Samtaleroboter – Didaktiske betraktninger

Viktigheten av presisjon i KI-debatten

«Så hva er kunstig intelligens? Først og fremst er det et gammelt fagfelt med et misvisende navn. Som helhet har fagfeltet vært en skuffelse, fordi ordet «intelligens» antyder et løfte disse løsningene aldri har vært i nærheten av å innfri. Samtidig er ideer derfra blitt brukt til å lage IT-løsninger i flere tiår.»
Bjørn Stærk, 2023 (1)

Debatten om kunstig intelligens er i ferd med å bli en samtale full av store ord og små presisjoner. Når sekkebegrepet «KI» brukes om alt og ingenting forsvinner viktige forskjeller mellom teknologier, bruksområder og risikoer. Det gjør oss dårligere rustet til å ta gode beslutninger både politisk og utdanningsmessig.

Hva mener vi når vi sier «KI»

Strictly speaking, AI is not a technology at all. Facial-recognition software, translation and speech recognition programs, scheduling algorithms, and predictive models might all have different machine learning tools running in the background, but it is patently absurd to refer to them as a singular technology. We do not call everything containing copper wires «wiring»

– R.H. Lossin, PhD. og J. Resnikoff, PhD., 2024 (2)

Begrepet «kunstlig intelligens» dekker et vidt spekter av ulike teknologiske løsninger som i flere tiår har vært, og fortsatt er, en del av vår digitale hverdag: fra stavekontroll og autokorrektur, semantisk søk i Google, spam-filtre, enkle statistiske modeller som forutsier strømpriser, via dagens generative språkmodeller som skriver tekst, til visjoner om kunstig generell intelligens (AGI).

Å snakke om «KI» som om det var én ting er misvisende. Mange av dagens mest omtalte systemer så som ChatGPT, Microsoft Copilot og Gemeni, er i realiteten statistiske tekstgeneratorer som setter sammen ord basert på mønstre i store datasett. De fremstår tilsynelatende intelligente, men de «forstår» ikke på samme måte som mennesker gjør. Å bruke begreper som «forstår», «tenker» eller «vil» skaper antropomorfisering som forvirrer mer enn den oppklarer.

Hvorfor presisjon er viktig

«One problem with the term “artificial intelligence” is that it gets tossed around so carelessly. The current AI chatbot narrative centers around the use of natural language processing (NLP), for example, but Google Search has been using NLP in its search results for a long time. AI is a marketing term used to generate hype, and the tech media is buying right into it.»

– Skyler Schain, 2023 (3)

«KI er alt det en datamaskin ikke kan gjøre ennå» er et sitat kreditert IT-forskeren Larry Tesler, men formulert som et teorem av Douglas Hofstadter i Gödel, Escher, Bach. Teslers egen foretrukne formulering var mer direkte. Intelligens, sa han, er det maskiner ennå ikke har gjort (Masood, 2026).

Med utgangspunkt i Teslers formulering og det som kalles «KI-effekten», vil jeg hevde at uten presisjon blir reguleringer og retningslinjer for bruk av såkalt «KI» unøyaktige og lite relevante. Når vi ikke skiller mellom teknologier, blander vi sammen helt ulike problemstillinger: opphavsrett og kildebruk ved tekstgenerering, hallusinasjoner og faktasikkerhet i undervisning, algoritmisk skjevhet i beslutningsstøtte, og sikkerhetskrav i medisinsk diagnostikk. Risikoen er kontekstavhengig: kravene til dokumentasjon, validering og ansvar må være strengere der feil kan skade mennesker direkte, og mer pragmatiske der konsekvensene er lave.

Tre presisjonsfeil som går igjen

At their core, LLMs are nothing more than sophisticated memorization machines, capable of reasonable-sounding statements, but unable to understand fundamental truth. Importantly and despite the fervent hopes of many, they are far from delivering or even prefiguring artificial general intelligence (AGI). The hype surrounding LLMs has reached stratospheric levels, fostering a misguided belief in their potential as AGI precursors

– Matt Asay, 2024 (4)

