Mitt syn på kunstig intelligens ― et drøyt år med ChatGPT

Jeg har frem til nå involvert meg lite i KI-diskusjonene, men la meg oppsummere hvordan jeg ser på tidsepoken etter ChatGPT.

Jeg lot meg raskt imponere av resultatene til ChatGPT ved lanseringen, og var tidlig ute med å teste verktøyet. Selv om resultatene var gode, syntes jeg, den gangen at jeg kunne produsere bedre resultater på egenhånd, og selv om det kunne være nyttig å starte med et forslag fra ChatGPT når man skulle skrive en tekst, ble det til at jeg prioriterte å havne i flytsonen selv, og jobbe med min enkle, organiske intelligens istedenfor.

Min bakgrunn innenfor KI

Jeg har vært fascinert av KI siden jeg ble introdusert for temaet gjennom populærkulturen på nittitallet, men da jeg startet på mastergraden min i 2004, fordypet jeg meg i teknikken bak datidens kunstige nevrale nettverk (KNN). Selve masteroppgaven min handlet om å knytte KNN mot våre biologiske nevrale nettverk i hjernen. Ja, for hjernen vår kan forstås som flere nevrale nettverk som er knyttet sammen, og som har sine ulike spesialfelt.

Konkret så jeg på muligheten til å bruke agentteknologi, autonome datasystemer, til å simulere de tre biologiske nettverkene som er sentrale under oppmerksomhetsoppgaver.

Selve studiet var interessant nok, men det var for stor usikkerhet rundt hvordan de biologiske nettverkene faktisk fungerer, og det var ikke lett å lage en kunstig modell som hadde nok likhet med den biologiske. Til tross for dette, fikk jeg publisert oppgaven sammen med min veilder på en ESM i Toulouse i 2006, så arbeidet var ikke helt uten akademisk verdi!

Et øyeblikk jeg husker spesielt godt var da jeg jobbet med en innleveringsoppgave der man skulle implementere en mønstergjenkjenningsalgoritme for å identifisere spesifikke gensekvenser. Jeg hadde det litt travelt, så jeg hadde ikke fått satt meg inn i problemstillingen særlig godt. Likevel fikk jeg implementasjonen til å fungere. Da husker jeg at jeg tenkte at jeg for første gang hadde laget et dataprogram som var smartere enn meg; et program som leverte et resultat som jeg ikke hadde forutsett, men som likevel var riktig!

Da jeg startet min profesjonelle karriere var det lite fokus på KI og maskinlæring, men jeg har fulgt med på utviklingen hele veien. Selv om man har sett en eksplosiv vekst av utbredelsen og tilgangen på KI med ChatGPT har det være flere større gjennombrudd det siste tiåret, med objektidentifisering i bilder, mer eller mindre vellykkede chatbots, talesynteser, stemmegjenkjenning og deep fakes.

Velkommen, ChatGPT

Sent i 2022, altså, fikk vi et KI-verktøy som alle begynte å snakke om! Som nevnt i starten av teksten lot jeg meg imponere av resultatene, men jeg hadde vanskeligheter med å finne nyttige anvendelsesområder. Når jeg kom på et spørsmål å stille, var svaret ofte såpass ufullstendig, og ofte feil, så man måtte bruke like mye tid på å faktasjekke det som kom ut, som tiden det tok å finne svaret selv fra ulike kilder.

Man kunne også spørre den programmeringsspørsmål, men da jeg prøvde det, brukte jeg alltid mer tid på å stille spørsmålet og integrere koden i løsningen. Svaret fra ChatGPT fungerte som regel ikke direkte, men det kunne være et godt utgangspunkt for å løse et problem.

Jeg så på ChatGPT som et nyttig leketøy hvis man f.eks. skulle begynne å lære seg programmering, eller som en assistent som kunne ta deg fra uvitende til amatør innenfor et emne.

Stadig utvikling

Gjennom det siste året har ChatGPT utviklet seg hyppig, og oppnådd bedre og bedre resultater. Spesielt ChatGPT4! Den kan søke på internett, integrere resultater fra andre KI-moduler, man har API-tilgang og kan også opprette egne GPTer, som er forhåndsdefinerte kontekster som kobler samtalene til et gitt emne.

Det siste året har det vært mye fokus på å kommunisere effektivt med ChatGPT, såkalt "prompting", og man har fått en ny rolle: "Prompt Engineer". Dette feltet tar for seg den praktiske aktiviteten med å sette en kontekst på en måte som gjør at ChatGPT svarer i den retningen man ønsker, teknikker for å utelukke bias og å effektivisere kommunikasjonen og ressursene som kreves for å finne svarene.

ChatGPT i dag og fremover

I dag synes jeg at ChatGPT er et supernyttig verktøy; en trofast kompanjong når man jobber med problemløsing, analyse eller kreativt arbeid. Om man klarer å identifisere de gode bruksområdene og om man har lært seg å stille spørsmål, på en effektiv måte, kan man frigjøre seg fra de fleste trivielle oppgaver og bruke kreftene på mer verdiskapende oppgaver.

Likevel er ChatGPT bare en skalert versjon av modellene som jeg benyttet da jeg studerte for lenge siden, som ikke vil klare å skape noe veldig revolusjonerende, nytt innhold, men er begrenset til å kombinere summen av alle de eksisterende idéene den kjenner til. Dette er jo veldig nyttig, men man kan ikke forvente å få kurert kreft, å reise ut av solsystemet eller få evig, ren energi med det første.

Jeg forventer at ChatGPT vil kunne håndtere større kontekster, få mer "minne", og bidra til innsikt i mer komplekse problemer. Jeg tror også at behovet for "prompt engineer"-kompetanse er forbigående; at ChatGPT vil lære seg å tolke mer naturlig kommunikasjon gjennom utvikling av bedre intuisjon.

Det blir spennende å følge med fremover!