Baggrund

Super hype: AI-vinter eller forsat udsigt til sommer


Kilde: iStock
Mark Sinclair Fleeton

Journalist

   Læsetid 15 minutter
Array

Tre hovedpunkter:

  • AI har nået toppunktet på Gartner’s Hype Cycle
  • Vi kan være på vej mod en ny AI-vinter
  • Stor optimisme og tiltro til AI-systemer tyder på at foråret forsætter

Forventningerne til kunstig intelligens (AI) har nået et højdepunkt. Det amerikanske konsulentfirma Gartner placerer lige nu AI øverst på sin ”hype cycle”. Næste stop i cyklussen er ”Through of disillusionment” (Desillusioneringens Dal), altså et fald i interesse og investeringer i området. AI har været igennem flere perioder af Desillusionering – de såkaldte AI-vintre. Så står vi på kanten af en ny vinter eller vil AI indfri de store forventninger?

AI vintre og hype-bobler

I 1969 udgav to af de førende AI-forskere, Marvin Minsky og Seymour Papert, deres bog ”Perceptrons”, der blev en grundbog indenfor analyse af kunstige neurale netværk. Bogen kritiserede en anden AI-forsker, Frank Rosenblatt, der tidligere havde udtalt sig meget optimistisk til New York Times, der blandt andet refererede ham for at sige, at dette var starten på en ny type computer, der ville ”blive i stand til gå, tale, se, skrive, reproducere sig selv og være bevidst om sin egen eksistens.” Med deres bog påpegede Minsky og Papert begrænsningerne en-lags neurale netværk og indledte dermed en tørke for forskerne, der arbejdede med neurale netværk, der havde svært ved få finansieret deres forskning. 

Det ledte frem til det man kunne kalde ekspertsystemernes tidsalder. I modsætning til Rosenblatts neurale netværk, der søgte at emulere den menneskelige hjernes måde at lære på, så prøvede man med ekspertsystemerne at fodre maskinen med så meget viden som muligt til at starte med. Et stort vidensupload og så var systemet klar til at køre. Ekspertsystemer er stadigt i brug i dag, men det har vist sig, at de har sine begrænsinger, de lærer fx ikke nyt og er ikke selv i stand til at udvikle sig. I 1992 erklærede man officielt det man i Japan kaldte ”femte generations computeren” for en fiasko. Forventningerne havde ellers været høje til systemet, som der var meningen skulle kunne både føre samtaler, oversætte fra og til forskellige sprog, analysere billeder og kunne forstå som mennesker. Det ledte frem til den anden AI-vinter.

I 2015 grundlagde Ilya Sutskever og en række kolleger OpenAI og med profiler som Sam Altman, Peter Thiel, Elon Musk og Amazon Web Services, som en del af bagmændene var forventningerne til det erklærede non-profit-selskab, er erklærede man ville samarbejde med andre institutioner og forskere og lægge alle sine patenter og forskning ud til offentligheden. I 2018 udgav en række ansatte hos Google en forskningsrapport, der skulle sætte ild til hele området. I ”Attention is All You Need” beskrev Ashish Vaswani og hans kolleger fra Google det, de kaldte en ”Transformer arkitrektur”. Det revolutionerende ved Transformer arkitekturen er, at den sætter et AI-system i stand til at forstå sammenhænge og ord i en sætning, selvom de står langt fra hinanden. 

I juni 2018 lancerede OpenAI GPT-1, der var baseret på transformer arkitekturen. Både GPT-1 og GPT-2 havde sine problemer, men med GPT-3 eksploderede udviklingen. GPT-3 kunne, i modsætning til sine forgængere, generere tekst, der var svært at skelne fra noget, der var skrevet af et menneske. Med udgivelsen af chatbotten ChatGPT, der var baseret på GPT 3,5 i november 2022 blev offentligheden for først gang opmærksom på hvad transformerne kunne udforme og pr. august 2023 er AI nu på toppen af sin hype cycle og inde i hvad der er kaldt et AI-forår.

Tegn på en boble

Ligesom de overdrevne forventninger til perceptronerne og generation fem computeren, så befinder vi os i dag på et sted, hvor forventningerne er skruet op på et meget høj niveau. Det understreges af, at konsulentfirmaet Gartner indplacerede AI på det højeste niveau på deres anerkendte hype-skala. Gartner’s Hype Cykle, som modellen formelt set hedder, er en grafisk afbildning af modenhed, adoption og social anvendelse af en teknologi. Modellen består af fem stadier af udvikling. Det er en kurve og derfor stigning og fald i betegnelserne.

