1
00:00:00,000 --> 00:00:05,000
[Automatisk tekstet av Autotekst med NB Whisper. Kan inneholde feil.]

2
00:04:44,459 --> 00:04:58,112
Kjære alle sammen. Velkommen til Domus Biblioteka og et av mange 
arrangementer i vår serie om KI. I dag skal det handle om hvordan former

3
00:04:58,192 --> 00:05:07,041
KI kunnskapsutvikling. Og vi skal ha fokus på forskning, men utdanning 
er også kunnskapsutvikling, så det blir sikkert noe også om utdanning.

4
00:05:08,202 --> 00:05:18,607
Hva er KI? Det står altså for kunstig intelligens. Det har de fleste fått 
med seg. Veldig mange ser på KI som de store språkmaskineriene som kan

5
00:05:18,647 --> 00:05:28,492
gjøre masse mer enn språk for tida. Jeg liker en slags definisjon av 
kunstig intelligens som sier at kunstig intelligens er samlingen av

6
00:05:28,852 --> 00:05:40,260
teorier ... Metoder, algoritmer og teknologier som ved hjelp av data og 
erfaring er i stand til å utføre noen handlinger, enten de er fysiske,

7
00:05:40,320 --> 00:05:52,618
som roboter gjør, eller kognitive, som vi oppfatter som intelligente. 
Det er en slags forståelse, og det er jo bredt. Jeg hadde gleden av å være

8
00:05:52,658 --> 00:06:04,290
på det store AI-møtet med nærmere 500 000 deltakere i India for noen uker 
siden. Og alle snakker om KI om alt, så det er litt vanskelig å finne

9
00:06:04,571 --> 00:06:16,140
avgrensningene sånn totalt sett. I dag skal vi snakke om KI i forskning 
eller KI i kunnskapsutvikling. Jeg har med meg et fint panel her. De skal

10
00:06:16,180 --> 00:06:23,027
få si mye etter hvert. Øyterst der sitter Ole Kristian Lingjære, som er 
professor i informatikk og instituttleder på Institutt for

11
00:06:23,067 --> 00:06:33,713
informatikk. Tordis Torarinsdottir, professor i statistikk og data 
science på Matematisk institutt. Bjørn Høiland, professor i

12
00:06:33,734 --> 00:06:43,479
statsvitenskap. Kristine Meklenborg Nilsen, professor i fransk og 
lingvistikk, og instituttleder. Og så har vi professor i fysikk,

13
00:06:43,559 --> 00:06:53,223
Anders Malte Sørensen, som også leder det ikke ukjente KY-utvalget, 
som skal levere en rapport til høsten. Jeg skal forsøke å skape et lite

14
00:06:53,263 --> 00:06:58,090
bilde. Hvis jeg får det neste bildet bak her, skal jeg prøve å forklare 
hva jeg mener med dette.

15
00:07:01,916 --> 00:07:16,275
I den røde boksen sitter vitenskaperen. Det er forskeren. Vi har brukt 
maskinlæring i vitenskap lenge. Så tanken er at når du ser på dette fra et

16
00:07:16,315 --> 00:07:28,701
forskerståsted, så skal du være med i disse sløyfene. Man kan tenke seg, 
og det blir brukt ... KI eller maskinlæring for å skape data og hente

17
00:07:28,741 --> 00:07:38,845
data. Roboter gjør det. Noe som skjer ute på kanten, og noen har brukt 
disse systemene til å lage retningslinjer for hvordan du bør hente

18
00:07:38,885 --> 00:07:49,816
data. Det er den ytre sløyfa. Det vi er mest kjent for, er å finne mønstre i 
store datamengder. Du prosesserer og forfiner store datamengder ved

19
00:07:49,856 --> 00:08:00,180
hjelp av uttrekk av informasjon, sammenstillinger, filtreringer. 
Igjen maskinlæring. Og det er liksom den andre sløyfa. Og gjennom de

20
00:08:00,240 --> 00:08:11,725
siste årene har det også vist seg at disse ... Disse maskineriene er i 
stand til ikke bare å hente ut informasjon basert på en metode, de er til

21
00:08:11,765 --> 00:08:21,192
og med i stand til å utvikle metoden. Og det er den tredje sløyfa, med 
avbildning, parametere, variabler og generering av hypoteser og

22
00:08:21,292 --> 00:08:32,975
modeller. Men vi er jo ikke ferdig der. For på den andre sida skal jo vi 
generere tekst. Kode osv., så vi har en sløyfe hvor vi ser på arbeidsflyt

23
00:08:33,095 --> 00:08:44,398
og kommunikasjon utad. Der bruker vi språkmaskineriene for å hjelpe 
oss med språket. Jeg har sjekka ut med noen programmerere nå som i løpet

24
00:08:44,418 --> 00:08:53,422
av det siste året har blitt fire ganger så effektive i sin utvikling av 
kode ved hjelp av disse systemene. Og det er ganske presist fire ganger,

25
00:08:53,442 --> 00:09:02,624
kanskje om tre år er de ti ganger så effektive. Og vi har en stor 
kunnskapssløyfe som handler om at vi er en del av den globale

26
00:09:02,664 --> 00:09:11,631
kunnskapsallmenningen. Og ser man på den igjen, så er det masse 
KI-genererte ting. Så her må man være litt forsiktig. Hva er det som er

27
00:09:11,691 --> 00:09:21,519
reelt skapt av forskere og mennesker, og hva er skapt av disse 
maskineriene. Så i dette bildet her skal vi operere i en eller annen

28
00:09:21,559 --> 00:09:32,602
forstand. Og da er det viktig at dette gjelder jo ... Ikke bare for oss 
innenfor naturvitenskap og teknologi. Det har stor betydning innen

29
00:09:32,702 --> 00:09:44,308
bredden av vitenskapene. Derfor er jeg glad for at vi har med folk fra 
andre områder som kan diskutere dette med Kristine og Bjørn. Så dette er

30
00:09:44,328 --> 00:09:58,236
et slags overordna bilde og min forståelse av hvor disse algoritmene 
oppstår, for å hjelpe meg som forsker. Man kan ha andre bilder på dette,

31
00:09:58,256 --> 00:10:11,940
og det får vi sikkert høre litt om. Da er vi i gang. Jeg skal begynne med 
deg, Anders. Du leder et regjeringsoppnevnt utvalg som skal se på KI i

32
00:10:12,000 --> 00:10:21,483
utdanning. Hva er dine refleksjoner knytta til spørsmålet som her er 
stilt? Hvordan former KI fremtidens kunnskapsutvikling? Vær så god,

33
00:10:21,503 --> 00:10:32,217
Anders. Det er et godt spørsmål. Når vi utdanner, skal vi utdanne 
studenter som skal inn i denne ... De

34
00:10:34,417 --> 00:10:39,359
skal virke når de er ferdige, men de blir en del av det under 
utdanningsløpet vårt. I det øyeblikket man beveger seg inn i master- og

35
00:10:39,379 --> 00:10:41,459
PUD-utdanningene, tar man del i det å utvikle kunnskap.

36
00:10:55,000 --> 00:11:05,007
Som utfordrer høyere utdanning og kanskje til en viss grad høyere ... 
Altså hva vi gjør i forskning også, som er knyttet til flere områder. Et

37
00:11:05,027 --> 00:11:13,632
område det er knyttet til, er hvorfor studentene skal komme til oss. Nå 
er det jo slik at man kan tenke seg at du kan lære ganske mange ting bare ved

38
00:11:13,652 --> 00:11:21,516
å chatte med en KI-agent. Det kan være en effektiv måte å lære på. Det kan 
være det første stedet jeg starter. Å starte en samtale med en kompetent

39
00:11:21,536 --> 00:11:21,876
samtalepartner.

40
00:11:34,167 --> 00:11:41,019
Men da kan vi bekymre oss litt for hva som skjer da. Betyr det at vi trekker 
studentene vekk fra campus, og at de blir sittende hjemme og chatte? Det

41
00:11:41,039 --> 00:11:49,949
vil i så fall være uheldig hvis vi ønsker å trekke dem inn i et 
forskningsfellesskap. De skal lære om forskningsprosessen ved å ta

42
00:11:50,029 --> 00:11:58,936
del i den sammen med andre forskere. Da blir det mer som en 
mestersvennutdanning vi ofte har når vi introduserer studenter. Vi

43
00:11:59,436 --> 00:12:09,424
ser at det er noe som trekker i forskjellige retninger. Vi har en 
teknologi som kanskje individualiserer mer av utdanningen. Fordi det

44
00:12:09,444 --> 00:12:19,135
gjør mulig å gjøre det én til én med en robot. Inn i et fellesskap når de 
skal lære seg en del av forskningsaktivitetene. Det er en utfordring,

45
00:12:19,155 --> 00:12:25,699
og det er en utfordring som jeg tror alle institusjoner nå ser på. Vi 
diskuterer hvordan vi skal få studentene tilbake på campus, og hvordan

46
00:12:25,719 --> 00:12:35,046
vi skal lykkes med en del av de undervisningsformene som er avhengig av 
at studentene deltar i undervisningen. Det er én akse. En annen akse går

47
00:12:35,246 --> 00:12:40,879
på hva studentene egentlig skal lære. Det ser ut som om vi nå skal bare 
kaste alle kortene. Vi skal nå bare lære oss AI-ferdigheter. Det tror

48
00:12:40,899 --> 00:12:41,479
jeg er langt unna sannheten.

