Nyhetssammendrag — 05:05

Kunstig Intelligens

«Ett-trinns-fellen»: Hvorfor AI-verktøyene dine feiler på komplekse oppgaver

En ny analyse av retningen innen AI-forskning peker på det som kalles «ett-trinns-fellen» (The One-Step Trap). Dette handler om en utbredt tendens til å forvente at en AI-modell skal spytte ut den perfekte løsningen på et komplekst problem i én enkelt vending, utelukkende basert på mønstergjenkjenning.

Bakgrunnen er den teknologiske hverdagen vi står i med store språkmodeller (LLM). Disse modellene er i bunn og grunn trent til å gjette neste ord i en setning lynraskt, ikke til å planlegge, teste hypoteser eller resonnere i flere ledd. AI-pioneren Rich Sutton argumenterer for at ekte intelligens krever prøving, feiling og aktiv søking etter løsninger, fremfor å bare stole på at modellen «vet» svaret umiddelbart.

For produktutviklere og teknologiledere som bygger AI-tjenester, betyr dette at man må endre designmønster. Hvis dere utvikler verktøy for forsyningskjeder, komplekse finansanalyser eller juridisk dokumentkontroll, bør dere unngå enkle «spørsmål-og-svar»-grensesnitt. Systemene må i stedet bygges som agentiske nettverk der AI-en tvinges til å bryte ned problemet, verifisere sine egne delkonklusjoner og kjøre simulerte tester før den presenterer det endelige resultatet for brukeren. [Les kilden]

Internasjonale Trender

Kuttsjefens guide til AI-realisme: George Hotz om LLM-hype

Den profilerte tech-gründeren George Hotz (Geohot) har publisert en usminket realitetssjekk av dagens AI-bølge. Han erklærer sin dype kjærlighet for hva store språkmodeller faktisk kan utrette, men går samtidig hardt ut mot den oppblåste markedsføringshypen som lover menneskelignende kunstig generell intelligens (AGI) rundt neste sving.

Hotz peker på at LLM-er er fantastiske verktøy for å automatisere koding, oppsummere store mengder tekst og fungere som avanserte samtalepartnere. Problemet oppstår når selskaper og investorer behandler teknologien som magiske, tenkende vesener, noe som skaper urealistiske forventninger og feilslåtte gigantinvesteringer i visjoner som ikke har rot i dagens teknologiske virkelighet.

For selskaper som skal spisse IT-budsjettene, gir dette en klar retningslinje: Dropp de kostbare lisensene på diffuse «fremtidsplattformer» som lover å erstatte hele avdelinger. Fokuser heller investeringene på konkrete, spesialiserte verktøy som løser dokumenterbare flaskehalser – for eksempel verktøy som øker effektiviteten til utviklerne dine, eller automatiserer førstelinjes kundestøtte. Her er ROI-en allerede dokumentert og skyhøy. [Les kilden]

Andre Nyheter

• Åpner den svarte boksen: Forskere tar nå i bruk årsaksteori (causality theory) for å forstå nøyaktig hvordan store språkmodeller resonnerer bak kulissene. Dette er et kritisk skritt på veien mot å gjøre AI-beslutninger sporbare og pålitelige, noe som er helt avgjørende for risikovurderinger i sterkt regulerte bransjer som finans og helsesektoren. [Les kilden]
• Algoritmisk modernisering av eiendomsskatt: En ny rapport fra USA viser hvordan moderne dataanalyse og automatiserte modeller kan erstatte utdaterte systemer for eiendomstaksering. For kommunale ledere og offentlige etater viser dette hvordan datadrevne verktøy kan fjerne menneskelige skjevheter, redusere klagebehandling og skape en mer rettferdig og effektiv skatteinnkreving. [Les kilden]