Blogg

– En fremtid vi lever i nå

I går ble det annonsert at Nobelprisen i fysikk 2024 går til John Hopfield og Geoffrey Hinton for deres banebrytende forskning som har bidratt til utviklingen av kunstig intelligens (KI). Begge forskerne har jobbet med nevrale nettverk, en teknologi som har revolusjonert feltet. Samtidig leste jeg en artikkel i E24 som minnet meg på hvor aktuelt dette temaet er, spesielt med tanke på hvordan KI raskt endrer arbeidsmarkedet.

Artikkelen nevner konkrete eksempler, som Johnathan Chriest, som mistet jobben som veileder etter at Flatiron School implementerte KI-verktøy for å erstatte mennesker. Andre selskaper, som App Academy, Duolingo, og det amerikanske postvesenet, har også gjort lignende kutt. Eksperter advarer om at KI kan erstatte millioner av jobber, særlig innen hvitsnipp-yrker. Likevel skapes det nye muligheter, og KI kan bidra til både effektivisering og utvikling, noe som reiser spørsmål om fremtidens arbeidsmarked. Les hele artikkelen her.

Begrepsavklaring: KI vs. Maskinlæring

Så, hva er egentlig KI, og hvordan skiller det seg fra maskinlæring? KI refererer til maskiners evne til å utføre oppgaver som vanligvis krever menneskelig intelligens, som problemløsning, læring og beslutningstaking. KI kan være generell (hypotetiske systemer som kan utføre alle typer oppgaver, som et menneske) eller smal (spesialiserte systemer designet for én bestemt oppgave, som å spille sjakk eller gjenkjenne ansikter).

Maskinlæring, på den annen side, er en gren av KI som fokuserer på å la datamaskiner lære av erfaring. Ved hjelp av store mengder data og komplekse algoritmer kan maskiner forbedre sin ytelse uten å bli eksplisitt programmert for hver oppgave. Kort sagt: Maskinlæring er en metode som brukes for å bygge KI-systemer.

Teknologiske fremskritt

KI har utviklet seg betydelig siden de tidligste datamaskinene. Dagens avanserte KI-systemer, som bygger på dyp læring (deep learning), viser enestående evner innen områder som bildegjenkjenning, naturlig språkbehandling og til og med kreativitet. Teknologier som nevrale nettverk har bidratt til å etterligne hjernens funksjoner, noe som gjør at KI-modeller kan utføre oppgaver raskere og mer nøyaktig enn mennesker.

Jeg har også brukt et KI-verktøy til automatisk fargelegging av gamle sort/hvitt-bilder fra et familiealbum, noe som viser hvordan KI kan forvandle og forbedre tidligere teknikker.

Etiske problemstillinger

Samtidig reiser KI store etiske spørsmål. Hvem er ansvarlig hvis en selvkjørende bil forårsaker en ulykke? Hvordan skal vi forhindre at KI brukes til overvåkning og manipulasjon? Frykten for at KI vil erstatte jobber og forsterke ulikhet er reell. Det er viktig at vi utvikler retningslinjer som sikrer at KI brukes ansvarlig og rettferdig.

Anvendelser i hverdagen

Vi bruker KI hver dag, ofte uten å tenke over det. Fra anbefalinger på Netflix og Spotify til ansiktsgjenkjenning på mobilene våre, er KI innebygd i mange digitale verktøy. Teknologien blir også stadig mer integrert i helsevesenet, med KI som hjelper til med å stille diagnoser og analysere medisinske bilder.

Hvordan KI påvirker ulike bransjer

I næringslivet ser vi hvordan KI transformerer bransjer som finans, retail og logistikk. Automatiserte kundeserviceroboter, chatboter, prediktive analyser og selv lærende systemer for lagerstyring er noen eksempler på hvordan KI effektiviserer prosesser og kutter kostnader. På sikt vil KI få enda større innflytelse på alt fra produksjon til den kreative sektoren.

Men i stedet for å frykte KI, bør vi omfavne den og utforske hvordan vi kan forbedre arbeidet vårt ved hjelp av fremtidens verktøy. KI gir oss muligheten til å løse komplekse problemer, øke produktiviteten og frigjøre tid til mer kreative og strategiske oppgaver. Ved å integrere KI i våre daglige arbeidsprosesser kan vi ikke bare unngå å bli erstattet, men også styrke våre ferdigheter og utvide mulighetene våre i en stadig mer digitalisert verden.

Denne frykten for endring er ikke ny. Da Windows 2000 ble lansert og tillot sentralisert IT-drift på en helt ny måte, opplevde vi i IT-seksjonen samme usikkerhet. Vi var tolv ansatte, og mange fryktet for jobbene våre når driften skulle sentraliseres i Fellesadministrasjonen, fremfor at hver av de fire avdelingene skulle drifte sin egen infrastruktur. Denne overgangen ville dessuten gi ansatte og studenter mulighet til å logge inn på hvilken som helst datamaskin i Høgskolens nettverk, uavhengig av avdeling og tilhørighet.

Gjett hva som skjedde? I stedet for å miste jobber, fikk vi nye oppgaver og utvidet servicetilbudet vårt, noe som førte til en økt etterspørsel. Bare to år etter sentraliseringen hadde vi vokst til atten ansatte i IT-seksjonen. Dette viser hvordan endringer, selv de som virker skremmende i begynnelsen, kan føre til nye muligheter og vekst.

Det er mange ganger vanskelig å erstatte en ansatts kompetanse og innsikt med KI. Ja, enkelte oppgaver kan den kanskje utføre, men husk at en datamaskin aldri blir bedre enn den som programmerer den. Hvis du mister den nødvendige kompetansen til å bruke KI-en riktig, kan det vise seg å bli meget kostbart å kvitte seg med en ansatt.

Det er denne menneskelige dimensjonen—erfaring, kreativitet og problemløsning—som ofte er avgjørende for å maksimere fordelene ved KI. Mens KI kan analysere data og automatisere rutineoppgaver, er det de ansatte som bringer kontekst, empati og strategisk tenkning til bordet. Uten denne kompetansen kan selv de mest avanserte KI-systemene bli lite effektive og kostbare i drift.

Fremtidens KI

Som med alle store teknologiske gjennombrudd har KI potensial til å endre hvordan vi lever, jobber og forholder oss til verden. Mulighetene er enorme, men utfordringene er også mange. Det er opp til oss å forme KI slik at den tjener menneskeheten og fremmer våre beste egenskaper.