Vi utforskar framtiden för vår AI-användning

Om man förstår hur AI-tekniken fungerar så går det att förutsäga den kommande utvecklingen. Det är ingen idé att gissa exakt hur snabbt utvecklingen kommer att ske, men vilka områden som kommer att påverkas mest går att förutsäga.

Sannolikhet och mönster styr

För att förutsäga framtida utveckling behövs en grundförståelse för hur generativ AI (som tekniken som bland annat ChatGPT använder sig av) fungerar. Om jag fokuserar på chattbottar så använder man sig av Large Language Model (LLM). LLM tränas på att identifiera mönster i stora mängder data. Utifrån de mönster som identifieras så kan man använda modellen för att skapa nytt innehåll, till exempel en ny text. Efter varje ord så används sannolikheter (från de mönster i datan som modellen är tränad på) för att förutsäga vad nästa ord borde vara. Sen gör botten likadant med nästa ord, nästa ord osv. Ord som brukar stå bredvid varandra i text som människor producerat har därmed en större sannolikhet att göra så även när botten skapar texten. Det är därför vi tycker att bottarna skriver så likt människor.

Däremot fungerar en språkmodell dåligt när det gäller tex matematik. Att en etta och en femma brukar stå bredvid varandra hjälper inte när man ska göra uträkningar. Det blir fel.

I dag går det dock att använda plug-ins för att få en chattbott att klara av andra saker än att ”bara” producera text. Chattbotten kan skapa kod som skickas vidare till ett plug-in, till exempel ett plug-in som klarar av att göra uträkningar. När uträkningarna är gjorda skickas svaret tillbaka till chattbotten och presenteras på ett sätt som vi människor förstår.

Framtiden med AI 

Förutsägelse 1: uppgifter med tydliga mönster kommer AI att sköta 

Det som består av tydliga mönster och går att digitalisera till en rimlig kostnad i förhållande till vinsten kommer att digitaliseras med hjälp av AI. 

Frågor att ställa sig när man jobbar i eller med skola är därför: 

• Vilka delar av mitt jobb består av tydliga mönster? 
• Vilka delar av elevernas skolgång består av tydliga mönster? 

De delar som består av mönster kommer högst troligt att automatiseras med hjälp av AI. Ju tydligare mönster, desto mer sannolikt att AI sköter den uppgiften inom en snar framtid. De delar som inte består av mönster är AI inte bra på, så de delarna kommer AI inte att ta över inom en nära framtid. 

Förutsägelse 2: specialiserad AI för speciella behov 

AI-verktygen har än så länge till stor del varit generella, det vill säga du och jag använder samma AI-verktyg när vi använder till exempel ChatGPT eller Midjourney. I början av november 2023 släppte Open AI en tjänst som visar möjligheterna att skapa mer personliga AI-verktyg. De kallar tjänsten för GPTs, vilket innebär att man som användare enkelt kan skapa en bott som är tränad på ens egna material och därmed blir mer personlig och specialiserad. Detta har gått att göra även tidigare, men nu har man gjort det så användarvänligt att vem som helst kan göra det. Dessa GPTs kommer att ersätta de plug-ins som man använt tidigare, då man kan ge GPTs motsvarande möjlighet att kommunicera med andra program. I nuläget krävs betalvarianten av ChatGPT för att komma åt den här funktionen. Chattbottarna går därmed från att vara generalister till att vara specialister på ett smalare område.

Förutsägelse 3: aktiva AI-verktyg gör entré 

I dag är AI-verktyg passiva, vilket betyder att vi aktivt behöver använda dem, till exempel genom att skriva eller prata in en prompt för att få feedback från AI-verktygen. Ett troligt nästa steg är aktiva AI-verktyg som tar del av allt vi gör och som kommer med relevant input när det är lämpligt. Man kommer högst troligt även att prata med AI i stället för att skriva promptar. Tidigare har man fått vänta på svaren från AI, men nu har svarstiderna (testa groq.com) minskat till under en sekund och då blir det naturligt att kommunicera muntligt med AI i stället för skriftligt. Här är det lätt att förstå att frågor som vem äger data, var lagras dem och hur skickas dem kommer att bli viktigare än någonsin!

Förutsägelse 4: sluten AI för känsliga områden

Eftersom hanteringen av personuppgifter och data är en svår nöt för skolor att knäcka kommer AI-lösningar som är lokala på användarens dator att vara väldigt efterfrågade framöver. Jag tippar därför att det kommer att tas fram fler olika lösningar som är skolanpassade (då utbildningssystemen i världen är en väldigt stor marknad) och där ingen data skickas från den enheten som användaren kör sina AI-tjänster på.

Förutsägelse 5: Automatisering – på gott och ont 

Redan i dag utvecklas AI-lösningar som ”gör jobbet” åt dig. Vill du till exempel boka en resa har du tidigare fått göra ett antal olika moment själv, till exempel leta rätt på resan på nätet, boka den och betala. De nya lösningarna kommer att kunna göra dessa steg automatiskt, så du bara behöver ange att du vill åka från x till y, och ange datum och tid, så tas en resa fram och godkänner du förslaget så sköts resten automatiskt. Denna automatisering ställer förstås höga krav på säkerhet, men innebär också att en del saker vi gjort manuellt tidigare automatiseras, på gott och ont. Automatisering är smidigt, men när det gäller inlärning är automatisering ofta kontraproduktivt eftersom man inte behöver tänka – och lärande handlar om att tänka!

Förutsägelse 6: nya möjligheter för fler medier

Samma utveckling som vi sett inom AI vad gäller text i form av språkmodeller håller på att ske inom ljud, bild och video. Det kallas för GWM, General World Models. Man tränar alltså AI på att identifiera mönster i ljud, bild och video, text kan AI ju redan från tidigare. På så vis kan man skapa ljud, musik, bild och video på liknande sätt som vi i dag använder AI för att skapa text och man kommer även att kunna kombinera olika medier på valfritt sätt. De första versionerna som kommer ut lär inte vara perfekta, men då utvecklingen går otroligt fort kommer dessa modeller inom en rimlig tid att vara väldigt bra.

Förutsägelse 7: chattbottar orsakar värdeminskning 

Vi vet från tidigare teknikutveckling att det som digitaliseras sjunker i värde och när något automatiseras slutar de flesta att göra det manuellt. En miljon fysiska böcker är dyra och en miljon digitala kopior är billiga att producera. När jag var liten kunde jag alla telefonnummer jag regelbundet ringde till utantill. I dag när de är lagrade i min mobil kan jag knappt något nummer. Ska jag göra en svår matematisk uträkning använder jag miniräknare. Ser vi en rulltrappa och en vanlig trappa på tågstationen så väljer de flesta rulltrappan. 

Att textproduktion automatiseras innebär inte att vi ska sluta lära elever att skriva, men värdet i att producera texter har minskat i och med chattbottarna. Man kan jämföra det med när miniräknaren kom. Värdet i att göra matematiska uppställningar har minskat, men det innebär inte att vi inte ska lära oss att räkna eller hur man ställer upp en uträkning. Observera att jag i texten syftar på textproduktion, inte processen att anteckna och skriva. Det finns andra vinster med att skriva än produktionen av texter.

Oberoende av vilken nivå i utbildningssystemet du jobbar inom så är detta frågor som kommer att beröra dig. Har din verksamhet inte redan börjat diskutera dem är det dags att göra det nu! Vi bjuder på vägledning i form av en guide som du kan ladda ner: