Kan AI forske på seg selv?
Sist faktasjekket:
Kort oppsummert
Delvis. KI hjelper allerede forskere med å kode, teste og evaluere nye modeller, men mennesker styrer fortsatt retningen. Likevel har toppsjefene i OpenAI og Anthropic sagt offentlig at KI selv skal gjøre store deler av forskningen innen få år. Tanken henger sammen med intelligenseksplosjonen, et eldre og mer spekulativt begrep om KI som forbedrer seg selv i en sløyfe.
Hva mener vi med at “AI forsker på seg selv”?
Det finnes flere nivåer av dette, og det er nyttig å skille dem fra hverandre. Det enkleste nivået skjer allerede i stor skala. Når forskere i AI-laboratoriene utvikler neste modell, bruker de KI-verktøy til å skrive kode raskere, finne feil og automatisere deler av testingen. Det er reell effektivisering, men det er fortsatt mennesket som bestemmer retningen.
Det neste nivået er det selskapene nå jobber aktivt mot. Her foreslår KI-systemet selv hypoteser, designer eksperimenter, kjører dem og tolker resultatene. I praksis blir det en “automatisert AI-forsker” eller “automatisert forskningsintern”, og mennesket overvåker i økende grad i stedet for å styre hvert steg.
Det mest spekulative nivået kalles rekursiv selvforbedring. Da blir en KI god nok til å forbedre sin egen etterfølger, og etterfølgeren blir enda bedre til å forbedre neste versjon. Slik fortsetter det i en sløyfe som forsterker seg selv. Dette er kjernen i begrepet intelligenseksplosjon. Statistikeren I.J. Good beskrev det første gang allerede i 1965, og senere ga filosofen Nick Bostrom det en systematisk, akademisk behandling i boken “Superintelligence” fra 2014. Ideen er at intelligensen i teorien kan vokse svært raskt når en KI blir god nok til å drive sin egen utvikling videre. Det er også den mest diskuterte foreslåtte veien mot superintelligens, og om det har vi skrevet en egen artikkel.
Hva sier selskapene selv, konkret?
Dette er ikke lenger bare en spekulativ diskusjon blant forskere. Alle de tre store amerikanske laboratoriene har offentlig uttalt konkrete mål og tidslinjer:
| Selskap | Hvem sa det, og når | Konkret uttalelse |
|---|---|---|
| OpenAI | Sam Altman, oktober 2025 | Mål om en “ekte, automatisert AI-forsker” innen mars 2028. Delmålet, en “automatisert AI-forskningsintern” innen september 2026, meldte selskapet selv at de nådde 6. september 2026 |
| Anthropic | Dario Amodei, januar 2026 | Deler av selskapets egen AI-forskning kan automatiseres innen ett til to år |
| Google DeepMind | Demis Hassabis, januar 2026 | Utforsker aktivt om modeller kan “fortsette å lære ute i verden” etter at treningen er ferdig |
Legg merke til at dette ikke er anonyme spekulasjoner fra utenforstående. Det er lederne for de tre mest innflytelsesrike AI-laboratoriene i verden som offentlig har gjort automatisert AI-forskning til et uttalt og nært mål for sin egen virksomhet. Du kan lese mer om disse laboratoriene i oversikten vår over hvem som faktisk forsker på KI.
Hva skjer allerede i praksis?
Internt i laboratoriene brukes KI i dag til å gjøre deler av utviklingen raskere. KI lager og tester kodeendringer, kjører automatiske evalueringer av nye modellversjoner og foreslår i noen tilfeller justeringer ut fra tidligere resultater. Noen forskningsprosjekter har også eksperimentert med en form for “darwinistisk” seleksjon. Da konkurrerer flere varianter av en modell mot hverandre, og de som presterer best, blir automatisk beholdt. Prosessen ligner mer på naturlig utvalg enn på tradisjonell utvikling styrt av mennesker.
Et konkret forskningsprosjekt som har fått oppmerksomhet, er omtalt som “AI Scientist”. Systemet beskrives som i stand til å gjennomføre hele den vitenskapelige arbeidsflyten, fra å foreslå forskningsideer og eksperimenter til å skrive opp resultatene. Foreløpig gjelder det riktignok bare smale, avgrensede forskningsfelt og ikke hele AI-utviklingen.
Er dette det samme som kontrollproblemet?
Nei, og forskjellen er viktig. Denne artikkelen handler om selve mekanismen og trenden, altså om og hvor raskt KI faktisk blir i stand til å automatisere sin egen forskning. Kontrollproblemet handler om et beslektet, men annet spørsmål. Det gjelder hva som skjer med evnen vår til å styre og kontrollere et KI-system hvis og når det blir betydelig kraftigere enn oss, uansett hvordan det kom dit. Det tar vi for oss i en egen artikkel om kontrollproblemet. Du kan tenke på det slik: Denne artikkelen beskriver en mulig vei mot et svært mektig KI-system, mens artikkelen om kontrollproblemet beskriver hva som kan gå galt når vi eventuelt er der.