Sekkebetegnelsen «KI»: Når alle systemer samles under ett navn, forsvinner nyansene som trengs for målrettet regulering og god praksis. Når mange utdanningsinstitusjoner forbyr elever og studenter å “bruke KI” så vil det, om vi skulle ta dette bokstavelig, omfatte så mange verktøy at all digital teknologi fort kan omfattes. Men det vi egentlig snakker om er et forbud mot å bruke samtaleroboter av typen ChatGPT eller Copilot i visse situasjoner.
Blanding av virkelighet og science fiction: Eventyrscenarier om maskiner som foretar egne valg helt utenfor det de er programmert for tar oppmerksomheten bort fra at vi står midt i en teknologisk utvikling som svekker vår individuelle dømmekraft, devaluerer den politiske og kulturelle verdien av selvstendig menneskelig refleksjon og truer demokratiets evne til å skille mellom velfundert kunnskap og glattformulert uvitenhet. Og dette skyldes ikke at datamaskiner er blitt intelligente og tar over makten, men at vi lar kommersielle aktører få lov til å definere hva som er virkelig.
Antropomorfisering: Å tillegge systemene menneskelige intensjoner eller bevissthet fører til feilaktige forventninger og ansvarsvakuum. Hvorfor skal vi kreve at selskaper som OpenAI tar ansvar for det de leverer når vi tror blindt på at datamaskiner nå har fått selvstendig evne til å tenke og handle?

Et konkret eksempel fra akademia

«Språkmodeller er lagd for å skrive gode setninger, ikke for å undersøke virkeligheten»

– Førsteamanuensis Inga Strümke, 2025 (5)

Som foreleser i teknologifag og med over 20 års erfaring både med studentaktiv undervisning, konstruksjon av arbeidskrav i tråd med Blooms taksonomi og digital distribusjon av undervisning, er det en selvfølge at mine studenter har lov til å bruke samtaleroboter som del av sine arbeider med ulike arbeidskrav. Og som teknolog kaster jeg like selvfølgelig ikke bort tiden med å bruke såkalte «KI-detektorer» på studentenes innleveringer.

Men mine studenter må i hvert arbeidskrav de leverer skrive en egenerklæring om bruk/ ikke bruk av KI, og for å ikke forvirre studentene mer enn nødvendig bruker jeg i den forbindelse forkortelsen «KI». Men i retningslinjene, i de generelle veiledningene og i et eget kapittel om «KI» i fagemnenes FAQ, presiseres følgende: «Nevn hvilken type samtalerobot du har benyttet og vær konkret når du beskriver bruken».

For når studentene skriver «jeg har brukt KI» i sine egenerklæringer, så åpner det for stor usikkerhet. Har studenten benyttet avanserte stave- og gramatikk kontroll-program eller andre system som ikke lengre ansees som «KI», men som studenten oppfatter som «intelligente system»? I så fall er jo dette egentlig ikke interessant gitt den debatt som har rast i de akademiske søylehaller siden november 2022. For det vi som undervisere og sensorer ønsker å vite, er jo om det er tekstgeneratorer av typen Copilot eller Gemeni som er benyttet. Og i 9 av 10 tilfeller er det jo akkurat disse verktøyene studentene tenker på når de deklarerer sin «KI-bruk».

Så for å få meningsfull dokumentasjon på studentenes bruk av disse verktøyene må vi be om presise opplysninger: hvilken samtalerobot og hva ble denne konkret benyttet til; ideutvikling, formulering, kildekritikk eller ren tekstproduksjon. Uten slike detaljer blir en egenerklæring om bruk/ ikke bruk av “KI” ubrukelig og vil skape utfordringer for både vurdering av studentenes teoretiske arbeider og for studentenes evne til å skille mellom science fact og science fiction.

Forslag til mer presisjon når vi snakker om «KI»

Artificial intelligence is often talked about as a single technology. This is unhelpful. AI is an umbrella term covering a wide range of technologies, from translation tools and recommendation engines to predictive models and the LLMs that power ChatGPT and many generative and agentic AI systems. These technologies have different lineages, are designed for very different purposes, work in different ways and raise different questions. Yet, they are routinely bundled together under the single label of AI; a simplification that obscures important distinctions and makes informed discussion and decision-making far more difficult than it should be.

– Jo Morrison, PhD. , 2026 (6)

En artikkel på Khrono publisert 31.08 i år har overskriften «Her har sensorene forbud mot å bruke KI». Gitt hvor mange ulike dataprogram og systemer som omfattes av dette sekkebegrepet blir det litt av en oppgave både for sensorer og utdanningsinstitusjoner å holde styr på hvilke digitale verktøy dette forbudet skal gjelde. Men selvsagt er det kun snakk om samtaleroboter, og det hadde absolutt gitt både forbud og debatter et mer informativt preg om man her hadde hatt en høyere grad av presisering.