49
00:12:58,964 --> 00:13:08,606
Knyttet til hvordan fører man et argument? Hvordan analyserer man et 
argument? Hvordan tenker man? En grunnleggende ting på hvordan du

50
00:13:08,986 --> 00:13:16,308
bygger avanserte strukturer i din egen hjerne. Som du etterpå kan bruke 
til å resonnere med. Vi er avhengig av at strukturene blir

51
00:13:16,728 --> 00:13:24,670
tilstrekkelig komplekse. Hvorfor det? Jo, fordi hjernen vår har 
veldig begrenset arbeidskapstett. Vi har lite ramm, på et vis. Eller i

52
00:13:24,690 --> 00:13:36,856
hvert fall plass til få enkeltelementer i arbeidsminnet vårt. De må 
bygges slik at de blir avanserte, og det krever hard jobbing. AI har en

53
00:13:36,916 --> 00:13:45,921
tendens til å kortslutte en del av prosessene som bygger strukturene. 
Både fordi det kan være fristende å bruke AI til å levere et produkt du

54
00:13:45,941 --> 00:13:58,644
blir bedt om. Vi ser en tendens til å si at KI-agentene ikke bare kan delta 
i forskningsprosessene, men til og med kan levere en del av produktene

55
00:13:58,684 --> 00:14:07,529
våre, nemlig skrive hele artiklene. Da kan vi begynne å spørre oss hva 
poenget er med en artikkel. Som vi stiller studentene våre spørsmål om,

56
00:14:07,549 --> 00:14:13,172
hva er poenget med en stil? Poenget med å skrive en stil eller et essay er 
ikke at det ikke er skrevet nok prosjektoppgaver fra før.

57
00:14:17,855 --> 00:14:27,278
Det er fordi man skal lære noe av den prosessen. Sånn er det ikke helt i 
forskning. Det er ikke poenget at den som gjør forskningsaktiviteten,

58
00:14:27,678 --> 00:14:37,400
skal lære noe. Men det er ikke det eneste poenget når du skriver en 
artikkel. Der har artiklene også en annen funksjon som går på hvordan vi

59
00:14:37,480 --> 00:14:46,563
formidler og viderefører kunnskapen vår. Så på mange vis er det mange 
koblinger her mellom hva vi gjør i utdanningene, og hva vi gjør i

60
00:14:46,823 --> 00:14:55,029
forskning. Og så skal vi grave i denne diskusjonen også. Bevege oss 
innover mot hva dette betyr for kunnskapsproduksjon.

61
00:14:55,109 --> 00:15:04,677
Kunnskapsutvikling. Og hvordan vi fører nye mennesker inn i dette 
samfunnet av kunnskapsutviklere som vi er i forskersamfunnet.

62
00:15:05,358 --> 00:15:11,163
Redskapet

63
00:15:11,203 --> 00:15:19,129
deres er jo det naturlige språk, enten den er fransk, norsk eller 
engelsk. Så dine refleksjoner knytta til dette spørsmålet når det

64
00:15:19,149 --> 00:15:28,970
gjelder kunnskapsutvikling innen humaniora. Jeg begynte som 
instituttleder for fem år siden, i 2021. Det er på en måte en annen

65
00:15:28,990 --> 00:15:39,953
tidsalder. Fordi det er før vi fikk de store modellene. Da jeg gikk rundt 
og snakka med alle avdelingene på instituttet, hva dere trenger, hva er

66
00:15:39,993 --> 00:15:51,137
viktig, så var det gjennomgående at vi trenger hjelp til å få studentene 
til å skrive gode akademiske tekster. Humaniora er veldig hvitt, men

67
00:15:52,298 --> 00:15:58,922
for det meste av humaniora så er det teksten som er 
forskningsresultatet. Vi formidler våre ting gjennom tekst, og

68
00:15:58,982 --> 00:16:07,528
teksten er liksom det vi sverger ved. Derfor er det viktig at studentene 
behersker den sjangeren, og det gjorde de ikke. De kom ut av

69
00:16:07,568 --> 00:16:17,093
videregående skole og kunne ikke skrive en god akademisk tekst med 
kilder, med kildekritikk og alle de tingene som vi stiller krav til. Og

70
00:16:17,234 --> 00:16:27,479
så kom chat-GPT. Og plutselig kan studentene skrive argumentative 
tekster. For vår del så er det ... oppleves det som veldig

71
00:16:30,481 --> 00:16:45,545
dramatisk fordi at vi ... Å bruke chat for å skrive en tekst er ikke 
akseptabelt. Vi baler veldig med det. Spesielt på innleveringer hvor

72
00:16:45,565 --> 00:16:55,289
studentene tar snarveier, så er dette et problem. Gjennom å skrive den 
teksten så utvikler du dine egne resonnementer. Du utvikler din

73
00:16:55,449 --> 00:17:08,384
kritiske tenkning, og KI kan ikke hjelpe deg med det. I Humaniora er det 
veldig stor motstand mot de store tekstmodellene. Fordi vi føler at det

74
00:17:08,444 --> 00:17:20,497
slår en del beina under det som er en sentral del av kunnskapen man får i 
Humaniora. Men vi kan bruke KI mye til spesifikke oppgaver. Det er folk

75
00:17:20,557 --> 00:17:31,485
hos meg som lager. Jobber med KI for å utvikle øvingsmateriale, for å 
hente ut konkrete ting som studentene trenger å jobbe med. Så det er

76
00:17:31,525 --> 00:17:37,309
mange måter å bruke KI på hvor vi har veldig mye å gå på fortsatt.

77
00:17:40,051 --> 00:17:49,181
Av fakultetene og disiplinene vil jeg tro at humanistene er de som er 
mest skeptiske til bruk av KI, men når det er sagt, så er vi også

78
00:17:50,523 --> 00:18:00,674
uunnværlige, tenker jeg. Og det er mange forskningsprosjekter på 
gang. Hva gjør det med oss som mennesker? Hva er etikken i det her? Hvilke

79
00:18:00,734 --> 00:18:12,344
relasjoner skal vi ha oss imellom. Hva med opphavsrettigheter. Det er 
veldig mange spørsmål som kommer gjennom KI, og hvor humanistene er de

80
00:18:14,086 --> 00:18:22,814
som kan gå inn og besvare dem best mulig ut fra deres fagfelt. Så det er 
veldig mange sider av det her. Men det er en skepsis til det som går på

81
00:18:22,854 --> 00:18:33,586
tekstproduksjon og KE, i og med at den tradisjonelle måten å formidle 
forskning på og teste studentene på, det er gjennom tekstskrivning og

82
00:18:33,647 --> 00:18:43,616
essays. Det stiller krav til skoleeksamener. Og muntlige eksamener. 
Det er ikke sikkert at det er det som er den beste måten å teste studentene

83
00:18:43,676 --> 00:18:54,623
på i et moderne samfunn. For det er andre former for ferdigheter som 
arbeidslivet krever, enn å kunne skrive fem sider tekst. Da over til

84
00:18:54,683 --> 00:19:03,871
samfunnsvitenskapene. Bjørn, du har jo for så vidt lenge jobba med å 
studere trender i data for å se på det politiske landskapet i Europa. Hva

85
00:19:04,012 --> 00:19:12,700
tenker du fra et samfunnsvitenskapelig perspektiv rundt dette 
spørsmålet? Fra et empirisk samfunnsvitenskapelig perspektiv så er

86
00:19:12,720 --> 00:19:25,960
dette kanskje den største endringa og altså trykkekunsten. Dette gir 
oss helt andre muligheter enn det vi hadde før. Og den skrivebiten er det

87
00:19:26,000 --> 00:19:37,423
minst interessante. Det som er den interessante biten, er muligheten 
til å finne det sånn ... I staten som uten krig, så skjer alt gjennom ord.

