Dette er første del af tre om topledelse af AI omvæltninger.
AI er mere end blot ny teknologi. Det er en universel katalysator, der styrker de menneskelige funktioner, kognitive såvel som kommunikative og kreative hos alle individer, der vil. I forhold til tidligere teknologiske omvæltninger har teknologien således et mere indgribende potentiale, fordi det ændrer rammer og vilkår for ledelse, dømmekraft, kompetencer og konkurrence. Derfor sker AI adoption også mest effektivt “bottom-up”.
Topledelsens opgave er således især at anspore og motivere til brug af AI, inden for nøje overvejede rammer for sikkerhed.
AI har særligt disruptive egenskaber …
AI er i dag et universelt redskab til at øge menneskers evner til analyse, formuleringer og eksperimenter. Det demokratiserer viden, samt giver enkeltpersoner m.v. muligheder for forskning og udvikling, der førhen krævede hele forskningsenheder. Frem over vil vi således kunne se store gennembrud og økonomiske effekter fra f.eks. Inverse Design, In Silico forskning eller Robotics sensoring.
Men AI vil påvirke os bredere og mere uforudsigeligt. Det adskiller sig fra tidligere teknologier ved at:
- AI bliver stadigt mere selvlærende, jo mere det anvendes og, jo flere data det lærer fra.
- Jo nærmere det kommer AGI, herunder udvikling af egne sanser og egen bevidsthed, jo hurtigere stiger udviklingshastigheden.
- I dag er AI “blot“ statistiske modeller for vidensbanker, men når AGI punktet passeres, bliver AGI vidensbanker i sig selv. Det vil accelerere læringshastigheden.
- AI arbejder mønstergenkendende snarere end sekventielt, ligesom menneskehjernen. Det betyder bl.a., at AI vil introducere en ny form for intelligens (alien intelligence), når det passerer AGI punktet. Ellers er det ikke intelligent.
- AGI løser problemer ved selv at vurdere hvilke problemer, der er værd at løse. Det giver mulighed for at sprænge rammerne for vore erkendelser, der i dag bl.a. begrænses af vore sansers rækkevidde samt af vores kognitive bias.
- AI bygger på vektorbaseret datakoordination. Det betyder, at svarene skabes kontekstuelt og brugertilpasset og fra bunden hver gang. Derfor kan dyb personlig tilpasning ske for meget lave marginale omkostninger.
… og et stort men komplekst potentiale, …
De kendetegn vanskeliggør forudsigelser af AIs effekt. Fremskrivningen kompliceres yderligere af, at adoptionen af AI vil være asymmetrisk. Nogle individer vil være hurtige og effektive til at udnytte mulighederne, mens andre vil være forsigtige. Visse brancher vil desuden være begrænsede i deres muligheder for anvendelse f.eks. som følge af rigid regulering.
Potentialet er dog stort og åbenlyst, og derfor har teknologien fundet bred og hastig anvendelse, især i videnstunge områder:
- I midten af september holdt Bundesbanks præsident Joachim Nagel f.eks. tale ved BIS’ Innovation Summit: “At the Bundesbank, generative AI is now broadly available for our staff to use. This technology is already augmenting existing processes in almost every business area and complementing previous work. From document drafting to advanced data analysis, AI applications are not only supporting us in areas like banking supervision or economics, but also in a wide range of internal and administrative services”.
- Tilsvarende mener viceformanden for Federal Reserve, Philip Jefferson, at AI markerer en ny tid, hvor fremtidige opgaver vil se fundamentalt anderledes ud. Teknologien bliver en integreret del af menneskelig udvikling og med lige så stor “general purpose effekt” på økonomien som dampmaskinen og internettet.