Så slik jeg som samfunnsinformatiker ser det, bør vi nå snarest:

Bruk mer presise begreper: Snakk om «generative språkmodeller», «bildesyntese», «prediktive modeller» eller «samtaleroboter» i stedet for bare «KI».
Kontekstualiser risiko: Still krav etter hvor kritisk bruken er. Rettslige beslutninger og eksamensvurdering krever høyere sikkerhetsmarginer enn kreative skriveoppgaver.
Unngå menneskeliggjøring: Beskriv hva systemene gjør rent teknisk, så som mønstergjenkjenning, sannsynlighetsberegning, statistisk generalisering og ikke hva de «tenker».
Krav til åpenhet: Be studenter deklarere nøyaktig hva de brukte, og lær dem forskjellen på science fact og science fiction når det gjelder det store fagfeltet “KI”.
Skille mellom hype og empirisk kunnskap: Politikere, utdanningsinstitusjoner og KI-utvalg bør basere retningslinjer for såkalt “KI-bruk” på forskning og ikke leverandørers markedsføring via mer eller mindre fantasifulle mediehistorier.

Avslutning

Presisjon i språket er ikke bare akademisk pedanteri. Det er et praktisk verktøy for å gjøre debatten nyttig og handlingsrettet. Når vi klarer å skille mellom teknologier, bruksområder og reelle risikoer, kan vi lage bedre retningslinjer, mer treffsikre reguleringer og mer meningsfull undervisning.

Datamaskiner er fortsatt datamaskiner. De er basert på digitale, binære «byggesteiner», ikke mystisk og uforklarlig magi. Siden 2022 har vi fått flere og mer spesialiserte verktøy (akselleratorer, minnetyper, DPUs, kjøleløsninger) for å møte behovene skapt av store språkmodeller, men disse endringene er forbedringer av samme grunnleggende prinsipp. Datamaskiner er fortsatt digitale maskiner som bruker binær logikk (0 og 1) i form av elektriske tilstander og begrensningene som følger av fysikk, strøm, kjøling og nettverk er ikke på mystisk vis plutselig opphevet.

Dette betyr at vi fortsatt er låst til de samme fysiske realitetene som vi har vært i flere tiår. OpenAI, Microsoft og andre kommersielle aktører har ikke funnet opp hjulet på nytt; de har bare bygget en ekstremt spesialisert versjon av det. Den «magien» vi opplever er et resultat av manglende kunnskap om hvordan datamaskiner faktisk funger, rå datakraft og sofistikert matematikk, ikke et brudd med klassisk datateknologi.

La oss derfor slutte å snakke om «KI» som én entitet, og begynne å snakke om de konkrete systemene og situasjonene vi faktisk står overfor.

Se også

Teknologisk analfabetisme er en alvorlig samfunnsrisiko, Altinget, 21.07.2025
Samtalerobotenes inntog i akademia – hype eller apokalypse?, forskersonen.no, 17.07.25
Chatbots in Education: Hype, Help, or Harm?, Medium, 05.06.25
ChatGPT og dets ulike avarter – nyttig verktøy eller digital papegøye?, Avisa Nordland, 02.06.2025
Trusler i det digitale rom – KI eller ganske enkelt the usual suspects? Trønderdebatt, 15.08.2024
Chat GPT – En mer talefør slektning av ELIZA, Trønderdebatt, 10.01.2023
Chat GPT – Et artig verktøy men ingen pålitelig eksamensløser, Avisa Nordland, nettutgave – debatt, 12.01.2023

Leseliste

KI‑optimismens drømmerier kontra kritiske perspektiv forankret i den teknologiske virkelighet

«Universiteter liker å omtale kritisk tenkning som sitt fremste læringsutbytte. Likevel har store deler av KI-debatten handlet om hvordan vi kan hindre studenter i å bruke verktøyet, snarere enn hvordan vi kan undersøke om studentene faktisk tenker kritisk når de bruker det. Det er en merkelig diskusjon. Kanskje skyldes det at universiteter i mange år har vært flinkere til å måle svar enn til å måle dømmekraft.»
Bilal Sheikh, 2026 (1)

Debatten om kunstig intelligens i høyere utdanning er i ferd med å dele seg i to spor: ett der teknologioptimismen får dominere, og ett der kritiske perspektiver forsøker å holde fast ved forskningens og demokratiets grunnleggende prinsipper.