88
00:19:38,163 --> 00:19:48,008
Alt blir gjort enten gjennom et ... Enten du skriver det eller snakker. 
Eller at du har ikke-verbal kommunikasjon. Men det skjer gjennom

89
00:19:48,389 --> 00:20:05,978
tekst. Og nå har vi hatt en lang prosess med rimelig elementær 
digitalisering av tekster. Mens nå har jeg tilgang til det. Nå kan jeg

90
00:20:06,038 --> 00:20:09,921
bare gå inn og spørre ... Kan finne

91
00:20:11,962 --> 00:20:28,192
alle dokumenter i EUs historie på dette temaet. Last det ned til meg. Alt 
sammen. Rensk det opp. Sørg for ... Prøv å se opp hvor det bærer

92
00:20:28,232 --> 00:20:38,676
enkeltdokument på denne måten. Så spør jeg om jeg gjør det på denne 
måten. Dokumenter hvordan du gjør alt. Og i motsetning til alle

93
00:20:38,736 --> 00:20:48,758
forskningsassistentene som prøver på dette, så går lei. Eller finner 
noe bedre å gjøre, eller gjør det feil. Så kan jeg spørre om igjen og om

94
00:20:48,778 --> 00:20:56,960
igjen, helt til jeg får produkter som er reproduserbare fra hvilke 
dokumenter jeg skal hente inn, hvordan de skal analyseres, hvordan jeg

95
00:20:57,941 --> 00:21:09,063
kan visualisere dette til andre brukere. Gjennom en interaktiv 
nettside, der de kan gå inn og selv finne de de er interessert i, får de det

96
00:21:09,123 --> 00:21:09,983
visualisert.

97
00:21:12,541 --> 00:21:26,324
Vil jeg ta resten av min karriere? Det gjorde jeg forrige uke. Så året det 
enda ... Hva er da et godt empirisk, samfunnsvitenskapelig produkt?

98
00:21:27,984 --> 00:21:44,889
Det hjelper ikke å ha data ifra en måned eller et år eller et par av 
sonemål. Ha ... Hele historien. Og holde en oppdatert. Sånn at du

99
00:21:44,949 --> 00:21:53,416
faktisk kan beskrive ... En viktig del av samfunnslivskunnskap er å 
beskrive samfunnet sånn som det er, og sånn som det har vært. Sånn at vi

100
00:21:53,456 --> 00:21:54,497
kan forstå hvordan det skal bli.

101
00:21:57,597 --> 00:22:11,168
Enheten vi kan beskrive på nå, nyansene, de åpner på en helt annen måte. 
Og det gjør det òg reproduserbart på en helt annen måte. Det er veldig få

102
00:22:11,208 --> 00:22:18,674
replikasjons... For det første, inntil nylig hadde vi stort sett ikke 
replikasjonsdata. Hadde kanskje et datasett, men hvordan kom vi til

103
00:22:18,694 --> 00:22:24,097
det datasettet? Det var

104
00:22:24,157 --> 00:22:34,964
ofte litt uklart, men av og til var det noe kode der. Så kunne vi hjelpe deg 
på vei. Men var dette dokumentert godt?

105
00:22:35,824 --> 00:22:47,952
Nei. Men det er veldig god til å bare beskrive hva den har gjort. Men det er 
ingen hemmelighet. Den skriver ikke sånn ønsket, men veldig få av oss

106
00:22:48,492 --> 00:23:05,043
... Så den skrivebiten er ikke den som gjør den store forskjellen. Men 
alt før og alt etter kan bare settes på skinnet. Ja, vi må sjekke ting, men

107
00:23:05,363 --> 00:23:14,269
det å sjekke data ... Det er iallfall veldig vanskelig å få din 
medforfatter og dine assistenter til å gjøre. Men nå kan vi bare sette

108
00:23:14,289 --> 00:23:28,481
opp en interaktiv plattform som gjør at jeg enkelt kan sjekke dette. Og 
så sette dette opp som en beisjansk læringslinje ... Etter å ha kodet det

109
00:23:28,521 --> 00:23:41,213
inn fem ganger, så fortsetter det sånn helt til vi har et resultat som vi 
er fornøyd med. Og det gir oss noen muligheter som vi ikke hadde før. Så

110
00:23:41,233 --> 00:23:55,251
det er helt fantastisk. Du nevnte jo, du var jo innom noe bayesiansk. 
Hvis vi går litt under panseret, så er jo dette en ... Det er jo

111
00:23:55,371 --> 00:23:59,376
statistikkens tidsalder.

112
00:24:02,119 --> 00:24:09,105
Hva er dine refleksjoner knyttet til dette spørsmålet? Det

113
00:24:09,165 --> 00:24:21,735
er to veldig forskjellige ting. Hva gjør dette med forskerhverdagen? 
Hva gjør det i min daglige jobb? Og hva skjer med disse veldig store

114
00:24:21,775 --> 00:24:30,121
modellene, og hva skjer med kunnskapsutviklingen generelt? Hvis vi 
starter med det første, så syns jeg det er fint å ha litt perspektiv, og

115
00:24:30,202 --> 00:24:42,648
tenke på hvordan var verden før KI. Jeg har en tidligere veileder som tok 
doktorgrad på 90-tallet. Som var jo for en liten stund siden. Og han

116
00:24:42,728 --> 00:24:56,877
trengte å skaffe seg en oversikt over all mulig bruk av en bestemt type 
statistisk modell. Da måtte han sitte på biblioteket en hel sommer og se

117
00:24:57,097 --> 00:25:09,326
gjennom papirutgaver av Web of Science. Som de hadde skrevet ut alle 
titler og abstrakt på alle titler som fantes. Det var den sommeren. Og nå

118
00:25:09,386 --> 00:25:18,876
løser vi det på en ettermiddag, ikke sant? Så den tingen har jo endret seg 
veldig raskt. Og det, jeg tror ... Altså, vi har alle disse mulige

119
00:25:18,936 --> 00:25:26,663
tingene som nå hjelper oss. Så hvordan setter vi det i sammenheng, og 
hvordan passer vi på at den informasjonen vi får, faktisk er riktig

120
00:25:26,703 --> 00:25:40,898
informasjon? Og så skjer veldig spennende ting i forskningsfronten. 
Det er f.eks. værmeldinger. Værmeldingene vil endre seg helt. Nå går vi

121
00:25:41,078 --> 00:25:51,788
òg til KI-modeller som kjører på en laptop på ti minutter, hvert det man 
trengte en supercomputer for å gjøre før. Det er kjempespennende, det

122
00:25:51,828 --> 00:26:01,615
som skjer akkurat nå. For nå har man fått modeller som kjører og gir noen 
svar. Og så nå kommer neste bølge, hvor forskerne prøver å skjønne

123
00:26:02,215 --> 00:26:14,163
hvordan kommer disse modellene frem til disse svarene? Hele tida 
trenges nye forskningsspørsmål som kommer pga. dette her. Så det er mye

124
00:26:14,183 --> 00:26:22,318
å tenke på, men jeg syns også det skjer veldig mye spennende. Ole 
Kristian, du er instituttleder på Institutt for informatikk. Det er jo

125
00:26:22,458 --> 00:26:32,822
digitaliseringens mor i Norge. Og det ble vel sagt for noen år siden av 
noen, ikke på universitetet, at samfunnet er gjennomdigitalisert.

126
00:26:33,022 --> 00:26:41,525
Men jammen fortsetter det med full kraft. Og i tillegg til å være 
instituttleder, så er det jo også ... Du jobber jo med faget. Så hva er

127
00:26:41,545 --> 00:26:53,132
dine refleksjoner, Ole Kristian, knytta til spørsmålet? Ja, jeg har 
lyst til å starte med å si at et av de store problemene innenfor moderne

128
00:26:53,452 --> 00:27:01,439
forskning og vitenskap går jo på mengden informasjon man skal forholde 
seg til. Det er lenge siden en forsker innenfor et eller annet

129
00:27:01,459 --> 00:27:10,206
spesialfelt virkelig har kunnet følge med på all litteratur som er 
relevant innenfor det fagområdet. Det er én anvendelse av KI, å hjelpe å

130
00:27:10,246 --> 00:27:19,950
sortere den informasjonen. Det er det dere er inne på. At man kan rett og 
slett be om å få alle artikler som nevner en eller annen bestemt ...

