10. June 2026
Den norske seriegründeren Carl Christian Strømberg har installert et avansert batterisystem som utnytter svingningene i det norske kraftmarkedet. Ved å automatisk kjøpe strøm når den er billigst, og selge den tilbake til nettet eller bruke den selv under de verste pristoppene, regner han med at batteriinvesteringen vil være fullt nedbetalt på kun fire år. Deretter vil anlegget levere ren avkastning.
Bak denne suksessen ligger intelligent, algoritmisk styring. Kraftmarkedet har blitt så komplekst og volatilt at manuelle beslutninger er sjanseløse. Systemet er avhengig av prediktive maskinlæringsmodeller som kontinuerlig analyserer værprognoser, historisk forbruk og spotpriser i sanntid for å handle på de mest gunstige tidspunktene. Strømberg viser i praksis hvordan automatisert energistyring går fra å være et nisjeprosjekt for spesielt interesserte til å bli en sunn forretningsmodell.
For eiendomsutviklere og logistikkaktører med store takflater eller uutnyttet næringsareal betyr dette at energilagring ikke lenger bare er et klimatiltak, men en direkte kilde til passiv inntekt. Ved å ta i bruk prediktive styringssystemer kan man forvandle næringsbygg fra passive kostnadssluk til aktive, fleksible energiressurser som tjener penger mens resten av byen sover. Slike løsninger reduserer i tillegg bedriftens sårbarhet for fremtidige strømsjokk betraktelig. Les mer hos Teknisk Ukeblad.
Rich Sutton, en av de mest innflytelsesrike pionerene innen maskinlæring og "faren" til forsterkningslæring (reinforcement learning), har delt sine nyeste refleksjoner om AI-kreativitet og vitenskapelige oppdagelser. Sutton argumenterer for at vi står overfor et fundamentalt skifte der AI slutter å bare imitere menneskelig tekst og kunst, og i stedet begynner å oppdage helt nye vitenskapelige og praktiske løsninger på egen hånd.
Dagens generative AI-modeller er i bunn og grunn avanserte speilbilder av menneskelig lærdom; de forutsier det neste logiske ordet eller elementet basert på det vi allerede har skrevet eller skapt. Sutton løfter blikket mot neste generasjon systemer som lærer gjennom prøving, feiling og simulering i lukkede miljøer. Slike modeller er ikke begrenset av menneskelig intuisjon eller historiske datasett, og kan derfor avdekke helt nye mønstre og løsninger som vår hjerne ikke er kognitivt rustet til å se.
For forsknings- og utviklingsdirektører (FoU) i teknologitunge bransjer som farmasi, materialteknologi og avansert logistikk, betyr dette at spillereglene for innovasjon endres radikalt. I stedet for at ingeniører bruker år på å teste fysiske hypoteser, vil autonome AI-agenter kunne kjøre millioner av simulerte eksperimenter i døgnet for å designe mer effektive molekyler eller optimalisere globale forsyningskjeder. Bedrifter som klarer å integrere denne formen for autonom oppdagelse i sine kjernefaser, vil kunne oppnå teknologiske forsprang det vil være nesten umulig for konkurrentene å hente inn igjen. Se diskusjonen og videoen på Hacker News.