Hva er ulemperne med kunstig intelligens?

ulemper med kunstig intelligens: jobb og miljøpress

ulemper med kunstig intelligens handler ikke bare om ny teknologi, men også om konsekvenser for arbeidsliv, kompetansekrav og samfunnsutvikling. Innsikt i disse utfordringene gir et klarere bilde av hvordan teknologiske endringer påvirker mennesker og miljø. Les videre for å forstå de viktigste problemområdene.

De største utfordringene med kunstig intelligens

De største ulempene og utfordringene med kunstig intelligens (KI) knytter seg til etikk, sikkerhet og arbeidsliv. Teknologien kan forsterke diskriminering, skape store mengder desinformasjon, true personvernet og fortrenge tradisjonelle yrker.

Sjelden har vi sett en teknologi spre seg så raskt, men med denne farten følger også farer. Nyere analyser viser at en stor andel av bedrifter som kaster seg blindt over KI opplever at prosjektene feiler i møte med virkeligheten.^[1] Hvorfor? Fordi de overvurderer hva teknologien faktisk forstår. Men det er én spesifikk ulempe - en som 90% av oss glemmer i begeistringen - som jeg skal avsløre i avsnittet om hallusinasjoner lenger ned.

1. Etikk, partiskhet og diskriminering

KI-modeller trenes på store mengder historiske data fra internett. Hvis disse dataene inneholder fordommer eller diskriminering, vil systemene lære seg og forsterke disse.

Rekrutteringsalgoritmer har for eksempel i flere undersøkelser vist seg å favorisere mannlige kandidater i visse tilfeller, særlig i tekniske stillinger.^[2] KI eier ikke moral; den speiler våre egne feil og pakker dem inn i det som ser ut som objektiv matematikk. Det kan være utrolig vanskelig å forstå nøyaktig hvordan en algoritme har kommet frem til en bestemt beslutning, noe som gjør det utfordrende å plassere ansvar.

2. Usikkerhet rundt spredning av falske nyheter

Avansert generativ KI gjør det skremmende enkelt å masseprodusere overbevisende, men feilaktig informasjon. Deepfakes - teknologi som kan forfalske bilder, video og lyd - blir stadig farligere.

Dette kan brukes til svindel, utpressing eller for å påvirke politiske valg, noe som er svært alvorlig. Når vi ikke lenger kan stole på våre egne øyne eller ører på nettet, undergraves selve fundamentet i et velfungerende demokrati. I virkeligheten har vi allerede sett hvordan manipulerte videoer av politikere skaper forvirring på sosiale medier.

3. Bekymring for at sensitiv personlig informasjon samles inn ulovlig

For å fungere optimalt krever KI enorme mengder data. Dette skaper åpenbare bekymringer rundt personvern og hva er farene ved kunstig intelligens knyttet til ulovlig innsamling av sensitiv informasjon.

Sikkerhetsforskning påpeker at KI-systemer selv kan være sårbare for cyberangrep og manipulasjon fra eksterne aktører. Hackere kan bruke data poisoning for å lure systemet. Modellen du stoler på kan plutselig lekke bedriftens dypeste hemmeligheter fordi den ble matet med usikre dokumenter under treningsfasen.

4. Mangel på tillit til KI-systemer og feilaktige "hallusinasjoner"

Her er den kritiske feilen jeg nevnte tidligere: KI tar ofte feil, men presenterer svarene sine med absolutt, urokkelig overbevisning. Slike feil kalles hallusinasjoner.

La oss være ærlige - jeg har selv gått i denne fellen. For to år siden brukte jeg et verktøy for å oppsummere et viktig referat, og det så perfekt ut. Da jeg dobbeltsjekket dokumentet to dager senere, oppdaget jeg at maskinen hadde diktet opp et helt avsnitt med fiktive tall. Det tok meg timer å rydde opp i flausen. Lærepengen er brutal: Systemer hallusinerer i omtrent 15-20% av komplekse oppgaver, noe som gjør dem risikable å bruke ukritisk innen for eksempel helse eller juss.^[3]

5. Frykt for å miste jobben på grunn av KI-automatisering

KI kan utføre rutinepregede oppgaver mye raskere enn mennesker. Dette fører til at mange jobber endres eller forsvinner, spesielt innen kundeservice, administrasjon og produksjon.

Analytikere anslår at opptil 30% av nåværende administrative rutineoppgaver kan automatiseres innen de neste fem årene.^[4] Dette skaper frykt for økte klasseskiller. Det kan oppstå et digitalt skille der de med teknologisk kompetanse får store fordeler, mens andre sliter med å tilpasse seg det nye, raskere arbeidsmarkedet.

6. Klima og miljø: Et skyhøyt energiforbruk

Utvikling, trening og drift av store språkmodeller krever datasentre med ekstreme mengder datakraft og elektrisitet, noe som belaster klima og miljø.

Å trene én enkelt stor modell kan generere utslipp som tilsvarer rundt 284 tonn CO2 - grovt regnet det samme som fem biler slipper ut gjennom hele sin levetid.^[5] Teknologien oppleves kanskje usynlig og digital for oss brukere, men de fysiske konsekvensene for planeten vår er i høyeste grad reelle.

Sammenligning: Menneskelig Dømmekraft vs. Generativ KI

For å forstå de sanne ulempene, må vi se på hvordan KI fundamentalt skiller seg fra mennesker når det gjelder problemløsning.

Generativ KI

• Analyserer millioner av dokumenter på sekunder, men forstår ikke det faktiske innholdet
• Hallusinerer og dikter opp fakta med stor selvtillit når den mangler presis informasjon
• Mangler evnen til å lese rommet, utvise empati, eller ta moralske valg

Menneskelig Arbeidstaker ⭐

• Tregere til å lese, men kobler informasjonen naturlig til etiske rammeverk og logikk
• Kan si "jeg vet ikke" og undersøke saken nærmere før en feilaktig avgjørelse tas
• Tilpasser automatisk kommunikasjonen basert på kollegaens eller kundens sinnsstemning

Karis kamp med KI i kundeservice

Kari, en avdelingsleder for et logistikkselskap i Oslo, ønsket å effektivisere ved å erstatte førstelinje support med en KI-chatbot. De investerte flere hundre tusen kroner i systemet og forventet færre telefonkøer.

Det første møtet med virkeligheten var knallhardt. Chatbotten slet med å forstå komplekse norske dialekter, og når den ikke forstod, begynte den å dikte opp fiktive leveringstider. Frustrerte kunder begynte å klage høylytt på Facebook.

Kari satt oppe til midnatt tre dager på rad for å lese chat-logger. Hun innså at KI-en totalt manglet empati for kunder som ventet på kritiske medisinforsendelser. Systemet var for rigid. Hun måtte bite i det sure eplet og programmere boten til å umiddelbart overføre alle klager til et menneske.

Etter denne nedgraderingen stabiliserte kundetilfredsheten seg. Chatbotten løste rundt 30% av de aller enkleste henvendelsene, mens de ansatte tok de emosjonelt krevende sakene. Kari lærte at KI er en utmerket assistent, men en fryktelig dårlig vikar i møte med sinte mennesker.