AI-forskning og utvikling

Hver gang en ny AI-modell lanseres, er det gjerne ett av tre-fire navn bak. Men det finnes langt flere aktører enn det, med helt ulike mål, eierstruktur og finansiering, fra amerikanske Big Tech-laboratorier til kinesiske selskaper som gir bort modellene sine gratis, til et norsk forskningskonsortium du kanskje aldri har hørt om.

GPT-1 hadde 117 millioner parametere. GPT-3 hadde 175 milliarder, altså nesten 1500 ganger så mange. Hvorfor blir AI-modeller stadig større, hvem bestemmer hvor grensen går, og har utviklingen faktisk begynt å endre retning i 2026?

Spør en KI-chatbot hvor mange r-er det er i "strawberry", og den kan svare feil, selv om den kan forklare kvantefysikk. Dette er ikke fordi KI-en er dum. Det handler om hvordan den faktisk "ser" tekst, og det forklarer også hvorfor KI av og til bommer på enkel matte.

OpenAI sier de vil ha en "automatisert AI-forsker" innen 2028. Anthropics toppsjef sier det kanskje bare er ett til to år unna. Er KI faktisk i ferd med å forske på og forbedre seg selv, og hva betyr det om det skjer?

I 2025 måtte OpenAI rulle tilbake en ChatGPT-oppdatering fordi den ble påfallende smigrende, selv i alvorlige situasjoner. Forskning viser at vi stoler mer på smigrende KI-svar, selv når de er feil. Her er hvorfor chatboter har en innebygd tendens til å være enige med deg, og hvorfor det er farligere enn det høres ut.

Du har kanskje merket at en KI-chatbot kan løse oppgaver den aldri har fått spesifikk opplæring i, bare ut fra noen få eksempler, eller ingen i det hele tatt. Det kalles few-shot og zero-shot læring, og det er noe av grunnen til at moderne KI føles så fleksibel.

KI-modeller lærer ikke av magi, de lærer av enorme mengder tekst, bilder og annet innhold, hentet fra internett. Nettopp det er blitt et av de mest omstridte spørsmålene i hele AI-bransjen. Her er hva treningsdata faktisk er, og hvorfor det krangles om det.

Du har kanskje opplevd det selv, en KI-chatbot svarer sikkert og overbevisende på noe som rett og slett ikke stemmer. Det kalles en hallusinasjon, og det er ikke en tilfeldig feil eller en "løgn". Her er hva som faktisk skjer, forklart uten fagspråk.

Jo kraftigere en KI blir, desto vanskeligere kan den bli å kontrollere, ikke fordi den blir "ond", men fordi det å styre et system mot et komplekst mål er langt vanskeligere enn det høres ut som. Dette kalles kontrollproblemet. Her er hva det faktisk handler om, uten dommedagsspråk.

Hver gang en ny AI-modell lanseres, følger det med en graf der den slår alle de andre. Men hvem har egentlig laget testen, og hva måler den faktisk? Her er en enkel forklaring på AI-benchmarks, med SWE-bench som konkret eksempel.

Har du lagt merke til at ChatGPT, Claude og Gemini nå tilbyr flere "moduser", noen raske og noen som "tenker" lenger? Det kalles reasoning, og det er en av de viktigste utviklingene i AI de siste par årene. Her er forklaringen uten fagspråk.