Et godt bilde på teknologioptimismen, og motstand mot mer kritiske røster, er Anders Eidsvik sitt innlegg på Altinget.no. Her hevder han at førsteamanuensis Inga Strümkes kritiske røst i KI-debatten er en bjørnetjeneste.

Eidsviks argument bygger på et premiss om at KI-utviklingen er så uforutsigbar og rask at vi må være åpne for alt – også det vi ikke forstår. Men dette er en farlig form for pragmatisme som overser det enkle vitenskapelige faktum at datamaskiner fortsatt er datamaskiner.

Datamaskiner er stadig vekk basert på digitale, binære «byggesteiner», ikke mystisk og uforklarlig magi. Siden 2022 har vi fått flere og mer spesialiserte verktøy (akselleratorer, minnetyper, DPUs, kjøleløsninger) for å møte behovene skapt av store språkmodeller, men disse endringene er forbedringer av samme grunnleggende prinsipp. Datamaskiner er fortsatt digitale maskiner som bruker binær logikk (0 og 1) i form av elektriske tilstander og begrensningene som følger av fysikk, strøm, kjøling og nettverk er ikke på mystisk vis plutselig opphevet.

Dette betyr at vi stadig er låst til de samme fysiske realitetene som vi har vært i flere tiår. OpenAI, Microsoft og andre kommersielle aktører har ikke funnet opp hjulet på nytt; de har bare bygget en ekstremt spesialisert versjon av det. Den «magien» vi opplever er et resultat av manglende kunnskap om hvordan datamaskiner faktisk funger, rå datakraft og sofistikert matematikk, ikke et brudd med klassisk datateknologi.

Som informasjonsviter i den samfunnsinformatiske tradisjon etter Rob Kling og Tom Jewett, ser jeg teknologi ikke som nøytral, men som sosialt formet og politisk ladet. «KI» er ikke bare et sekkebegrep som omfatter en rekke ulike digitale system, men også en kulturell kraft som gir ly til kommersielle aktørers påvirkning av hvordan vi lærer, vurderer og forstår verden.

Eidsvik etterlyser fleksibilitet. Jeg etterlyser motstandskraft. Vi må ikke bøye oss for teknologiselskapenes tempo, men stille de vanskelige spørsmålene: Hvem tjener på denne utviklingen? Hva slags kunnskap fremmer den? Og hvilke verdier taper vi?

Universitetenes jobb er ikke å tilrettelegge for ureflektert bruk av store språkmodeller i form av samtaleroboter, men å utdanne borgere med evne til kritisk refleksjon. Det innebærer å utfordre løsningstro, avkle mediefantasier og insistere på forskningens langsomme, men nødvendige tempo. Det innebærer også å la studentene få utforske samtalerobotene som del av deres eksamensarbeider, i de fag der dette er hensiktsmessig sett fra forelesers faglige ståsted.

Strümkes kritikk er ikke en bjørnetjeneste. Den er en demokratisk nødvendighet.

Og initiativet fra en trio ved UiT Norges arktiske universitet – Maria Danielsen, Knut Ørke og Holger Pötzsch – med mål om å få KI-debatten i høyere utdanning inn på et nytt spor, er også en viktig del av en demokratiske prosess mot en større forståelse for fordeler og ulemper ved de digitale system som nå kalles «KI».

Initiativtakerne hevder at KI‑debatten i norsk høyere utdanning er blitt for ensidig optimistisk og at kritiske stemmer ikke slipper til. Forskerne etterlyser en ny retning, der etikk, demokrati, sikkerhet og faglig kvalitet står i sentrum.

Jeg er kanskje ikke uten videre enig i at kritiske stemmer ikke slipper til, selv om det i media (og til dels også internt i akademia) først og fremst fokuseres på tvilsomme påstander om hva samtaleroboter rent faktisk er i stand til og uvitenskapelige fabuleringer om en mulig Isaac Asimov-lignende fremtid.

