Kan en AI finne opp noe helt nytt, eller bare kombinere det som finnes?

Kort oppsummert

Delvis. Det meste generativ KI lager i dag, er avansert rekombinasjon, altså nye varianter av mønstre den har sett i treningsdataene. Men innen vitenskap har KI-systemer allerede funnet ting som var ukjente før, som nye kjemiske forbindelser. Svaret avhenger derfor av hva du legger i ordet “nytt”.

---

Tre typer kreativitet, ikke bare én

Den britiske kognisjonsforskeren Margaret Boden har i flere tiår vært en sentral stemme i forskningen på hva kreativitet egentlig er. Hun har også forsket på i hvilken grad en datamaskin kan etterligne den. Boden deler kreativitet inn i tre typer:

• Kombinatorisk kreativitet: å sette sammen kjente ideer på uventede måter, for eksempel i en metafor, en collage eller en sammenligning ingen har tenkt på før. Dette er den vanligste formen for kreativitet, både hos mennesker og maskiner.
• Utforskende kreativitet: å utforske et allerede definert “rom” av muligheter grundigere enn før. Du kan for eksempel prøve ut alle variantene av en bestemt malestil eller type melodi, og finne kombinasjoner ingen har funnet ennå innenfor de samme reglene.
• Transformativ kreativitet: å endre selve reglene for rommet man jobber innenfor, slik at noe blir mulig som ikke var mulig før. Da impresjonistene brøt med reglene for hvordan et maleri “skulle” se ut, var det transformativ kreativitet, og det samme gjaldt da ikke-euklidisk geometri forkastet en grunnleggende antakelse i matematikken. Dette er den sjeldneste og mest krevende formen.

Skillet er nyttig fordi det gjør spørsmålet “kan AI finne opp noe nytt” mer presist. Svaret blir nemlig helt forskjellig ut fra hvilken av de tre typene du spør om.

---

Det generativ KI faktisk gjør

En språkmodell som ChatGPT eller Claude fungerer i bunn og grunn ved å forutsi et sannsynlig neste ord ut fra statistikk. En bildemodell gjør det samme med piksler. Begge bygger på enorme mengder treningsdata som modellen har sett, og derfor er de ekstremt gode på kombinatorisk kreativitet og til en viss grad på utforskende kreativitet. De kan sette sammen kjente elementer på måter som virker overraskende og nye for deg, og de gjør det raskere og i større skala enn noe menneske klarer.

Det de ikke gjør på egen hånd, er å bryte ut av rommet de er trent på. Modellen kan ikke bestemme seg for at reglene for hva et dikt, et bilde eller en vitenskapelig teori “skal” være, plutselig ikke gjelder lenger. Den forstår nemlig ikke reglene i utgangspunktet. Den har bare sett enormt mange eksempler på hvordan mennesker har fulgt eller brutt dem, og gjenskaper mønsteret. Derfor konkluderer mange forskere som har sett nærmere på dette, med det samme: Dagens KI-modeller er sterke på kombinatorisk kreativitet, men mangler det som kjennetegner ekte transformativ kreativitet.

---

Unntaket: når KI faktisk finner noe ukjent

Det finnes likevel et konkret motargument som er verdt å ta på alvor. Innen naturvitenskap har KI-systemer allerede levert noe som ligner mer på ekte oppdagelser enn på ren rekombinasjon.

Et av de tydeligste eksemplene er GNoME, et KI-system fra Google DeepMind. Navnet står for Graph Networks for Materials Exploration. I 2023 offentliggjorde DeepMind at systemet hadde forutsagt strukturen til 2,2 millioner nye krystallinske materialer som ingen kjente til fra før. Rundt 380 000 av dem ble vurdert som stabile nok til at de faktisk kan lages i et laboratorium. Det tilsvarer nesten 800 år med tradisjonell forskning på feltet, gjort på en brøkdel av tiden, ifølge DeepMind selv. Forskere ved Lawrence Berkeley National Laboratory i USA har siden prøvd å fremstille flere av materialene fysisk.

Er dette transformativ kreativitet i Bodens forstand? Ikke helt, for systemet endrer ikke reglene for kjemi eller fysikk, og naturlovene er de samme som før. Men innenfor rommet av mulige atomkombinasjoner gjorde systemet noe som ligner sterkt på ekte utforskende kreativitet i stor skala. Det fant kombinasjoner som intet menneske hadde funnet, testet eller engang tenkt på, og det var mer enn en ny remix av noe kjent.

---

Så hva er det egentlige svaret?

