Magma
28.02.2024
For de aller fleste av oss finnes det en rekke områder hvor ChatGPT og lignende modeller kan gjøre oss flinkere og mer produktive på jobb. Den muligheten er det viktig å gripe, ellers risikerer du å henge etter i arbeidslivet.
Større enn IT-boomen
2023 var året da alle snakket om kunstig intelligens, og Språkrådet kåret til og med KI-generert til årets ord. Men det ble langt mer enn en snakkis. I de internasjonale markedene avløste optimisme rundt kunstig intelligens frykten for økonomisk nedgang.
En drøy håndfull selskaper økte like mye i verdi som resten av de 1 400 andre selskapene i verden til sammen, og det førte til at aksjemarkedene steg med langt over tyve prosent. En slik konsentrasjon rundt ett tema slår til og med det vi opplevde under IT-boomen på 1990-tallet. Blant disse ti selskapene finner vi NVIDIA, som designer de raskeste databrikkene, Microsoft, som innlemmer kunstig intelligens i alle produktene sine, og Meta, som bruker det for å få folk til å henge lenger på Facebook og Instagram.
Det startet for over 70 år siden
Kunstig intelligens er ikke noe nytt. Jeg skrev om det i hovedoppgaven min ved Norges Handelshøyskole (NHH) på 1980-tallet, men selv da var det gammelt. Den første forskningskonferansen innen kunstig intelligens ble holdt i 1956, og allerede flere år før dette hadde den kjente kodeknekkeren fra andre verdenskrig, Alan Turing, beskrevet en metode for å sjekke om maskiner er intelligente.
Selv om de hadde modellene på den tiden, hadde de ikke kraftige nok maskiner og store nok datamengder til å lage nyttige systemer. Det har vi nå, og i de siste tiårene har de fleste av oss benyttet eller vært utsatt for systemer med kunstig intelligens. De fleste av disse er såkalte ekspertsystemer. Det vil si at noen har programmert inn sammenhenger i systemet som gjør det pålitelig og forutsigbart.
De nye modellene som ble kjent for de fleste av oss via ChatGPT, er laget på en helt annen måte. Her stapper man inn enorme mengder informasjon som kan være tekst, bilder og videoer. Deretter trener man opp modellene til å forstå sammenhenger. Selv om alt egentlig dreier seg om avansert matematikk samt prøving og feiling, så ligner disse modellene på de nevrale nettverkene som hjernen er bygd opp av. Dette gjør dem i stand til å lage tekster, sanger, bilder og videoer som ikke finnes fra før.
Denne kreativiteten har sin pris. På samme måte som mange av ideene vi kommer med i en idédugnad, egentlig er håpløse, vil modellene innimellom komme med dårlige svar. Det betyr at de egner seg til oppgaver hvor de kan hjelpe oss med ulike gjøremål, men de kan ikke brukes til oppgaver som å overføre penger mellom bankkontoer.
Er det bare en hype?
Gå til mediet2023 var året da alle snakket om kunstig intelligens, og Språkrådet kåret til og med KI-generert til årets ord. Men det ble langt mer enn en snakkis. I de internasjonale markedene avløste optimisme rundt kunstig intelligens frykten for økonomisk nedgang.
En drøy håndfull selskaper økte like mye i verdi som resten av de 1 400 andre selskapene i verden til sammen, og det førte til at aksjemarkedene steg med langt over tyve prosent. En slik konsentrasjon rundt ett tema slår til og med det vi opplevde under IT-boomen på 1990-tallet. Blant disse ti selskapene finner vi NVIDIA, som designer de raskeste databrikkene, Microsoft, som innlemmer kunstig intelligens i alle produktene sine, og Meta, som bruker det for å få folk til å henge lenger på Facebook og Instagram.
Det startet for over 70 år siden
Kunstig intelligens er ikke noe nytt. Jeg skrev om det i hovedoppgaven min ved Norges Handelshøyskole (NHH) på 1980-tallet, men selv da var det gammelt. Den første forskningskonferansen innen kunstig intelligens ble holdt i 1956, og allerede flere år før dette hadde den kjente kodeknekkeren fra andre verdenskrig, Alan Turing, beskrevet en metode for å sjekke om maskiner er intelligente.
Selv om de hadde modellene på den tiden, hadde de ikke kraftige nok maskiner og store nok datamengder til å lage nyttige systemer. Det har vi nå, og i de siste tiårene har de fleste av oss benyttet eller vært utsatt for systemer med kunstig intelligens. De fleste av disse er såkalte ekspertsystemer. Det vil si at noen har programmert inn sammenhenger i systemet som gjør det pålitelig og forutsigbart.
De nye modellene som ble kjent for de fleste av oss via ChatGPT, er laget på en helt annen måte. Her stapper man inn enorme mengder informasjon som kan være tekst, bilder og videoer. Deretter trener man opp modellene til å forstå sammenhenger. Selv om alt egentlig dreier seg om avansert matematikk samt prøving og feiling, så ligner disse modellene på de nevrale nettverkene som hjernen er bygd opp av. Dette gjør dem i stand til å lage tekster, sanger, bilder og videoer som ikke finnes fra før.
Denne kreativiteten har sin pris. På samme måte som mange av ideene vi kommer med i en idédugnad, egentlig er håpløse, vil modellene innimellom komme med dårlige svar. Det betyr at de egner seg til oppgaver hvor de kan hjelpe oss med ulike gjøremål, men de kan ikke brukes til oppgaver som å overføre penger mellom bankkontoer.
Er det bare en hype?