131
00:27:20,090 --> 00:27:28,194
Selvfølgelig et ord, men også som omtaler et eller annet emne, kanskje i 
kombinasjon med noe annet du er veldig interessert i. Det er et

132
00:27:28,234 --> 00:27:40,900
fantastisk sorteringsinstrument, og selvfølgelig med de forbehold 
om at den kanskje ikke sorterer akkurat på en ... Det kan være ting som

133
00:27:40,960 --> 00:27:53,801
ikke er med, osv. Men det er et nyttig verktøy der. Som et område jeg har 
jobbet mye innenfor selv, så har det jo skjedd enormt mye. Forskningen

134
00:27:53,821 --> 00:28:02,686
innenfor helse i dag er i stor grad påvirket av KI-utviklingen. De 
fleste i dag kjenner vel til alfafold. Den nyeste versjonen er vel

135
00:28:02,746 --> 00:28:13,752
alfafold 3. Som altså er et verktøy for å predikere proteiners 
3D-struktur. De verktøyene, alfafold 1, 2 og 3, de er blitt ekstremt

136
00:28:13,812 --> 00:28:24,301
gode nå. Hvorfor er dette et viktig problem? Jo, fordi design av moderne 
medisiner er i stor grad avhengig av at man nettopp klarer å forutsi

137
00:28:24,361 --> 00:28:37,064
hvordan disse proteinene folder seg. Og det er ... I fortsettelsen av 
det så ser man nå at innenfor design av medisiner, altså drug design, så

138
00:28:37,124 --> 00:28:50,630
ser man at KI er kommet for fullt. Så de store farmasøytiske firmaene 
bruker dette nå i stort monn. For å produsere nye medisiner, så hvis man

139
00:28:50,670 --> 00:29:01,837
f.eks. sier vi kommer med et nytt virus, så kan man bruke disse 
verktøyene til å forutsi og rett og slett designe et antistoff som vil

140
00:29:01,877 --> 00:29:14,045
binde seg til dette viruset og som vil kunne eliminere det. Og dermed 
kunne redusere tiden det tar å lage en vaksine betydelig i forhold til

141
00:29:14,065 --> 00:29:24,194
hva man så under pandemien, f.eks. Hvis man går tilbake til dette med 
virus, altså vaksiner under pandemien, så husker jo de fleste at vi gikk

142
00:29:24,214 --> 00:29:32,541
og ventet og ventet på de vaksinene. For de måtte jo prøves ut. De måtte 
prøves ut i store populasjoner før man utsetter hele befolkningen for

143
00:29:32,561 --> 00:29:41,967
det. Og det er gode grunner til det. For medisiner har altså 
bivirkninger, til dels alvorlige bivirkninger. Noe av det som gjør at

144
00:29:42,007 --> 00:29:52,837
sånne kliniske studier tar mye tid, er at gullstandarden for å 
gjennomføre sånne, er at man tar en gruppe mennesker, som da deltar i

145
00:29:52,877 --> 00:30:02,546
studien, og så splitter de i to grupper. Noen får vaksinen, og noen får 
bare saltvann sprøytet inn. Da sier man at man randomiserer. Det er helt

146
00:30:02,566 --> 00:30:11,589
tilfeldig hvem som havner i hvilken gruppe. Og de som får vaksinen, 
eller får sprøyte, vet ikke om de får ekste vaksine eller bare saltvann.

147
00:30:12,288 --> 00:30:13,469
Det

148
00:30:15,630 --> 00:30:25,776
som er problemet med det, er at hvis det er 1000 mennesker som får 
sprøyten, så betyr det at 500 av dem ikke får vaksine. Det hadde vært mye

149
00:30:25,816 --> 00:30:33,120
bedre hvis man kunne gitt alle sammen dette. Da hadde du fått testet 
bivirkninger i 1000 mennesker istedenfor i 500. Det man ser nå, er at man

150
00:30:33,140 --> 00:30:34,681
er i ferd med å utvikle veldig gode metoder.

151
00:30:38,984 --> 00:30:46,929
Rett og slett slippe å ha denne kontrollpopulasjonen. For man kan bruke 
historiske kontroller. Pasienter som har vært behandlet tidligere,

152
00:30:47,769 --> 00:30:54,873
eller pasienter med lignende tilstander, og som ikke har fått vaksine. 
Så kan man trekke de ut av store databaser. Det er det man kaller for real

153
00:30:54,913 --> 00:31:04,419
world data, for å si det på godt norsk. Man samler jo informasjon om alle 
pasienter som har vært gjennom et sykehus. Store registre som ligger i

154
00:31:04,459 --> 00:31:15,054
Norge og i andre land. Og det at man da kan bruke KI til å designe en 
populasjon som man kan kontrollere mot, det reduserer faktisk tiden

155
00:31:15,195 --> 00:31:25,805
det tar å gjennomføre en klinisk studie enormt mye. Og det gjør den 
billigere. Og i tillegg gjør det at man kan få solide studier også på

156
00:31:26,246 --> 00:31:35,014
medisinske tilstander som er sjeldne. Og det er faktisk et problem om du 
har en sjelden sykdom. For selv om det fins et potensielt medikament mot

157
00:31:35,054 --> 00:31:43,981
den, så er det vanskelig å få tak i nok pasienter til å gjennomføre en 
såkalt randomisert studie. Kan man da bruke historiske kontroller, så

158
00:31:44,021 --> 00:31:55,686
vil det spare en for tid. Jeg vil nevne et annet eksempel på hvor KI kan 
gjøre en stor betydning. Språkmodeller har jo vært nevnt her. Den

159
00:31:55,746 --> 00:32:07,390
tabloide måten å si det på, er at man har en lang setning, og så kan man 
predikere hva det neste ordet i den setningen er. Men den setningen

160
00:32:07,611 --> 00:32:16,533
trenger ikke å være norsk eller engelsk eller et naturlig språk. Den kan 
jo være noe helt annet. Også innenfor helse har vi en type setning hvor

161
00:32:16,573 --> 00:32:24,935
man er veldig interessert i å predikere hva det neste ordet er. Og det jeg 
tenker på da, er for en gitt pasient som ... La oss si f.eks. en

162
00:32:24,975 --> 00:32:33,717
kreftpasient som er gjennom et langt behandlingsforløp. Så kan vi 
tenke oss alt det som blir registrert om den pasienten i løpet av

163
00:32:33,777 --> 00:32:44,807
sykehusoppholdet. Et CT-bilde, et MR-bilde, en blodprøve, en 
radiologirapport, en vurdering av kliniker osv. Alt det kan vi tenke på

164
00:32:44,887 --> 00:32:52,655
ord. Og de har en bestemt rekkefølge. Først gjorde de det, og så gjorde de 
det. Og så gjør man en responsevaluering etter å ha fått en behandling

165
00:32:52,695 --> 00:33:01,159
osv. Der er det utrolig interessant, hvis man kan predikere det neste 
ordet i den setningen. Med andre ord, hva ville den neste fornuftige

166
00:33:01,199 --> 00:33:10,863
behandlingen være? Hvordan kommer pasienten til å respondere på det 
man nå har gjort, osv. Så det å bruke språkmodeller til helt andre typer

167
00:33:11,023 --> 00:33:20,127
data, hvor man har sekvenser av alt annet enn naturlige ord, er en 
utrolig viktig anvendelse. Og der er det i ferd med å utvikle seg

168
00:33:20,147 --> 00:33:30,551
systemer. Jeg tror det kommer til å transformere helsevesenet. Så 
innenfor forskning generelt på helse så kan man si at det var før og etter

169
00:33:30,871 --> 00:33:39,175
KI-modellene. Og når jeg sier KI-modellen, så tenker jeg på mer enn 
ChatPPT. For det er selvfølgelig veldig mye mer. Dette er en utvikling

170
00:33:39,215 --> 00:33:49,760
som har pågått nå siden ... Altså egentlig fra 1950-tallet, men siden 
2010 så har det vært en enorm utvikling. Og så kom jo språkmodellene

171
00:33:49,800 --> 00:34:04,449
sist, da. Dere har jo alle vært innom ... det er ganske mange muligheter. 
Jeg vil se på et par utfordringer, og det er særlig ordet tillit. Hvordan

172
00:34:04,589 --> 00:34:14,796
skaffer vi oss tillit? Disse systemene kommer fra ... Kommersielle 
aktører, noen av dem veldig svære. Vi vet ikke 100 % hva som er bak

173
00:34:14,836 --> 00:34:26,946
panseret. Det er stor bevegelse i verden for å lage åpne modeller, og det 
liker jo vi i Akademia. Og det jobber vi jo for. Du nevnte ... Jeg begynner

174
00:34:26,986 --> 00:34:39,495
med deg, Bjørn. Hvordan skaffer du deg tillit til det som skjer? Og 
hvordan anvender du det når du skal presentere. Hva gjør du for å

175
00:34:39,756 --> 00:34:53,807
forsikre deg om at disse tingene du får presentert, er korrekt eller har 
en riktighet som du oppfatter er presist i ditt fag. Nøkkelåret er

176
00:34:54,148 --> 00:35:10,101
reproduserbarhet. At ... Den prosessen med å hente inn data. Jeg får 
ikke bare teksten, men jeg får linken til hvor teksten kan finnes, hvor

177
00:35:10,221 --> 00:35:27,852
andre kan hente inn den. Og så når den ... Kodingen av den teksten må òg 
gjøres gjennom et script. Så jeg er i stand til å skjønne det, for jeg har

178
00:35:28,332 --> 00:35:40,941
brukt altfor mye tid til å lære meg dette. Så jeg kan skjønne hva som 
skjer, jeg kan gå inn og endre det. ... beskrive det hvis noen spør, og

179
00:35:41,021 --> 00:35:52,326
andre uavhengige kan se på det. De kan kjøre det på sin egen maskin og få 
det samme resultatet. I form av at de får de samme dataene. Og så går det jo

180
00:35:52,366 --> 00:36:02,270
an ... Det er jo mange åpne modeller, og vi har jo plattform for lett å 
hente inn åpne modeller og kjøre på vår egen maskin. Så dermed kan en

181
00:36:02,330 --> 00:36:16,391
teste på flere ulike modeller, og hvis en får ... Hvis det ikke ser veldig 
forskjellig ut, så er vi mer usikre. Innenfor statsvitenskap er det

182
00:36:16,731 --> 00:36:26,153
gjort en del forskning ... Vi er jo veldig interessert i ideologi, så vi 
er en del som koder ideologien til de tekstene som språkmodellene

183
00:36:26,934 --> 00:36:31,495
produserer, og finner ut hvor de har deres politisk-ideologiske 
beviser.