Men vi trenger en kritisk og faglig debatt om sekkebegrepet «KI», og ikke minst om de konkrete (og begrensede) verktøy som siden 2022 har gitt støtet til en teknologisk utvikling som svekker vår individuelle dømmekraft, devaluerer den politiske og kulturelle verdien av selvstendig menneskelig refleksjon og truer demokratiets evne til å skille mellom velfundert kunnskap og glattformulert uvitenhet. Derfor har jeg signert oppropet presentert i Khrono 30. mars 2026.

Frontier AI labs have a strong incentive to tell stories that make AI technology sound more powerful. At their most extreme, they promote science-fiction scenarios of AI “taking over” and causing human extinction. If a technology can replace many employees, surely that technology must be very valuable!
Andrew Ng, PhD (2)

Leseliste

Hvor står jeg faglig i KI-debatten – og hvem står jeg sammen med internasjonalt?

There tend to be three AI camps. 1) AI is the greatest thing since sliced bread and will transform the world. 2) AI is the spawn of the Devil and will destroy civilization as we know it. And 3) «Write an A-Level paper on the themes in Shakespeare’s Romeo and Juliet.»
I propose a fourth: AI is now as good as it’s going to get, and that’s neither as good nor as bad as its fans and haters think, and you’re still not going to get an A on your report. You see, now that people have been using AI for everything and anything, they’re beginning to realize that its results, while fast and sometimes useful, tend to be mediocre
Steven J. Vaughan-Nichols, 2025 (1)

Jeg anerkjenner store språkmodeller i form av samtaleroboter som kraftige, men begrensede verktøy for tekstgenerering og informasjonsinnhenting. Jeg anerkjenner dem ikke som intelligente aktører. Mitt ståsted er først og fremst forankret i samfunnsinformatikken, slik Rob Kling og Tom Jewett praktiserte dette fagområdet, og derigjennom rotfestet i internasjonal kritisk KI-tenkning. Jeg bekjenner meg altså til en tradisjon som setter menneskelig dømmekraft, læring og samfunnsansvar foran teknologisk begeistring.

Hvorfor jeg er skeptisk til sekkebegrepet «KI»

«Så hva er kunstig intelligens? Først og fremst er det et gammelt fagfelt med et misvisende navn. Som helhet har fagfeltet vært en skuffelse, fordi ordet «intelligens» antyder et løfte disse løsningene aldri har vært i nærheten av å innfri. Samtidig er ideer derfra blitt brukt til å lage IT-løsninger i flere tiår.»
– Bjørn Stærk, 2023 (2)

De siste årene har jeg brukt mye tid på å teste samtaleroboter som ChatGPT, Copilot og lignende system – ikke bare som nysgjerrig teknolog, men som undervisningsforsker og samfunnsinformatiker. Erfaringen er ganske klar: Det vi i dag kaller «KI» i offentligheten, er først og fremst statistiske tekstgeneratorer. Sekkebegrepet «KI», slik det benyttes i dagens debatt, skaper mer forvirring enn innsikt.

Når jeg sier at samtaleroboter av typen ChatGPT ikke er eksempler på kunstig intelligens, er det ikke fordi jeg vil være kontrær for artighets skyld. Det handler om noe langt mer grunnleggende; ordene vi bruker, former forventningene våre. Kaller vi statistiske tekstgeneratorer for «intelligente», inviterer vi til misforståelser – både faglig, politisk og pedagogisk.

Samtaleroboter er kraftige verktøy, men ikke tenkende aktører som utfordrer etablerte pedagogiske praksiser

«Språkmodeller er lagd for å skrive gode setninger, ikke for å undersøke virkeligheten»

– Førsteamanuensis Inga Strümke, 2025 (3)

Samtaleroboter er imponerende på én ting; de er ekstremt gode til å beregne hvilke ord som sannsynligvis passer etter hverandre, gitt enorme mengder treningsdata. De er derimot ute av stand til å forstå, vurdere eller reflektere.

For meg er det derfor mer presist å omtale disse systemene som:

Samtaleroboter – fordi de simulerer dialog
Statistiske tekstgeneratorer – fordi de i bunn og grunn driver med sannsynlighetsberegning over tekst

Disse systemene

analyserer ikke oppgaven slik en student gjør
vurderer ikke kildenes kvalitet
resonnerer ikke over konsekvenser eller logisk konsistens
har ingen forståelse av sannhet

«Unlike hallucinations, which introduce false-hoods, sycophancy is a bias in the selection of the data people see. When AI systems are trained to be helpful, they may inadvertently prioritize data that validates the user’s narrative over data that gets them closer to the truth.»