- Centralbankernes holdninger deles også af finansministre. Op mod G20 mødet i oktober konkluderede BIS f.eks., at AI ikke blot er teknologisk men også politisk og ledelsesmæssigt. AI kan ændre struktur- og funktionsmåder i økonomien fra f.eks. selvbetjening, automatisering og dataanalyse. Det åbner for nye anvendelser og typer af opgaver. BIS konkluderer, at succes især kræver, at man har robust governance og både interesserer sig for og investerer i både udstyr og medarbejdere.
… som der er meget store forventninger til
Forventningerne til nytten er flere steder så store, at de ligefrem ventes at blive et strukturelt svar på demografiske udfordringer (f.eks. aldrende befolkning) samt mangel på nøglekompetencer.
Det gælder også hos AI udviklerne. I Microsoft skrives mere end en fjerdedel af virksomhedens koder i dag af AI. Satya Nadella forventer, at 95% af alle koder vil være AI genereret inden 2030.
AI begejstringen gælder også i lande uden tradition for teknologisk lederskab.
- Saudi Arabien har f.eks. kæmpet intenst for at få OpenAI til at etablere datacentre i landet samt arbejder for, at TSMC og Intel skal fremstille chips i landet, selvom MEGET få indbyggere i dag har tilpas STEM uddannede til blot at vedligeholde disse.
- I år blev Albanien desuden det første land til at udnævne en AI-genereret ministerfigur, Diella, med ansvar for offentlige indkøb. Det illustrerer, hvor dybt vi som mennesker accepterer og har tillid til AI. Det viser således hvor hurtigt og uforudsigeligt teknologien bevæger sig ud i samfundets strukturer.
Udviklingen hen imod AGI går stærkt …
De fleste grænser, som vi førhen anså for nærmest umulige at bryde, er nu brudt:
- Evnen til ræsonnement og problemløsning brød f.eks. en mur tilbage i 1997, da IBM’s Deep Blue slog Garry Kasparov i skak.
- Naturlig sprogforståelse gjorde det samme i 2011 med IBMs Watson. Nutidens generative modeller kan endda forstå nuancer, idiomer og humor.
- AI skaber i dag kunst, musik og tekst, der udfordrer ideen om, at kreativitet er unik for mennesker.
- Perception i realtid, dvs. at selvstyrende biler og robotter orienterer sig i komplekse miljøer.
- Emotionel simulering, hvor chatbots kan efterligne følelsesmæssig forståelse (EQ), omend fortsat fra en overfladisk og analytisk vinkel. Ifølge en nylig undersøgelse fra Rand Corporation benytter hver 8. unge i USA f.eks. AI chatbots til Mental Health Advice. Heraf mener hele 93%, at de modtager nyttige råd.
… selvom der fortsat er meget komplekse udfordringer
De tilbageværende udfordringer er især:
- Hallucinationer, hvor modeller opfinder fakta. Funktioner som Retrieval-Augmented Generation (RAG) reducerer problemet, men forebygger det (endnu?) ikke effektivt.
- Udvikling af sanser er nødvendigt for, at AGI kan opstå. Interoception og proprioception er to af de store organiserende principper for intelligent adfærd, der mangler. I dag er de en form for “glasloft”. De er nødvendige for robust og selvregulerende AGI.
- De fleste AI-modeller antager “cognition without physiology”, men biologi er “cognition because of physiology”.
- Uden selvbevidsthed mangler AI evnen til konsekvent at vurdere, hvad der er “rigtigt” eller “godt”, samt hvad der er “sund fornuft” og kontekstforståelse. Det udelukker dermed også ægte følelser som glæde eller sorg.
- Fra et teknisk perspektiv er dette dog sandsynligvis kun et spørgsmål om tid.
- Sikkerhed. AI modellerne er enorme og afvikles derfor på store centrale datacentre. Det giver risiko for mangel på redundans (f.eks. ved nedbrud) og for bredere datasikkerhed. Mindre og specialiserede modeller kan være en løsning. Men der går +5 år, før AI løsningerne kan blive så decentrale og portable, at de kan fungere offline. Behovet for datamængder er enormt.
Fortsættes i næste blog indlæg