Hvorfor AI er disruptivt handler om, at teknologien gør det muligt at mangedoble hastigheden for evolution og innovationer. For AI er “universally enabling” og selvlærende, især når AGI punktet bliver overskredet. Det giver bl.a. muligheder for dyb customization, der øges af, at AI er en ny form for intelligens, ikke blot en højere intelligens. Modsat er den nøjagtige effekt svær at forudsige, fordi vi har tendens til at overvurdere effekten samt at fokusere på worst case.
Dette blog indlæg er nummer to i rækken
Dette blog indlæg er nummer to i rækken om effekten af AI på innovationer og udvikling:
- Hvor påvirker AI i dag?
- Hvorfor er AI disruptivt?
- AIs effekt på robotics og eksperimentel automatisering
- AIs effekt på klima- og meteoforskning
- AIs effekt på samfundsvidenskab og humaniora
- AIs effekt på undervisning, læring og psykoterapi
- AIs effekt på bioteknologi og lægemidler
- AIs effekt på materialeforskning og kvantekemi
- AIs effekt på teoretisk fysik og matematik
- Hvad bør investeringsstrategier i AI tage højde for?
LLMere er blevet historisk positivt modtaget af brugerne
AI generative services er blevet historisk positivt modtaget af brugerne, og dét demand pull bliver stadig stærkere. Sprogmodellen ChatGPT har f.eks. mere end 400 millioner individuelle brugere om ugen, og generelt benyttes LLMere i stadig mere følsomme og beslutningskritiske sammenhænge.
De helt store perspektiver fra AI vil dog begynde at vise sig over de næste 2-3 år, hvor forskning og udvikling vil accelerere markant. Effekten af dét vil række ud over effektivitetsboom’et fra LLMere og AI agenter.
Men den disruptive effekt vil komme fra øget forskning og udvikling
Forudsigelser bygger på fremskrivninger af det eksisterende, det kendte såvel som det ukendte, for normalt er evolution en roligt fremadskridende proces. Det tager tid, før man fuldt ud erkender og derpå udnytter potentialet af de små mutationer, der er evolutionens kerne. Det ukendte når at blive kendt, fordi indkøringsperioden er lang.
Men det særlige ved AI er, at dets disruptive potentiale både er bredt og hastigt. Det er en teknologi, som alle kan benytte. Men samtidig er den selvlærende og dermed eksponentielt udviklende. Endelig giver den muligheder for dybe tilpasninger og vil sluttelig føre til en ny form for intelligens.
AI er “universally enabling”, …
AI er “universally enabling”, fordi det har potentialet til at påvirke alle brugere bredt. I første omgang øger det vores individuelle kognitive evner, mental doping.
AI vil dog “blot” føre til mere af dét, som vi allerede kender på branche- og samfundsplan, så længe det alene benyttes til at øge effektiviteten hos enkelte medarbejdere (især fra brug af LLMere).
Men AIs potentiale er disruptivt, fordi det gør det muligt at “demokratisere” distributionen af viden og intelligens. Det giver enkeltpersoner og små virksomheder nye muligheder for forskning og udvikling til relativt høje udviklingsstader for begrænset kapital. Der fra vil potentialet for værditilvækst dog især være hos de virksomheder, der i forvejen har forbrugernes tillid (forudgående relation) og troværdighed (brand). Disse virksomheder har de bedste forudsætninger for at tage produktet til markedet.
… og det er selvlærende, især når AGI punktet overskrides
AI bliver stadigt mere selvlærende, jo nærmere det kommer AGI stadiet og dermed udvikling af en bevidsthed og egne sanser. Det øger udviklingshastigheden eksponentielt.
Det nye ved AI er, at det, ligesom menneskehjernen, bygger på mønstergenkendelser snarere end på sekventiel analyse. Traditionelle computere bygger på relationelle sammenhæng, mens AI fokuserer på vektor-relationer. Derfor afhænger AIs selvlæringshastighed især af software, der kan samordne sanseindtryk samt af hardware, der kan afvikle simultant.