184
00:36:37,156 --> 00:36:46,007
Jeg stoler ikke på noe resultat der jeg ikke har mulighet til å 
reprodusere det sjøl.

185
00:36:57,878 --> 00:37:09,965
Jeg er statsviter, jeg er ikke informatiker eller statistiker. Så vil 
det være noen tekniske ting som jeg forstår på et overordnet nivå,

186
00:37:10,645 --> 00:37:13,747
kanskje ufullstendig ... Da kan man teste på andre måter ...

187
00:37:18,550 --> 00:37:29,513
Hvis jeg gir deg grunnlaget for de slutningene jeg treffer i artikkelen 
... Bare gjør det selv. Du får kanskje ikke ... Dette vil gi deg akkurat

188
00:37:29,533 --> 00:37:36,595
det jeg har sagt i artikkelen. Og så vil du kanskje gjøre det på en annen 
måte. Hvis du finner helt andre ting, så vil jeg gjerne at du skal vite

189
00:37:36,635 --> 00:37:49,138
det. Det er derfor jeg deler hele prosessen med deg. Og nå, med KS som er 
mye lettere for en samfunnsviter, å sette dette opp ... Vi

190
00:37:51,459 --> 00:38:03,343
lærer ikke våre studenter dockercontainer, og hvordan ting skal 
settes opp. Men nå kan vi få det satt opp på en måte som vil være

191
00:38:03,363 --> 00:38:17,810
reprodusert på alle ulike systemer for rimelig lang tid framover, gitt 
at den versjonen av softwaret er tilgjengelig. Så lenge jeg ikke

192
00:38:17,890 --> 00:38:29,913
baserer hele analysen på at de skal ... ... at det er en kommersiell 
språkmodell som klassifiserer teksten min, så er dette rimelig

193
00:38:29,933 --> 00:38:38,795
sikkert. Men jeg kan fremdeles si hva jeg da brukte. Men hvis du får litt 
andre resultater med en annen modell, så kan noe av det også være noe av

194
00:38:38,975 --> 00:38:49,498
det beste modellen er nå. Alt som jeg er interessert i i statsvitenskap, 
det er latent. Det er nivå på demokrati. Det er ideologisk plassering.

195
00:38:50,638 --> 00:39:04,521
Det er ingen som er på 3,5 på en høyre-venstre-skala. Det kommer jo an på 
hvordan vi satte den skalaen. Så det er noe variasjon der uansett. Men

196
00:39:04,721 --> 00:39:19,284
det må være reproduserbart. Det må være mulig for andre å sette seg inn i 
hva de har gjort, og få tilsvarende substansielle resultater. Tillit,

197
00:39:19,445 --> 00:39:29,634
naturvitenskap og fysikk, det er jo på én måte en slags eksakt 
vitenskap. Men det er jo ikke bare det. Hvordan ser du på dette

198
00:39:29,774 --> 00:39:42,794
tillitsspørsmålet fra ditt ståsted? Som forskersamfunn har vi bygd 
opp den tilliten til prosessen og resultatene. KI, både som

199
00:39:42,814 --> 00:39:50,156
språkmodeller og som generelt metoderammeverk, griper dypt inn i 
mange av de vitenskapelige prosessene vi har. Det er en viktig

200
00:39:50,196 --> 00:40:00,238
infrastruktur for mye av forskningen vi gjør. Men noen ganger kan vi 
tenke oss at man automatiserer hele forskningsprosessen. For tre uker

201
00:40:00,258 --> 00:40:08,061
siden var det en artikkel om det de kalte AI Scientist. Som var en 
helautomatisert variant av en forsker som gjorde hele

202
00:40:08,101 --> 00:40:17,364
forskningsprosessen. Vi har automatiserte kjemilabber hvor du kan 
styre det hele via KI. Og vi har en god del av fysikktypeeksperimenter,

203
00:40:17,404 --> 00:40:24,447
særlig der du gjør det med modellering. Hvor egentlig hele den 
prosessen du gjør som forsker, kan automatiseres. Men da blir

204
00:40:24,568 --> 00:40:33,493
spørsmålet hvordan kan vi da stole på resultatene som kommer ut. I 
hvilken grad har vi innsikt? Et viktig poeng var nettopp det som ble

205
00:40:33,533 --> 00:40:40,099
nevnt her i stad. At vi i større grad nå kan jobbe med tolkbarhet. Vi kan se 
hva i modellene det er som er ... Det

206
00:40:42,683 --> 00:40:52,300
åpner også for nye måter å utforske naturen på. En interessant retning 
innenfor fysikk er at vi trener opp modeller til å kunne reprodusere.

207
00:40:53,673 --> 00:41:02,103
Det endrer på hva det betyr å forstå noe. Tradisjonelt har 
fysikkforståelse vært at du klarer å formulere en elegant forenklet

208
00:41:02,143 --> 00:41:09,492
modell av et system. Og så kan du forstå hvordan den modellen virker. Men 
nå flytter vi kanskje det og sier at nei, kanskje vi ikke trenger å

209
00:41:09,532 --> 00:41:15,475
formulere den modellen. Kanskje det holder at den modellen er inni en 
maskin? Bare den klarer å reprodusere det vi observerer av data

210
00:41:15,495 --> 00:41:23,620
tilstrekkelig godt. Men hvordan kan vi da si at vi forstår det i det hele 
tatt? Kan vi ha tillit til modellen når vi ikke vet akkurat hvordan den

211
00:41:23,680 --> 00:41:31,364
reagerer på noe som er utenfor det som har vært? Dette er nå utfordringen 
med de AE-baserte meteorologiske systemene. De siste hundre årene har

212
00:41:31,384 --> 00:41:37,288
vi bygget opp en veldig stor tillit til meteorologiske modeller basert 
på fysikkmodellering. Og det har egentlig vært en av de store

213
00:41:37,328 --> 00:41:46,491
suksesshistoriene fordi vi hvert tiende år har klart å få én dag bedre. 
Og

214
00:41:46,591 --> 00:41:56,334
så plutselig har vi fått modeller som kan kjøre på en laptop og som gir 
like gode, om ikke bedre, resultater. Men er disse like robuste? Hva

215
00:41:56,374 --> 00:42:02,675
skjer hvis det blir en gradvis endring i dataene gjennom 
klimaendringer eller andre ting? Klarer disse modellene å fange opp

216
00:42:02,695 --> 00:42:09,837
den gradvise endringen? Så vi har en annen form for tillit i 
utgangspunktet til ting hvor f.eks. fysikk eller flydmekanikk ... Vi

217
00:42:09,897 --> 00:42:14,284
vet at disse modellene ikke alltid gir gode resultater. Så vi har en 
veldig dyp tillit til en del av den vitenskapen som vi har bygd det opp.

218
00:42:22,773 --> 00:42:31,484
Når vi nå introduserer KI som en viktig infrastruktur i mye av det vi 
gjør, fordi at vi kan på et vis tappe på den, eller redusere den tilliten

219
00:42:31,524 --> 00:42:36,730
vi har bygd opp over lang tid. Så vi må gjøre det litt forsiktig. Vi må 
gjøre det, som Bjørn nevner, med reproduserbarhet.

220
00:42:39,614 --> 00:42:45,779
Interessant artikkel hvor man har prøvd å reprodusere masseartikler. 
Political science kom ikke så dårlig ut i den artikkelen.

