Alle snakker om KI-bobla – men hva hvis den aldri sprekker?

All tilstrekkelig avansert teknologi er umulig å skille fra magi. Det er den tredje og siste av science fiction-forfatteren Arthur C. Clarkes berømte lover. Og den er bare tøv!

La meg foreslå en ny lov: Når teknologi blir tilstrekkelig avansert, trekker vi bare på skuldrene – om vi i det hele tatt vier den en tanke.

Global kommunikasjon med lysets hastighet, romsonder utenfor vårt eget solsystem, tankestyrt databruk, genredigering, hjertetransplantasjoner, all verdens informasjon bak et tynt stykke glass: Hele vår moderne verden bygger på at vi lærte oss å få elektroner til å vibrere. Men hvem bryr seg?

Denne høsten er det kunstig intelligens som møtes med et kollektivt gjesp.

Vi lar oss liksom ikke imponere lenger. Det som var ren science fiction for mindre enn fem år siden, har blitt hverdagslig – like spennende som en frossen ferdigrett en mandag i oktober.

Bare en diger KI-boble?

Var det alt? Er dette bare en gigantisk KI-boble?

Svarene på de to spørsmålene er nei – og delvis.

Om noen skulle lage et diagram over hvor mange ganger ordet KI-boble har forekommet i overskrifter, ser jeg for meg en horisontal linje nær null frem til 2025, da den skyter bratt oppover som en av Elon Musks raketter.

Hva er en boble i denne sammenhengen? Noen varsellamper er at investorer åpner lommeboken for enhver KI-startup, at verdsettelsene i mange tilfeller virker kraftig oppblåste og at den store S&P 500-indeksen nå består av rundt 40 prosent teknologiselskaper. Da børsene stengte 2. oktober, hadde de sju største amerikanske teknologiselskapene – Nvidia, Microsoft, Apple, Alphabet, Amazon, Meta og Tesla – en samlet markedsverdi som oversteg EUs brutto nasjonalprodukt (BNP).

Som Open AIs administrerende direktør Sam Altman nylig konstaterte: Det finnes både fremtidige vinnere og tapere her.

– Folk kommer til å overinvestere og tape penger, og underinvestere og gå glipp av enorme inntekter, sa Altman.

Det som foreløpig mangler, er avkastningen. Utgiftene er enorme, inntektene knapt målbare. Potensialet derimot, mangler sidestykke i historien. Så vidt jeg vet finnes det ingen fagfellevurderte vitenskapelige artikler som setter tall på hva en verden med kunstig generell intelligens vil bety for produktiviteten. Men hvis vi får systemer som kan utføre alle oppgaver et menneske kan håndtere, er det uvitenskapelige svaret: Ja, hva tror du selv?

Diverse analyseselskaper spår at billioner av dollar vil bli lagt til den globale økonomien innen 2030, takket være KI.

Teknologiutviklingen har ikke bremset

Feilen mange nå gjør – delvis fordi KI som sagt begynner å føles passé – er å forvente status quo. Jeg så at en økonom ved Oxford sa at det finnes en «generell følelse av ekstrem optimisme for den underliggende teknologien, til tross for den enorme usikkerheten om hva teknologien til slutt vil føre til».

Jeg vil ikke si at det er direkte feil. Forutsigelser er svært vanskelige, spesielt når de handler om fremtiden, som fysikeren Niels Bohr sa.

Men det er misvisende. Det finnes nemlig gode grunner til å være optimistisk, og usikkerheten virker ikke enorm.

Akkurat nå minner samtaleklimaet litt om de tidlige dagene av pandemien. Ut fra dataene som fantes da, var det enkelt å regne på hvor raskt og i hvilket omfang covid-19 ville ramme oss. Men fordi trenden var eksponentiell, var det for mange vanskelig å akseptere hvor omfattende det faktisk kom til å bli.

Matcher snart et menneskes dagsverk

Har vi lignende data som kan gi en pekepinn på hvor KI-utviklingen er på vei? Ja, faktisk. En av de mest interessante er evalueringsmodellen som den ideelle organisasjonen METR (Model Evaluation & Threat Research) har utviklet.

Der brukes et mål forskerne kaller «tidshorisont». Med tidshorisont menes den tiden et menneske normalt ville trenge for å utføre en bestemt oppgave, og der en KI-modell har minst 50 prosent sannsynlighet for å lykkes med samme oppgave.

Det betyr at hvis en oppgave tar for eksempel 30 minutter for et menneske å gjennomføre, anses KI-modellen å ha en tidshorisont på 30 minutter dersom den lykkes omtrent halvparten av gangene.

Open AIs GPT-2, som ble lansert i 2019, klarte problemer som tok et menneske noen sekunder. Anthropics Claude 3.7 Sonnet har en tidshorisont på én time.

Mellom 2019 og 2025 har tidshorisonten doblet seg omtrent hver sjuende måned.

Tidshorisontmodellen fikk stor oppmerksomhet da den ble presentert i mars 2025. Nå har det imidlertid gått sju måneder siden Claude 3.7 Sonnet ble lansert. Betyr det at det nå finnes modeller med en tidshorisont på to timer?

Svaret er ja. GPT-5 fra Open AI har en tidshorisont på to timer og 17 minutter – og modellen ble lansert allerede i august. Så tempoet ser snarere ut til å øke.

Hvis dette fortsetter, kan vi om litt over et år forvente at kunstig intelligens har en tidshorisont på en arbeidsdag. Om ytterligere et par år kan de matche jobber som tar mer enn en uke.

METRs metode er riktignok ikke et godt surrogat for menneskelig arbeid. Oppgavene som brukes for å beregne tidshorisonten, er langt mer strukturerte enn det arbeidet vi utfører i den virkelige verden. Det er en svakhet metoden deler med mange andre populære referansetester for KI.

Ny Open AI-test

For å bøte på dette har Open AI lansert GDPval, der «økonomisk verdifulle arbeidsoppgaver» – designet for å etterligne virkelige forhold – evalueres. I GDPval inngår 1320 oppgaver fra 44 ulike yrker i ni bransjer.

Resultatet? Anthropics Claude Opus 4.1 nærmer seg ekspertnivå. For bare ett år siden var ingen modell i nærheten.

I tillegg finnes det mange anekdoter – som for eksempel den andre KI-boblen. Det er betegnelsen på miljøet av folk som jobber med KI-utvikling i San Francisco. Blant disse ekspertene råder det bred enighet om at kunstig generell intelligens (AGI/KGI) er høyst et par år unna. Vi hører ofte lederne i Anthropic, Open AI og andre KI-selskaper si dette, og det kan avfeies som investorpresentasjoner. I realiteten ville budskapet vært omtrent det samme uansett hvem du spurte i Silicon Valleys KI-industri.

Det finnes imidlertid tidlige tegn på at de nyeste versjonene av de mest avanserte KI-modellene – frontlinjemodellene – bidrar til banebrytende forskning innen alt fra fysikk til biologi og informatikk. I så fall markerer det enda en milepæl på veien mot AGI.

Det sies av og til at det som hindrer KI-boblen i å sprekke, er fomo – «fear of missing out», i dette tilfellet frykten for å gå glipp av fremtiden. Ofte er frykten vår irrasjonell, men i akkurat dette tilfellet er det nok fornuftig å ta den på alvor.

Analysen ble først publisert på Ny Teknik for deres abonnenter. Den er tilgjengelig for Digis abonnenter gjennom vår samarbeidsavtale.