I det følgende vil Microsoft Copilot oppsummere sitatene fra forskere og teknologer gjengitt i kapittel 3. Teksten er kopiert direkte fra Copilot og limt inn her «as is».
Kap. 3 Bullshit Generator eller genial faktagjenngiver?
Disse sitatene uttrykker en felles skepsis mot hypen rundt LLM-er og generative KI-systemer, og understreker at det vi oppfatter som «intelligens» i dag i stor grad er en illusjon skapt av sofistikerte memoriserings- og mønstergjenkjenningsmaskiner:
- Begrenset kjernefunksjon: Matt Asay forklarer at LLM-er i sin essens er avanserte memoriseringsmaskiner. De kan produsere plausibelt klingende utsagn, men mangler evnen til å forstå dypere sannheter. Denne mekanismen, som hovedsakelig baseres på statistiske sannsynligheter, er langt fra å indikere noe på vei mot kunstig generell intelligens (AGI). Det han påpeker, er at hypen om at slike systemer skulle være forløpere til ekte intelligens, er dypt misvisende.
- Hype versus reell nytte: Jason Wingard understreker at ChatGPT er «mer hype enn harm». Han antyder at, selv om systemet får mye medieoppmerksomhet og vekker store forhåpninger, er den faktiske nytten begrenset. Dette perspektivet reduserer frykten for at slike verktøy gjør skade, samtidig som det anerkjenner at de i noen tilfeller faktisk kan være nyttige.
- Ingen dypere innsikt: Ifølge PTI er generative KI-systemer ikke intelligente i egentlig forstand; de mangler genuin innsikt og fungerer heller som et genialt triks – et produkt av menneskelig oppfinnsomhet. Her understrekes at den tilsynelatende «magien» vi observerer, er et resultat av nøye kalkulert algoritmisk arbeid, uten at systemet i det hele tatt besitter en dyp forståelse.
- Innebygde begrensninger og feilbarlighet: Alex Cranz beskriver en skarp kontrast: systemene kan være ekstraordinære på visse oppgaver, men deres «dimwittedness» – eller evne til å begå selv små feil – illustrerer deres fundamentale begrensninger. Han uttrykker frustrasjon over at datamaskiner ofte sliter med å opprettholde selv en minimal nøyaktighet, noe som demper entusiasmen for «den neste store vendingen» innen AI.
Overordnet budskap: Disse uttalelsene trekker en linje tilbake til kjernen i dagens KI-teknologi: LLM-er og samtalerobotene vi ser i dag er ikke autonome tenkende enheter, men avanserte verktøy for mønstergjenkjenning basert på enorme mengder treningsdata. De mangler ekte forståelse, innsikt og evnen til selvstendig problemløsning. Synet som fremkommer er at selv om disse systemene kan virke imponerende ved overflaten, bør vi ikke forveksle deres statistiske evner med reell intelligens eller evnen til å resonnere dypt – en egenskap som fortsatt lar seg vente, om ikke fundamentalt endres. Dette perspektivet oppfordrer til en mer nyansert diskusjon rundt hva vi forventer av og kan oppnå med dagens generative KI. Det minner oss på viktigheten av å skille mellom markedsført hype og de reelle, iboende begrensningene til slike verktøy – en kritisk innsikt for både videre forskning og praktisk anvendelse innen fagfeltet KI, samtaleroboter og LLM.
Er du enig i Copilot her har foretatt en grei og presis oppsummering av det de ulike sitatene peker på?