221
00:43:02,513 --> 00:43:13,101
Det å klare å holde på den tilliten og se hvordan vi kan bruke KI som 
infrastruktur og samtidig opprettholde den tilliten ... Så kan man gå

222
00:43:13,141 --> 00:43:19,705
inn på en lang diskusjon omkring hvordan dette endrer på 
forskningsprosessene. Hvilke deler av forskningsprosessene blir

223
00:43:19,746 --> 00:43:27,691
viktige? Kanskje blir det mer et overordnet netanivå fordi du kan 
automatisere en god del av de tingene som en masterstudent eller

224
00:43:28,092 --> 00:43:39,457
kanskje til og med en PhD-student har gjort tidligere. ... for å se 
dette, så er det en kjent matematiker. Han har en interessant blogg hvor

225
00:43:39,477 --> 00:43:49,104
han reflekterer omkring hvordan han bruker språkmodeller i å utvikle 
matematikk. Han var i et podkastintervju for noen uker siden med en som

226
00:43:49,124 --> 00:43:56,990
heter Dvarkash. Han reflekterer omkring hvordan matematikk som fag 
endrer seg i møte med språkmodeller.

227
00:44:00,513 --> 00:44:05,957
Som man for 100 år siden gjorde i matematikk. Som fysikere trengte vi 
matematikere. Så det gjorde matematikere for 100 år siden. Det gjør

228
00:44:05,977 --> 00:44:06,998
ingen matematikere nå.

229
00:44:11,819 --> 00:44:20,002
Vi trenger ikke de metodene lenger på samme vis, for det gjør 
datamaskiner. Sånn

230
00:44:20,042 --> 00:44:25,103
kommer det til å være med fysikk, sånn kommer det til å være med 
statsvitenskap og sånn kommer det sikkert også til å være med en god del

231
00:44:25,123 --> 00:44:31,665
humanøra. Jeg er veldig bekymret, f.eks. når jeg observerer at de 
studentene i Norge som får minst introduksjon til AI, det er

232
00:44:31,985 --> 00:44:39,368
arkeologistudentene. Hvorfor bekymrer det meg? Jo, fordi jeg tenker 
på arkeologi som et fag som vil ha veldig stor nytte av mange

233
00:44:39,408 --> 00:44:46,930
forskjellige KI-modeller. Så faget arkeologi burde bli oppdatert for 
å inkludere KI. Og så kommer også utdanningen av studentene våre til å

234
00:44:46,950 --> 00:44:55,613
bli det. Du nevnte vær. Da hadde jeg tenkt å hoppe til Kristine, men nå går 
jeg til Tordis. For det var også dette tillitsspørsmålet. Altså,

235
00:44:55,673 --> 00:45:04,953
hvordan sikrer vi oss det? Og nå har jo Anders vært litt innom det, men 
dine refleksjoner knyttet til akkurat det spørsmålet. Ja, jeg må svøye

236
00:45:04,974 --> 00:45:14,377
litt inn på det her, men dette med å ... Ting endrer seg. Og det er hva vi 
trenger å gjøre, det kommer til å endre seg. Og jeg tror kanskje vi

237
00:45:14,457 --> 00:45:26,062
starter å gå litt bort fra å selv booke ting til å selv booke tester til å 
sjekke om ting gjør det de skal. Og det er også en veldig viktig ting om det

238
00:45:26,122 --> 00:45:34,284
trenger kunnskap til å gjøres riktig. Så det kommer på en måte ... 
Matematikerne gjør noe annet i dag fordi de ikke løser

239
00:45:34,324 --> 00:45:43,272
differensiallinjer. Så de har ikke sånn løpetørr for oppgaver. Så det 
er dette med at vi må bare flytte oss litt til hva vi fokuserer på.

240
00:45:44,632 --> 00:45:49,274
Værmodellene

241
00:45:49,334 --> 00:46:00,998
trenger fortsatt 'human in the loop'. Vi trenger fortsatt den 
meteorologiske ekspertisen og noen kirkevarslinger før den legges

242
00:46:01,038 --> 00:46:13,777
ut. Jeg mener vel at det må være ".human in the loop". i alt her, men det kan 
vi jo komme tilbake til. I The Hitchhiker's Guide to the Galaxy

243
00:46:13,917 --> 00:46:23,067
plasserte han forfatteren en fisk inni øret til hvem som helst, som 
oversatte, slik at alle kunne snakke sammen.

244
00:46:26,802 --> 00:46:38,451
Dette handler jo om språk. Hva tror du vil skje med språkene, og hva 
ønsker du at ikke skal skje eller skje med språkutviklingen? Språket er

245
00:46:39,031 --> 00:46:51,241
en vesentlig del av vår kultur over hele verden. Det er stor variasjon. 
Hvordan vil dette påvirke språkutviklingen generelt, og ikke minst

246
00:46:51,381 --> 00:46:59,917
forskningen i språk? Det er jo et kjempestort spørsmål. 
Språkutvikling

247
00:47:00,577 --> 00:47:14,347
som naturlig talt språk tror jeg i liten grad påvirkes. For det er en 
egenskap som dels, i hvert fall noen av oss mener, er biologisk koda. Og i

248
00:47:14,407 --> 00:47:23,133
tillegg som er noe som oppstår i interaksjon. Så selve 
språkutviklingen, hvis du ser bort fra påvirkninger av overflate, så

249
00:47:23,153 --> 00:47:35,883
tror jeg ikke det er så veldig ... Det kan ha mye å si for hvordan vi lærer 
fremmedspråk. Det kan iallfall ha det. Her har vi sterke verktøy som kan

250
00:47:36,984 --> 00:47:43,690
gi direkte tilbakemelding i en læringsfase.

251
00:47:44,130 --> 00:47:56,120
Det er noe som skoler og også vi som universiteter, som lærere, har mye å 
hente på å ta ut. Og så er det de som jo gjerne vil ha denne Babel Fish-en inn

252
00:47:56,140 --> 00:48:10,130
i øret. Jeg tror du kommer et stykke med det. Jeg har akkurat vært hos 
frisør i Sør-Korea. Som ikke snakka et kløyva ord engelsk. Og det er en

253
00:48:10,150 --> 00:48:20,854
litt sånn ... Når du har langt hår og gjerne vil fortsette å ha det, så er 
det en litt sånn skummel opplevelse. Da kommer hun med en telefon, så

254
00:48:21,194 --> 00:48:27,438
dikterer hun, og så kommer en mekanisk stemme som oversetter til 
engelsk. Det er et elementært eksempel på ... Du kan få ting til å funke på

255
00:48:28,019 --> 00:48:30,601
et veldig elementært nivå, men jeg tror at også i framtida ...

256
00:48:37,145 --> 00:48:47,296
Vi vil ha behov for den mellommenneskelige kontakten som går utover ord 
for ord. Det som går på den kulturelle forståelsen, det å kunne møte

257
00:48:47,336 --> 00:48:55,445
mennesker. Og du kan ikke ha en heart to heart hvis du er avhengig av å 
snakke inn i en telefon som oversetter. Så jeg tror ikke at dette er noen

258
00:48:55,545 --> 00:49:08,368
trussel. Det gir en annen måte å lære andre språk på, som kan være mye mer 
målretta enn det vi har hatt før. Jeg er ikke noe bekymra for den delen.

259
00:49:08,648 --> 00:49:21,131
Men jeg tror at mye av det vi gjør i humaniora, vil måtte endre seg, vil 
kunne endre seg, vil kunne utvikle seg på nye måter takket være KI. Og så

260
00:49:21,151 --> 00:49:33,452
har jeg litt lyst til, i forlengelse av det du sier, for det slår meg litt 
at ... Hva vi forsker på er så forskjellig. Jeg er en empirisk lingvist.

261
00:49:33,492 --> 00:49:43,538
Jeg henter inn masse data fra språk som ingen har snakka på 1000 år. Og så 
systematiserer jeg det. Da kan jeg bruke KI i den prosessen for å hjelpe

262
00:49:43,578 --> 00:49:56,666
meg med den systematiseringa. Mens andre humanister vil jo gå inn og 
tolke tekster i mye større grad hvor jeg tror det er ... Mye viktigere å ha

263
00:49:56,706 --> 00:50:09,053
den menneskelige biten inne, og det tolkningsaspektet som ligger ... 
Det er en annen måte å forske på, rett og slett. Da kommer det

264
00:50:09,073 --> 00:50:17,098
argumentative, da kommer teksten mye sterkere inn. Så jeg tror det 
kommer veldig an på hva vår forskningsmaterie er, i hvor stor grad,

265
00:50:20,015 --> 00:50:25,117
KE gir også en mulighet til å få innsikt i noe vi kanskje ikke har fått 
innsikt i tidligere. Hvordan lærer vi språk? Det er vanskelig å gjøre

266
00:50:25,137 --> 00:50:25,998
gode eksperimenter som er etiske.