– Rafael M. Batista, PhD and Professor Thomas L. Griffiths, 2026 (4)

Så når vi omtaler disse digitale systemene som «intelligente», er det lett å glemme at alt de gjør, er resultat av menneskelig programmering, menneskelig data og menneskelig tolkning.

«Intelligensen» er altså kun en illusjon skapt av statistiske mønstre, der det verken forekommer analyser, vurdering eller faktaforståelse. Og når samtaleroboter produserer tekster som forsterke brukerens antakelser, fordommer og ønskedrømmer så er dette ikke resultat av en villet handling basert på kognitive prosesser. Det er ren statistikk.

Derfor bør vi møte denne spesifikke teknologien med nøkternhet i akademia og bruke den som et begrenset verktøy der det gir konkret verdi, samtidig som vi styrker oppgavedesign, veiledning og vurderingsformer som krever kritisk tenkning, faglig forankring og personlig erfaring. Med andre ord: anerkjenne nytten der den faktisk finnes, men ellers ha fokus på faglige krav, didaktikk og vurderingspraksis forankret i det fagområde vi har ansvaret for.

Slik jeg ser det, må det være den enkeltes undervisningsfilosofi som avgjør oppgavedesign, vurderingsform og hvorvidt samtaleroboter kan brukes som del av studentenes arbeid eller ikke, ikke uvitenskapelige fabuleringer fra KI-fantaster og kommersielle aktører.

Hva samtaleroboter faktisk klarer – og ikke klarer

Today’s large language models are phenomenal at pattern recognition. But they don’t truly understand causality. They don’t really know why A leads to B. They just predict the next token based on statistical correlations.

– Sir Demis Hassabis , 2026 (5)

Når vi skal vurdere hva dataprogram, skapt og driftet av mennesker, kan eller ikke kan, må vi huske på følgende:

Datamaskiner er fortsatt datamaskiner. De er basert på digitale, binære «byggesteiner», ikke mystisk og uforklarlig magi. Siden 2022 har vi fått flere og mer spesialiserte verktøy (akselleratorer, minnetyper, DPUs, kjøleløsninger) for å møte behovene skapt av store språkmodeller, men disse endringene er forbedringer av samme grunnleggende prinsipp. Datamaskiner er fortsatt digitale maskiner som bruker binær logikk (0 og 1) i form av elektriske tilstander og begrensningene som følger av fysikk, strøm, kjøling og nettverk er ikke på mystisk vis plutselig opphevet.

Dette betyr at vi fortsatt er låst til de samme fysiske realitetene som vi har vært i flere tiår. OpenAI, Microsoft og andre kommersielle aktører har ikke funnet opp hjulet på nytt; de har bare bygget en ekstremt spesialisert versjon av det. Den «magien» vi opplever er et resultat av manglende kunnskap om hvordan datamaskiner faktisk funger, rå datakraft og sofistikert matematikk, ikke et brudd med klassisk datateknologi.

Dette utgangspunktet er styrende for min oppfatning av såkalt «KI» og det vi rent faktisk har fått tilgang på – samtaleroboter (som er hovedfokuset her, og i den pågående «KI»-debatten i akademia) og verktøy som genererer bilder, lyd og video basert på LLM‑teknologi.

Mine egne tester av samtalerobotenes evne til å jobbe med arbeidskrav i mine fagemner – basert på påstander om at disse verktøyene kunne skrive alt fra masteroppgaver til vitenskapelige artikler uansett brukerens kunnskapsnivå – , og internasjonal forskning, peker i samme retning:

På lavere nivå i Blooms taksonomi (reproduksjon, forklaring, oppsummering) kan samtaleroboter levere svar som ser brukbare ut.
På høyere nivå (analyse, tolkning, vurdering, kritisk refleksjon) faller de gjennom – ofte på spektakulært vis.

Måten KI kommer frem til svarene er at den opererer som slags midtpunkt eller gjennomsnitt av det som allerede sirkulerer av informasjon på internett. Nettopp derfor kan den ikke skape noe genuint nytt, men først og fremst reorganisere det som allerede finnes.