Blant forskere og tenkere som har diskutert dette lenge, er det også reell uenighet om selve tempoet. Fremtidsforskeren Ray Kurzweil har argumentert for en gradvis utvikling som likevel går stadig fortere. Forskeren Eliezer Yudkowsky har derimot lenge advart om et langt raskere og mer plutselig forløp. Uenigheten har aldri blitt avgjort, men etter hvert som KI-systemene har blitt kraftigere, har det blitt dyrere å ta feil.
Hvor realistisk er dette på kort sikt?
Her må du holde to tanker i hodet samtidig. På den ene siden er dette ikke lenger ren spekulasjon. Toppledere i de mest ressurssterke AI-laboratoriene i verden har satt konkrete, navngitte mål med årstall, og OpenAI meldte selv 6. september 2026 at de hadde nådd sitt eget delmål om en automatisert AI-forskningsintern. På den andre siden er selve sluttmålet, en fullverdig automatisert AI-forsker, ikke nådd ennå. Historisk har AI-bransjen dessuten hatt en tendens til å bomme på sine egne optimistiske tidsfrister, og det samme mønsteret ser du i debatten om når AGI faktisk kommer. Det klokeste er trolig å ta målene på alvor som et tegn på hva selskapene prioriterer og hvor de er på vei, uten å regne med at datoene de har satt, nødvendigvis holder.
Vanlige spørsmål
Gjør AI allerede AI-forskning i dag, helt uten mennesker?
Nei, ikke fullstendig. I dag gjør KI deler av forskningen mer effektiv, for eksempel koding, testing og evaluering. Men det er fortsatt mennesker som styrer retningen og tar de store beslutningene. Målet AI-selskapene selv har uttalt, er å flytte stadig mer av arbeidet over til KI-systemet. Da blir mennesket i økende grad en som overvåker, i stedet for en som styrer hvert steg.
Hva er en “intelligenseksplosjon”?
Det er et begrep for en tenkt situasjon der en KI blir god nok til å forbedre sin egen etterfølger. Etterfølgeren blir så enda bedre til å forbedre neste versjon, og i teorien kan denne sløyfen gå svært raskt. Statistikeren I.J. Good beskrev begrepet første gang i 1965, og filosofen Nick Bostrom ga det senere en systematisk, akademisk behandling. Det er fortsatt et omstridt og ubevist scenario, og ingen har observert det i virkeligheten.
Er dette det samme som kontrollproblemet?
Nei. Denne artikkelen handler om selve mekanismen, altså om og hvor fort KI kan automatisere sin egen forskning. Kontrollproblemet handler om hvordan vi kan beholde kontrollen over et KI-system som blir betydelig kraftigere enn oss, uansett hvordan det ble slik. De to temaene henger sammen, men svarer på ulike spørsmål.
Bør jeg være bekymret for dette nå?
De fleste seriøse forskere og selskapslederne selv beskriver dette som en utvikling det er verdt å følge nøye med på, men ikke som noe som skjer i morgen. Samtidig er det påfallende at lederne for de mest innflytelsesrike AI-laboratoriene i verden nå omtaler det som et konkret og kortsiktig mål for sin egen virksomhet. For dem er det ikke lenger fjern spekulasjon.
Oppsummering og kilder
Det viktigste å huske:
- OpenAI-sjef Sam Altman har satt mars 2028 som mål for en “ekte, automatisert AI-forsker”, og selskapet meldte at det nådde sitt eget delmål om en automatisert AI-forskningsintern 6. september 2026
- Anthropics Dario Amodei sa i januar 2026 at deler av dette kanskje er ett til to år unna
- I dag brukes KI til å effektivisere deler av forskningsprosessen, ikke til fullstendig automatisering
- Dette er noe annet enn kontrollproblemet, som handler om hva som skjer etter at KI blir svært kraftig
Kilder brukt i denne artikkelen:
- Institute for Progress: How Should the US Prepare for Increasingly Automated AI R&D?
- Axios: Models that improve on their own are AI’s next big thing (jan. 2026)
- Import AI 455: AI systems are about to start building themselves
- Wikipedia: Nick Bostrom
- Wikipedia: I. J. Good (opphavet til begrepet “intelligence explosion”, 1965)
- Axios: Google DeepMind CEO Demis Hassabis is stepping aside (aug. 2026)
- Engadget: OpenAI says it reached its goal of creating an automated research intern (sep. 2026)
Sist oppdatert: September 2026
Les også
Hvem forsker egentlig på KI? Laboratoriene bak OpenAI, DeepMind og Anthropic forklart
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.
Hvorfor blir AI-modeller stadig større, og hvorfor stopper det ikke der?
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?
Hvorfor klarer ikke KI å telle bokstaver i et ord? Tokenisering forklart
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.