267
00:50:43,505 --> 00:50:46,966
Men nå har vi fått en ny måte å studere på. Vi har

268
00:50:50,487 --> 00:50:58,390
observert at flerspråklighet er nyttig fordi det kan gi deg bredere 
begrepsgrunnlag. Og det er ikke så vanskelig å forstå, fordi ord mapper

269
00:50:58,450 --> 00:51:07,294
ikke direkte til begreper. Og det kan være nyttig også når du skal trene 
språkmodeller. Da får du separert

270
00:51:07,394 --> 00:51:17,020
ut ordenes konkrete betydning i forhold til deres meningsrom. Det har 
også kommet forskning på hvilke deler av hjernen som er involvert i

271
00:51:17,100 --> 00:51:23,343
ulike tankeprosesser. Man ser ofte

272
00:51:23,824 --> 00:51:31,088
nå at tenkning inni hodet vårt ikke skjer i språk. Språksenteret i 
hjernen er i hovedsak kun involvert når vi laster ting inn og ut av

273
00:51:31,108 --> 00:51:40,431
hjernen. Mens nesten alle funksjoner i hjernen er relatert til andre 
områder. Så kan du i tillegg gjøre masse kule ting hvor du kan nappe over

274
00:51:40,471 --> 00:51:47,573
hvordan representasjonene i hjernen er i en språkmodell. Så begynner 
vi å få verktøyene til å kunne gjøre alt dette. Det kan utfordre ting i

275
00:51:47,613 --> 00:51:49,353
humanøra, så det er en veldig spennende diskusjon.

276
00:52:00,657 --> 00:52:07,781
Det er vårt første møte med noen som nesten tenker som oss, men som ikke er 
mennesker. Så det kan være med på å definere hva som gjør oss til

277
00:52:07,801 --> 00:52:17,426
mennesker. For hvordan er vi forskjellige fra denne fremmede 
intelligensen vi møter der ute? Som kan være veldig spennende i å bli

278
00:52:17,466 --> 00:52:27,352
bevisst og formulere hva som er unikt for oss. Hva er det menneskelige? 
Som jeg tolker som en del av grunnoppdraget eller grunntanken i

279
00:52:27,372 --> 00:52:41,171
humaniora. Menneskesett innenfra. Har du lyst på en kommentar? Jeg er 
veldig enig i det her. Det åpner så mange dører. Jeg tror kanskje ikke vi

280
00:52:41,211 --> 00:52:47,917
har ... Vi ikke helt klarer nesten å ta det inn over oss. Også fordi det 
skjer så fort.

281
00:52:50,641 --> 00:53:02,824
Ole Kristian, disse systemene som vi ser i et lite vindu, eller som vi får 
en liten bot på vår telefon, bak der er et enormt maskineri. Og det er

282
00:53:02,884 --> 00:53:13,006
bygget opp, det er data, det er regnekraft, det er masse forskjellige 
ting. Dette skal vi da på den ene sida gjøre kostnadseffektivt, vi skal

283
00:53:13,046 --> 00:53:24,587
gjøre det miljøvennlig, og vi skal ha tillit til det. Hva tenker du er det 
viktigste vi gjør for at vi ... For å skape på mange måter ... For at vi,

284
00:53:25,087 --> 00:53:35,994
ikke vi som sitter her, men de som skal ta i bruk den kunnskapen vi 
produserer, faktisk stoler på hva vi gjør. Jeg skal svare på det. Jeg vil

285
00:53:36,074 --> 00:53:46,359
komme med en liten kommentar til dette med utviklingen av naturlig 
språk. Vi er vel kjent med at det fins måter å detektere om noe er

286
00:53:46,399 --> 00:53:58,613
produsert av en av disse språkmodellene. De er ganske gode, og grunnen 
til at de detekterer det, er at språkmodellene formulerer seg Nå er det

287
00:53:58,653 --> 00:54:09,141
jo studier som faktisk viser at mange mennesker er i ferd med å ta etter 
denne måten å snakke på. Fordi man lar seg ... Og veldig mye av den teksten

288
00:54:09,161 --> 00:54:16,867
som er ute nå, er jo I-generert. Og at man faktisk har gjort studier hvor 
man vet at folk ikke har brukt chachipiti og disse modellene til å

289
00:54:16,907 --> 00:54:29,595
skrive. Likevel ser vi at ordfrekvenser avviker fra det man ser 
tidligere. Som man har latt seg påvirke av språkmodellene.

290
00:54:29,675 --> 00:54:39,441
Er det bare enkeltord vi snakker om, eller er det hele måten å tenke på og 
resonnere på som blir påvirket av KI-modellene. Så det er jo et samvirke

291
00:54:39,501 --> 00:54:50,547
her. Vi må bare innse ... Vi samspiller med dem nå. Vi har nok litt lett for 
å antropomorfisere eller menneskeliggjøre disse. Og akseptere

292
00:54:50,567 --> 00:55:00,033
tilbake til dette med tillit. Vi aksepterer nok i større og større grad 
den måten å resonnere på som de gjør, og blir dratt inn i den logikken. Så

293
00:55:00,073 --> 00:55:10,059
hvordan kan vi gjøre dette tillitsbasert? Jeg tror jo vi mennesker er 
vanedyr. Og jeg tror det er sånn at hvis vi ser at noe fungerer, så etter

294
00:55:10,079 --> 00:55:21,006
hvert så stoler vi på det. Vi får tillit til ting som fungerer. Hadde jeg 
stolt på en KI-lege i dag ... Nei. Men hvis dette nå rulles ut og det

295
00:55:21,086 --> 00:55:28,834
fungerer bra, så etter hvert så vil man tenke at det er trygt. Jeg kommer 
til å ikke være den første som setter seg i et fly hvor det er en KI-pilot,

296
00:55:29,334 --> 00:55:38,080
men altså når dette er gått i to år og det viser seg at de flybillettene er 
billigere, ja da setter jeg meg på det flyet. Så vi er vanedyr. Så det er

297
00:55:38,140 --> 00:55:47,963
det tillit går på. Det er rett og slett bare ... Når vi får riktig svar, og 
vi får de riktige tingene lenge nok, så tenker vi at dette er trygt nok. Så

298
00:55:48,003 --> 00:55:57,646
tillit er jo ikke noe sånn absolutt her. Så hvordan skape tillit til 
dette her? Jeg tror det er veldig viktig å ha mennesker i loopen. Men det

299
00:55:57,706 --> 00:56:08,132
er et problem der. Og det er klart, hvis man går tilbake til dette 
helseeksempelet. I dag har man flere og flere verktøy, KI-verktøy, som

300
00:56:08,192 --> 00:56:22,964
hjelper en å tolke f.eks. røntgenbilder og radiologibilder. Men de 
skal alltid ses på av en radiolog og en lege som spesialist. Hvor lett

301
00:56:23,004 --> 00:56:33,910
blir det å få folk til å utdanne seg til dette om fem år? Hvem vil bli 
radiolog om fem år, når man vet at KI-systemene er så gode som de er? Så

302
00:56:33,950 --> 00:56:42,233
hvis din eneste rolle som lege skal være å sjekke og si ... Ja, det ser 
greit ut, det ser greit ut, det ser greit ut ... Det høres ut som en ganske

303
00:56:42,293 --> 00:56:52,917
kjedelig jobb. Det er den kreative delen ved yrket som sikkert trekker 
mange mot den jobben, nemlig å være smart og finne ut hva dette her er. Så

304
00:56:53,217 --> 00:57:01,781
jeg tror ikke så veldig mye på det der at mennesker om fem og ti år kommer 
til å drive og validere disse tingene hele tiden. Jeg tror vi kommer til å

305
00:57:01,821 --> 00:57:11,184
stole mer og mer på dem, og det må vi bare finne oss i. Og samtidig må vi da 
finne andre mekanismer. Vi er nødt til å finne mekanismer. Vi er nødt til

306
00:57:11,744 --> 00:57:20,607
å kanskje ha mennesker i loopen på en annen måte enn å se på hvert enkelt 
radiologibilde osv. Vi er nødt til å ha et overordnet system, vi må ha

307
00:57:20,647 --> 00:57:31,270
regulatoriske ... Vi må ha regler, vi må ha rutiner for dette her. Og 
dette er ikke noe som kan løses i hvert enkelt utviklingsprosjekt. Her

308
00:57:31,310 --> 00:57:41,133
er det utrolig viktig å ha ... Men regjeringen har jo lagt ut også råd om 
hvordan man skal gå fram hvis man skal utvikle KI-løsninger. Utrolig

309
00:57:41,173 --> 00:57:50,156
viktig å ha det. Og så har vi også europeisk AI-akt nå. Så det er mye som er 
tenkt, og mye skal tenkes videre rundt hvordan man gjør det. Det ene er nå

310
00:57:50,196 --> 00:58:00,443
rene lover, men det andre er rett og slett ... Gode tips til alle som 
ønsker å utvikle sånne løsninger. Og så har vi et stort senter som heter

311
00:58:00,463 --> 00:58:04,827
Trøst. Som er et av disse seks KI-sentrene i Norge nå. Og som nettopp 
fokuserer på hvordan vi kan få ...