Kilde: Jeremykemp at English Wikipedia, CC BY-SA 3.0 https://creativecommons.org/licenses/by-sa/3.0, via Wikimedia Commons

  1. Teknologi Trigger (Technology Trigger): En ny teknologi skaber opmærksomhed og interesse og sender interesse og forventninger i vejret.
  2. Toppen af opskruede forventninger (Peak of inflated Expectations): For tidlige store løfter skaber for store forventninger og i nogle tilfælde kan forventningerne ikke indfries.
  3. Desillusionens dal (Through of Disillusionment): Hvis forventningerne ikke indfris, følger en periode af desillusionering, hvor investeringerne daler og udviklingen stagnerer.
  4. Oplysnings skråningen (Slope of Enlightenment): I nogle tilfælde kan teknologien derefter bevise sin værdig og praktiske anvendelse og opnå en mere bred accept.
  5. Plateau af produktivitet (Plateu of productivity): Herefter vil den sociale anvendelse af teknologien få et mere stabilt, men højt niveau.

De fleste har hørt om dot-com-boblen, der byggede sig op i slutningen af 1990’erne med næsten uudtømmelige investeringer i området og nåede sit toppunkt i 2000, hvor NASDAQ indekset steg med 800% og i oktober 2002 var det faldet med 740% fra sit toppunkt. Det betød naturligvis mange konkurser i branchen, men visse virksomheder, som fx Google og Amazon overlevede dog de store kurstab og er i dag mere værd end nogensinde.

Ifølge samme Gartner forventes investeringerne i AI at nå 134,8 milliarder dollars i 2025 og over de næste fem år forventer de at markedet vil vokse fra 14,4 % i 2021 til 31,1 % i 2025. De stigende investeringer i AI-området er primært drevet af tre faktorer: 1. Den voksende mængde data, der er tilgængelig, 2. Den faldende pris på AI-teknologi og 3. Den stigende forståelse af AI-teknologi.

Samtidigt mener flere, at teknologien ikke lever op til de store forventninger. 

Med andre ord er de Grundlæggende bare meget dyre statistiske papegøjer og fra designernes synspunkt – er det ikke deres skyld hvis verden naivt tilskriver intelligens til maskinerne og/eller bekymrer sig om de udgør en eksistentiel trussel mod menneskeheden.

Sådan udtrykker John Naughton, der er professor i offentlig forståelse af teknologi ved The Open University i et indlæg i Guardian, den potentielle skuffelse, der truer i horisonten. AIt bliver ofte fremstillet som en teknologi, der rummer løsningen på alle problemer. Det er med til at skabe urealistiske forventninger til teknologien og en sådan unuanceret dækning kan være med at til skabe en boble af store investeringer.

Hvis John Naughton har ret og teknologien indenfor en overskuelig fremtid ikke udvikler sig videre end blot statistiske papegøjer, så er risikoen at investorernes høje forventninger skuffes og investeringerne vil tørre ud. 

Der er grænser for, hvor meget vi kan få ud af det vi kalder smal eller svag AI. Det vil sige, AI der er gode til en eller få ting, som der det, vi har i dag. På et tidspunkt rammer vi grænsen for vækst og det vil formodentligt føre til en ny AI vinter. 

Det, der skal til for at komme videre fra den svage AI er at vi opfinder en stærk AI eller det, som kaldes en AGI (Artificial General Intelligence) – altså en AI, der kan udføre mange opgaver på samme niveau som mennesker kan. Det vurderes, at det kan tage helt frem til 2060 før en AGI er en realitet, men der er ingen garanti for, at vi kan opfinde en AGI. 

Tegnene peger for nogens vedkommende i den forkerte retning. Problemerne som AI-udviklere står overfor lige nu, er chatbotternes tendens til at hallucinere (opfinde svar, der ikke er korrekte), bias (skævheder og mangler i data) og spørgsmål om copyright i forhold til de data AI-systemernes trænes på. Og det fremmer ikke ligefrem virksomhedernes eller forbrugernes tro på teknologien. Og forbrugertilliden er for øjeblikket et problem. Zoom, der leverer software til online møder, som det vil være de fleste bekendt, oplevede et stort dyk i forbrugertilliden til deres produkter på grund af frygten for, at de brugte indholdet af deres online møder til at træne AI-systemer. OpenAI har været åbne om, at de bruger brugernes interaktioner med ChatGPT til træning af modellen. Det førte til stor kritik og i maj 2023 måtte de – under trusler om sagsanlæg – ændre betingelserne, således at brugerne skal give tilladelse til at deres data bruges til træning af modellen. Virksomheder, der producerer indhold som fx The New York Times forbyder brugen af deres indhold til træning af AI-systemer. Microsoft opdaterer sine service betingelser, så de sikrer, at de kan bruge deres data til træning af AI systemer, men at ingen andre kan (selovm de også siger, at de ikke vil bruge data fra forretnings-orienterede programmer som Microsoft365 og Bing Chat Enterprise).