– Erika Eidslott, PhD., 2026 (6)

Derfor bruker jeg ikke KI til vurdering og karaktersetting. Et system som ikke forstår faglig kvalitet, ikke kan skille mellom ekte og falske kilder, og som ikke kan redegjøre for egen «tenkning», er etter mitt syn uegnet som vurderingsinstans. Det betyr ikke at verktøyene er ubrukelige, men at de må brukes som nettopp det – verktøy, ikke faglige sensorer.

Mitt internasjonale faglige slektskap

In the literal sense, the programmed computer understands what the car or the adding machine understand: namely, exactly nothing.

—John Searle, 1980 (7)

Som samfunnsinformatiker med fokus på Human‑Centric Security, med over 30 års erfaring med faglig og underholdningsmessig bruk av informasjonsteknologi – både som IT-sjef, gamer, underviser og undervisningsforsker – og med mer enn 20 års erfaring med studentaktiv og nettbasert undervisning, har jeg plassert meg i kretsen av nasjonale og internasjonale akademikere som er kritiske til hvordan begrepet «KI» brukes i offentligheten.

Jeg står altså ikke alene i mitt syn på at samtaleroboter ikke er strålende eksempler på «KI». Tvert imot befinner jeg meg i et ganske tydelig internasjonalt landskap av forskere og fagmiljøer som:

kritiserer hypen rundt «KI»
avmystifiserer LLM-er
insisterer på at vi må skille mellom statistisk mønstergjenkjenning og intelligens

Blant dem finner vi:

Gary Marcus – som i en årrekke har pekt på at LLM-er mangler robust resonnering og at vi er langt unna generell kunstig intelligens.
Melanie Mitchell – som viser hvordan LLM-er kan se imponerende ut, men likevel ikke har den typen forståelse vi forbinder med menneskelig intelligens.
Evgeny Morozov – som har pekt på at dagens «KI» i stor grad er basert på appropriasjon av menneskelig arbeid, og at det vi kaller «artificial» ofte er alt annet enn kunstig.
Arvind Narayanan – som omtaler LLM-er som «bullshit generators» og advarer mot å bruke dem ukritisk.
Shannon Vallor og andre KI-etikere – som peker på at den virkelige risikoen ikke er en fremtidig superintelligens, men dagens systematiske undergraving av kritisk tenkning, demokratisk praksis og menneskelig dømmekraft.

I utdanningsfeltet står jeg nær forskere som Neil Selwyn, Audrey Watters og Jeffrey Bilbro, som har vist hvordan «revolusjonerende» læringsteknologi gang på gang ender som moderate verktøy – ofte med merarbeid og nye former for avhengighet, men uten den lovede læringsgevinsten.

Når jeg plasserer meg selv i dette internasjonale landskapet, er det fordi jeg kjenner meg igjen i tre felles kjennetegn:

Teknologirealisme: Verken demonisering eller ukritisk begeistring, men nøktern analyse av hva systemene faktisk gjør.
Begrepskritikk: Motstand mot å bruke «intelligens» om systemer som ikke forstår, ikke resonnerer og ikke har mål eller intensjoner.
Fokus på menneskelig læring og dømmekraft: Teknologi skal støtte, ikke erstatte, menneskelig tenkning – særlig i utdanning.

Hvorfor er det viktig med et kritisk blikk?

From a critical analytical perspective, the idea that human and machine intelligence can and should be compared is equally problematic because it creates a false equivalence between human decision-making and computer decision-making. This false equivalence can become the basis for a series of dubious practices, such as the replacement of (fallible) human judgement with (allegedly superior, but no less fallible) machine judgement.

– Cristobal Garibay-Petersen, Marta Lorimer and Bayar Menzat, 2026 (8)

I norsk utdanningsdebatt brukes «KI» nå om alt fra stavekontroll til samtaleroboter. Og i ulike styredokumenter ol. som skal danne grunnlag for bruk av digitale verktøy i høyere utdanning, ser vi altfor ofte påstander av typen «forventes å påvirke universitetets kjerneoppgaver». Men denne og lignende påstander forankres ikke i forskning, men i vage henvisninger til «debatten» eller til ulike mediehistorier.

Men universiteter skal ikke forankre sin politikk i vage og sprikende «debatter», men i forskning. Når såkalt «generativ KI» fremstilles som en uunngåelig revolusjon, er dette synsing ikke evidensbaserte fakta og et symptom på at vi mangler ikke bare et presist språk men en grunnleggende forståelse for teknologi.