312
00:58:15,637 --> 00:58:24,502
Pålikelige løsninger ved hjelp av kunstig intelligens. Grunnen til at 
man trenger et KI-senter som har fått 200 mill. kr for å jobbe på dette, er

313
00:58:24,602 --> 00:58:34,528
nettopp fordi det er ingen enkle fiks på dette her. Ingen løsninger som 
jeg klarer å dra opp av hatten her og nå, men dette må man forske på. Det er

314
00:58:34,548 --> 00:58:43,978
et stort og viktig forskningsfelt. Du skal få en kommentar, og så har jeg 
ett spørsmål til dere til slutt. Bare en kjeft om det med tillit. I

315
00:58:44,098 --> 00:58:56,121
Statsviter har vi forska mye på politisk tillit. Det er jo ikke sånn at 
bare for at vi har mennesker, så har vi tillit. Det er med god grunn ulik

316
00:58:56,161 --> 00:59:04,703
grad av tillit til menneskene vi har. Alle mennesker har 
egeninteresser som mer eller mindre begrenser, og lovverket har blitt

317
00:59:04,743 --> 00:59:08,786
produsert av ... Det

318
00:59:09,686 --> 00:59:12,787
holder ikke med mennesker i loopen for å sikre tillit.

319
00:59:16,549 --> 00:59:27,853
Det er fem minutter igjen. Til slutt har jeg ett spørsmål til alle. Det er 
at ... du nevnte trøst. I dette senteret har vi en aktivitet som vi skal

320
00:59:27,893 --> 00:59:29,934
starte opp, som heter KI-vitenskap.

321
00:59:32,401 --> 00:59:41,706
Jeg trenger et råd fra dere om hvordan dette skal rigges best mulig. Vi 
har et klart ønske om at vi skal få med oss bredden i vitenskapene.

322
00:59:42,727 --> 00:59:53,613
Samtidig skal vi velge noen gode temaer å diskutere og gå inn i. Det er noe 
av det som skal skje det neste halve året, at vi skal sette i gang en slik

323
00:59:53,653 --> 01:00:07,517
aktivitet. Så da begynner jeg borterst der igjen. Hva bør vi ta tak i? Mye 
er sagt her, men jeg skal ha ett råd fra hver. Og grunnen er at jeg har fått

324
01:00:07,577 --> 01:00:17,483
ansvaret for å rigge det, så jeg trenger en del råd. Jeg tenker i hvert 
fall at det er veldig viktig å finne de gode eksemplene. At det må starte

325
01:00:17,523 --> 01:00:28,990
der. Å ha mange gode eksempler fra mange områder av vitenskap. Nå har vi 
mange representert her. Og det fins flere. Jeg tror det er noe av

326
01:00:29,030 --> 01:00:39,995
nøkkelen her. Man kan teoretisere mye rundt dette, og man kan lage 
akademiske løsninger på dette, men det er i virkelige problemer at man

327
01:00:40,035 --> 01:00:50,960
trenger løsninger. Og det å skjønne at hvis man jobber med lingvistikk, 
så er løsningene kanskje helt annerledes enn løsningene er innenfor

328
01:00:51,020 --> 01:00:57,339
helse. Eller garantert helt forskjellige. Hvis

329
01:00:57,379 --> 01:01:08,221
jeg tenker trust, så har du jo det tidsbegrensa, ikke sant. Du har fått 
mye penger, men de må brukes innenfor en periode. Så prøv å finne de beste

330
01:01:08,281 --> 01:01:11,942
spørsmålene som du faktisk kan svare på innenfor de neste fem månedene.

331
01:01:23,962 --> 01:01:40,613
Ganske stort spenn, iallfall for den delen av blinderen som jeg er på, 
med grad av interesse for kunstig intelligens og ... Både tillit til det

332
01:01:40,813 --> 01:01:54,061
og ... Bare sånn å se relevansen. Så hvis vi klarer å lage noen 
arrangement med en tematikk som går i kjernen til de som du stort sett

333
01:01:54,102 --> 01:02:06,489
ikke finner på KE-arrangement ... Da tror jeg det vil være en veldig stor 
suksess. Der ... Skulle tro at ingen kunne bruke KI.

334
01:02:09,634 --> 01:02:18,880
Og så får hun vise bredden ... Ikke det typiske, eksempel, men ... 
Forrige

335
01:02:18,920 --> 01:02:36,225
uke hadde en hos oss sett på administrative ordrer i middelalderen - 
hundreårskrigen i England. For at kongen bruker dette for å mobilisere

336
01:02:36,265 --> 01:02:49,152
soldater. Og da sender han meg til der han har plassert sine geistlige. 
Vi har mye mer kontroll over dem, for de klarer å levere mine.

337
01:02:49,373 --> 01:02:57,739
For de fleste av oss ... Så presenterte han den fordelen at vi kan mye om 
sorgsmidler, nå kan jeg ikke så mye om middelalderen, så alle våre

338
01:02:57,819 --> 01:03:07,566
MPA-skal-spørsmål kunne han bare bløffe seg gjennom. Men han var glad 
han ikke var hos dere og presenterte. Men prøv å finne ting du tror at her

339
01:03:07,646 --> 01:03:20,040
kan ikke være noe å gå i. Kristine, du sa innledningsvis at dere var 
kanskje den delen av vitenskapen. Det burde være mest skepsis, men

340
01:03:20,080 --> 01:03:28,424
dette har kommet for å bli. Jeg vil gjerne ha et godt tips fra deg òg. Jeg 
prøver å formulere det, men jeg tror for veldig mange ...

341
01:03:38,506 --> 01:03:49,594
Hva skal man ha gjort selv for at det er ens egen forskning, hvis det gir 
mening? Hvor mye kan du automatisere før du mister kontrollen? Litt

342
01:03:49,634 --> 01:03:59,542
sånn som du også var inne på med reprodukserbarhet. Da jeg begynte å 
studere, så kom jeg til min veileder, som satt på et kontor uten

343
01:03:59,582 --> 01:04:12,570
datamaskin, dette var i 95, og sa ja. Det første du må gjøre, er å skaffe 
deg kartotekkort. ... og så må du skrive alle eksemplene dine for hånd

344
01:04:12,990 --> 01:04:23,873
etter at du har lest teksten. For jeg har aldri hørt om en datamaskin som 
kan sortere eksempler. Og for han så var jo bare digitale corpora helt

345
01:04:23,933 --> 01:04:34,177
utenkelig. Og da mista han kontrollen idet man ikke lenger skrev disse 
eksemplene ned for hånd. Så det er en holdning. Og i dag lever vi av det,

346
01:04:34,217 --> 01:04:46,259
men jeg tror vi må snakke litt mer om ... Hvor går grensene mellom 
fortolkningen og KI? Det vil være et spørsmål som for en HF-ru vil være

347
01:04:46,319 --> 01:04:55,049
viktig å avklare. Og jeg vet ikke engang om det gir mening for dere andre. 
Avgrensning.

348
01:04:55,269 --> 01:04:56,511
Så hva er forskning?

349
01:04:59,455 --> 01:05:09,518
Det er to premisser som må ligge til grunn for et slikt råd. Jeg tror KI 
kommer til å påvirke alle vitenskaper dypt. Det er en viktig

350
01:05:09,558 --> 01:05:11,079
infrastruktur for mange vitenskaper.

351
01:05:14,457 --> 01:05:22,102
Vi må være ordentlig gode, ellers er det ikke noe poeng å holde på med 
dette. Hvis vi parer de to, så betyr det at dere burde satse på noen få

352
01:05:22,122 --> 01:05:29,528
områder hvor KI griper nært inn i det fagvitenskapelige, og hvor vi 
faktisk kan være gode. Og da må du ta utgangspunkt i der vi i øyeblikket

353
01:05:29,568 --> 01:05:48,737
har domenet excellence. Takk. Det er fine råd. Da nærmer vi oss slutten, 
og jeg vil da si at dette er også et slags lite kickoff for KI vitenskap.

354
01:05:49,377 --> 01:05:59,643
Som vi skal ha en seminarserie på. Kanskje alle ikke blir som dette. Noen 
vil gå mer ned i dybden på ting. Men tusen takk til panelet, og gi panelet

355
01:05:59,723 --> 01:06:01,344
en god applaus for bidragene.

356
01:06:08,575 --> 01:06:18,305
Og takk til dere også på stream som har hørt på. Og vel hjem, eller ikke vel 
hjem. Det er vel starten på dagen, så det er god tur til jobb.