Forsat forår kan også blive til sommer

Noget tyder dog på forsat fremgang i branchen. Google DeepMind er på vej med deres ”Gemeni” system, der kombinerer styrkerne fra flere systemer, store sprogmodeller (som fx GPT-4) og systemer, der ligner deres ”Alpha-Go”- system. Det skulle ifølge DeepMinds CEO, Demis Hassabis, betyde, at ”Gemeni”-modellen vil blive bedre en fx GPT-4 overlegen på områder som planlægning og problemløsning.

Samtidigt potentialet for den generative AI enormt og den sidestilles næsten med AGI. Sundhedssektoren, transport, finans, uddannelse er bare nogle af de områder, hvor AI spås at betyde store ændringer indenfor de næste år. Konsulentfirmaet McKinsey ser bla. store muligheder for vækst indenfor detailhandel, styring af udbud og indenfor finansverdenen. 

Men måske er Desillusionernes dal ikke til at undgå. Ifølge modellen er det, det næste logiske skridt på vejen.

Det kommer til at ske – det sker allerede på et niveau”, siger analytiker fra Gartner Arun Chandrasekaran i et interview med Venture Beat. Han ser ikke tegn på, at hverken brugere eller virksomheder afviser teknologien på trods af begrænsninger. Det det handler om er langtidsholdbarheden af teknologien kan vi se os igennem forskellen mellem hype og virkelighed. Det vil betyde for det første, at perioden hvor AI holder sig på Toppen af opskruede forventninger og måske også at turen gennem Desillusionernes Dal måske kan forkortes og vi kan komme hurtigere frem til et Plateau af Produktivitet. 

En anden stor fortaler for at AI har en stor fremtid og at en vinter ikke er umiddelbart forestående, er Microsofts bestyrelsesformand, Brad Smith. Smith har for nyligt udtalt, at han mener, at AI vil få ligeså stor samfundsmæssig betydning som forbrændingsmotoren. 

”Forbrændingsmotoren førte til bilen og flyet, den ledte til lastbilen og traktoren. Den ændrede alle dele af alle økonomier. Jeg tror ikke at det er for lidt at sige, at over de næste tre årtier – fra nu til 2050 – vil AI sandsynligvis spille en lignende rolle i den globale økonomi,” udtalte han i 2019.

Og på trods af alle argumenterne for at en AI-vinter er undervejs, så er der også en række argumenter for, at AI-vinter ikke er lige om hjørnet. Teknologien er i dag meget længere fremme end den var i 1970’erne og 1980’erne og den udvikler sig med høj fart. Mange virksomheder har allerede taget AI til sig og mange use cases dokumenter Return Of Investment – der er penge i skidtet med andre ord. AI er allerede en del af den digitale omstilling i både den private og offentlige sektor og der er dokumentation for at AI-systemer føjer værdi til produktion. Og så er virksomhedsledelser rundt om i verden også begyndt at forstå AI og fordelen ved teknologien.

Et sidste og måske afgørende argument er, at opskriften på hvordan industrien, forskningsverdenen og regeringer kan arbejde sammen om at fremme en stabil vækst på AI-området. Fælles forskningscentre  og laboratorier til deling af ressourcer, viden og innovation blev foreslået af Stuart Russel og Peter Norvig tilbage i 2010 i deres bog ”Artificial Intelligence: A Modern Approach.” En anden muligheden for at dele ressourcer er, at lade systemerne være open source, så alle kan arbejde med og udvikle teknologien. Vedtagelse af branchestandarder, der skal sikre datasikkerhed og gennemsigtighed i AI-systemerne vil være med til at sikre brugere og politikeres tillid til systemerne. Fremme af AI-uddannelse på alle niveauer af uddannelsessystemet. Klar, men fleksibel lovgivning, der beskytter forbrugere og virksomheder, men uden at kvæle innovationen og sidst men ikke mindst inddragelse af offentligheden i diskussioner om AI’s fremtid, etik og indflydelse på samfundet, som fx foreslået i ”Asilomar AI Principles”, fra The Future of Life Institute i 2017. 

Og måske handler det også om, at vi har realistiske forventninger til hvad teknologien kan, så vi ikke bliver skuffede og investeringerne tørrer ud og det faktum, at vi alle bliver klogere på teknologien løbende er med til at forventningsafstemme.

80 views