen myndigheter har nok av er kunnskapen om hvordan og hvorfor modellene oppfører seg som de gjør og ikke klarer å følge utviklingen. Det blir som å navigere samtidig som båten bygges. Kunnskap om modellene bak OpenAI ChatGPT, Google Gemini og Antropic vil være essensielt for at samfunnet skal kunne ta i bruk AI på en effektiv måte som bidrar positivt i arbeidsmarkedet, utdanningen og vitenskapen.

For å få økt kunnskap og økt selvstyring bør land gå sammen eller for seg selv og bygge opp kapasitieten til å trene modeller, noe Jensen Huang fra Nvidia har utalt seg om. Det Jensen kaller “sovereign AI” mener han er viktig for industrien og kunnskapen til myndigheter. Et godt eksempel er Googles datasenter i Skien. Jeg er veldig positiv til AI og utviklingen som kommer, men med proaktive rammeverk uten å hindre utviklingen av teknologien.

Istedenfor å tilpasse oss etter utviklingen som har kommet, må vi være klare for den teknologiske utviklingen. Vi må være klare for teknologisk utvikling da AI utvikler seg raskt. GPT-5, som kommer de kommende månedene, vil overgå GPT-4. Med AI som utvikles raskere enn myndigheter kan følge med -  og uten kontroll av nevnte aktører - kommer flere utfordringer samtidig. Noe som vill fått oss langt var dersom Norge alene, eller med andre land, kjøper nødvendig infrastruktur fra Nvidia eller Intel for å drive forskning og egen utvikling av AI-systemer. Noe Nvidias Jensen Huang kaller «Sovereign AI» ovenfor Bloomberg. Det er kanskje ikke realistisk med store prosjekter, men Googles datasenter er et eksempel på slik infrastruktur.

Til slutt er det viktig at vi unngår panikk. Vi må ha en proaktiv tilnærming. AI vil ikke ta over verden. Eksistensielle trusler er sjeldent sentralt i debatten, men heller den praktiske realiteten om hvordan samfunnet påvirkes - og reguleringer for å møte uønskede trusler og kommende kriser.