Det ærligste svaret er en tredeling, ikke et enkelt ja eller nei:

• På kombinatorisk kreativitet er KI allerede overlegen mennesker i hastighet og volum. Det er denne typen du møter mest når du bruker en chatbot eller bildegenerator til daglig. Men i praksis lager KI variasjoner av det den har sett, og ikke noe grunnleggende nytt.
• På utforskende kreativitet innenfor et strengt definert, matematisk eller fysisk rom har KI vist konkrete eksempler på at den finner løsninger som var helt ukjente. Den gjør det raskere og bredere enn mennesker klarer alene, for eksempel i materialvitenskap, proteinstrukturer og andre problemer med klare regler.
• På transformativ kreativitet er bildet et annet. Her handler det om å endre selve spillereglene for et helt nytt konseptuelt rom. Foreløpig finnes det ingen dokumenterte eksempler på at KI har klart dette uten at et menneske først har satt opp problemet og definert rammene.

Svaret “KI kombinerer bare, den finner ikke opp noe” er derfor for enkelt. Mer presist kan vi si at KI er ekstremt god til å utforske og kombinere innenfor rammer et menneske har satt. Å definere helt nye rammer er foreløpig en oppgave for mennesker.

Oppsummert i tabellform:

Type kreativitet	Hva den betyr	Eksempel	Hvor god er dagens KI
Kombinatorisk	Sette sammen kjente ideer på uventede måter	En metafor, en collage, en ny sammenligning	Allerede overlegen mennesker i hastighet og volum
Utforskende	Utforske et definert rom av muligheter grundigere	GNoME og materialkombinasjoner innenfor kjemiens faste regler	Har vist konkrete, dokumenterte funn
Transformativ	Endre selve reglene for et felt	Impresjonismen, ikke-euklidisk geometri	Ingen dokumenterte eksempler uten menneskelig rammesetting

---

Vanlige spørsmål

Er alt en KI-chatbot lager bare kopiert fra treningsdataen sin?

Nei, ikke direkte kopiert. Men i bunn og grunn er det en statistisk rekombinasjon av mønstre den har lært fra enorme mengder tekst, bilder eller andre data. Resultatet kan oppleves nytt og overraskende for deg, men det bryter sjelden grunnleggende med det modellen allerede har sett eksempler på.

Betyr GNoME-eksempelet at KI kan gjøre ekte vitenskapelige oppdagelser?

Ja, i en konkret og avgrenset forstand. Systemet fant stabile materialkombinasjoner som var ukjente før, innenfor de faste reglene for kjemi og fysikk. Det er ikke det samme som å endre vitenskapens grunnleggende antakelser, men det er mer enn å kombinere kjente oppskrifter på nytt.

Hva er forskjellen på kombinatorisk og transformativ kreativitet?

Kombinatorisk kreativitet setter sammen kjente elementer på nye måter innenfor eksisterende regler. Transformativ kreativitet endrer selve reglene, slik at noe blir mulig som ikke var det før. Dagens KI er sterk på det første, men det finnes ingen dokumenterte eksempler på det andre uten at et menneske har satt rammene.

Vil KI klare transformativ kreativitet i fremtiden?

Det vet ingen sikkert i dag. Forskerne jobber aktivt med spørsmålet, og svaret avhenger av hvordan fremtidige modeller utvikles, ikke bare av hvor mye data de trenes på.

---

Oppsummering og kilder

Det viktigste å huske:

• Margaret Bodens rammeverk deler kreativitet i tre typer: kombinatorisk, utforskende og transformativ
• Dagens generative KI-modeller er sterkest på kombinatorisk kreativitet, altså å sette sammen mønstre fra treningsdataene på nye måter
• Google DeepMinds GNoME-system fant 2,2 millioner tidligere ukjente materialkombinasjoner, og rundt 380 000 av dem ble vurdert som stabile. Det er et konkret eksempel på en ekte oppdagelse og ikke bare rekombinasjon
• Transformativ kreativitet, å endre selve reglene for et felt, er foreløpig ikke dokumentert hos KI uten at et menneske har satt opp rammene først

Kilder brukt i denne artikkelen:

• Margaret Boden: Creativity and artificial intelligence, Artificial Intelligence (1998)
• Mark Carrigan: Which of the three forms of creativity is GAI capable of?
• Google DeepMind: Millions of new materials discovered with deep learning
• Lawrence Berkeley National Laboratory: Google DeepMind Adds Nearly 400,000 New Compounds to Berkeley Lab’s Materials Project
• ScienceDirect (Runco, 2023): AI can only produce artificial creativity

Sist oppdatert: August 2026

Se også: Hva er generativ AI? Slik fungerer modellene for en grunnleggende forklaring av hvordan disse modellene faktisk lager tekst og bilder, Hvordan trenes en AI-modell? Data, mønstre og algoritmer for hva “treningsdata” egentlig betyr i praksis, og Automatisering før og nå: Er frykten for at «roboter tar jobbene» ny, eller har vi hørt det før? for et beslektet spørsmål om hva som faktisk er nytt med denne teknologibølgen.