AIs selvlæringshastighed vil dog være asymmetrisk. Nogle brugere vil være hurtige og mere effektive end andre til at udnytte mulighederne fra LLMere og AI agenter til at øge deres effektivitet og produktivitet. Andre brancher vil se langsommere selvlæringspotentialer f.eks. som resultat af institutionelle grænser (rigid regulering). Det vil især gælde sektorer, hvor sikkerhedskravene er høje, som f.eks. sundhedssektoren.
Desuden vil AI ændre tilgangen til forskning og udvikling. I dag er det traditionelle forløb, at en forsker formulerer en hypotese og derpå afprøver den. Fremover bliver det i højere grad AI selv, der udvikler hypoteser og pre-tester disse. Der på vil mennesker tage stilling til hvilke hypoteser, der fortjener bredere kliniske tests og udviklinger.
Det giver muligheder for dyb customization
AI giver muligheder for dyb customization. Det påvirker f.eks. uddannelsessektorer og sundheds produkter, hvor behandlinger og produkter vil flyde sammen (konvergere), se senere. Generelt vil dyb customization forskyde de værdikæde-led, hvor den største indtjening ligger (perceived value).
AI gennembrud vil således især ske på tilpassede produkter, snarere end på universale blockbustere, som f.eks. opdagelsen af penicillin. Det giver bl.a. muligheder for entreprenante individer, der kan strukturere og målrette forskning og udvikling af metoder til dyb customization.
Det er en ny form for intelligens, ikke blot højere intelligens
AI introducerer en ny form for intelligens. Yuval Harari omtaler det f.eks. konsekvent som “Alien Intelligence” i stedet for “Artificial Intelligence”. Hvis det ikke var nyt, var det ikke intelligent men blot udtryk for maskin-optimering inden for nogle kendte rammer.
I første omgang vil AI finde nye korrelationer (sammenfald) i MEGET store datasæt, som f.eks. klima- og meteodata eller i psykometriske data. Det vil skubbe til vore erkendelser af naturlighedslogik, når disse sammenfald iblandt viser sig også at have årsagssammenhænge. Vores erkendelse af verden afhænger generelt af vores forståelse af logik samt af årsag-virkning (kausalitet).
Selvom korrelationssøgninger kan føre til banebrydende udviklinger, er de mest af alt udtryk for avanceret maskin-optimering. Optimeringen er “blot” gjort mulig af en generativ og selvlærende teknologi, der bygger på enorm regnekraft. Men en ny form for intelligens betyder, at AI kan sprænge rammerne for vores erkendelser. Disse defineres i dag bl.a. af vore sansers rækkevidde samt af vores kognitive bias.
Udviklingen af AGI indebærer især udvikling af bevidstheder, sentiences. Det forudsætter bl.a. udvikling og tilkobling af sanser. Det bør i sig selv føre til nye grundlæggende forståelser af verden omkring os.
Alligevel er den nøjagtige effekt svær at forudsige, fordi vi ofte overvurderer effekten …
Modsat er det vigtigt at huske, at det, der er nyt, ofte skræmmer:
Nye teknologier udløser ofte en intellektuel panik. I antikken frygtede Sokrates f.eks., at skriften ville ødelægge tankevirksomheden. I Victoria-tiden frygtede man også, at telegrafen ville føre til social isolation, og i 1980erne mente man, at computerspil ville gøre ungdommen voldelig.
… og i dén proces ofte fokuserer på worst case
Ved nye teknologier er der desuden tendens til fokus på worst-case potentialer snarere end på den samlede risiko. Vi forholder os mest til “tail-risks”, selvom vi véd, at fremtiden oftest falder inden for konfidens-intervallet. Risiko er produktet af potentiel effekt i forhold til sandsynligheden.
Samlet er der således muligheder for historisk store innovationsspring. Men hvornår og i hvilken rækkefølge afhænger som altid bl.a. af entreprenante investorers kapital, mod og vedholdenhed.