For meg er dette ikke bare en faglig irritasjon, men et demokratisk spørsmål. Hvis vi ikke klarer å skille mellom:

verktøy som hjelper oss å skrive litt raskere, og
systemer som faktisk kan ta autonome beslutninger med reelle konsekvenser

– da gjør vi oss selv sårbare. Ikke for «den onde KI-en», men for mennesker og institusjoner som bruker teknologien til å styre, manipulere og effektivisere på måter vi ikke fullt ut forstår.

Oppsummert

That tech fantasy is running on fumes. We all know it’s not going to work. But the fantasy compels risk-averse universities and excites financial speculators because it promises the power to control what learning does without paying the cost for how real learning happens. Tech has aimed its mid revolutions at higher education for decades, from TV learning to smartphone nudges. For now, A.I. as we know it is just like all of the ed-tech revolutions that have come across my desk and failed to revolutionize much. Most of them settle for what anyone with a lick of critical thinking could have said they were good for. They make modest augmentations to existing processes. Some of them create more work. Very few of them reduce busy work.

– Professor Tressie McMillan Cottom, 2025 (9)

Slik jeg ser det er det min jobb (og plikt) som teknolog og fagperson ved et universitet å

ikke omtale samtaleroboter som intelligente – men heller beskrive dem som det de er: statistiske tekstgeneratorer
bruke dem som pedagogiske case, ikke som fasit – særlig for å trene kritisk tenkning, kildekritikk og forståelse av hva teknologi kan og ikke kan
styrke teknologiforståelse og vitenskapelig allmenndannelse – slik at både studenter og beslutningstakere kan gjennomskue medieskapte fantasier
diskutere KI som ordinær teknologi, på linje med andre digitale verktøy – med nytte, risiko og begrensninger på bordet samtidig

Til syvende og sist handler ikke KI‑debatten om hva kommersielle aktører og enkelte håpefulle forskere påstår at teknologien kan gjøre, men om vår evne til å bevare et presist språk, en kritisk dømmekraft og et utdanningssystem som fortsatt setter menneskelig forståelse høyere enn statistisk etterligning.

Når vi avmystifiserer samtaleroboter og plasserer dem der de hører hjemme – som kraftige, men grunnleggende begrensede verktøy – muliggjør vi en mer ærlig og kunnskapsbasert samtale om hva slags læring, samfunn og demokrati vi ønsker å bygge. Det er i dette landskapet jeg står, sammen med akademikere som insisterer på realisme fremfor hype, begrepsklarhet fremfor markedsretorikk og menneskelig dømmekraft fremfor teknologisk fatalisme.

Skal vi navigere videre på fornuftig vis, må vi ikke spørre hva «KI» kan gjøre for oss, men hva vi som samfunn risikerer å miste dersom vi slutter å forstå hva vi faktisk gjør.

Once men turned their thinking over to machines in the hope that this would set them free. But that only permitted other men with machines to enslave them.
Frank Herbert, Dune, 1965

Leseliste

Når over 20 år gamle digitale verktøy, og enda eldre praksis, omtales som «nye»…

Illustrasjon generert av Microsoft Copilot

«Historically, AI researchers’ predictions about progress in AI abilities have been pretty bad. We don’t really have principles that describe which kinds of tasks are easy for AI and which ones are hard»
Professor Arvind Narayanan, 2026 (1)

Samlebetegnelsen «KI» er stadig i vinden, og med utgangspunkt i samtaleroboter av typen ChatGPT, Copilot osv. er det ikke måte på hvor store endringer som nå kommer til å skje i de akademiske søylehaller.

I en artikkel på Uniforum fra 28. januar i år, siteres Malthe Sørenssen på at studentene «går frå å hugsa og memorera til å skapa noko sjølve», og at dette krever «nye ferdigheiter» knyttet til bruk av video og podkast. Forutsatt at journalisten har oppfattet Malthe Sørenssen korrekt så viste han altså til bruk av video og podkast som «nye verktøy for studentane».

For mange av oss som har arbeidet med studentaktiv undervisning i informatikk og IKT didaktikk i en årrekke, er det vanskelig å lese dette uten å stusse. Video og podkast som nye verktøy? En overgang fra memorering til skapende arbeid som noe som først skjer nå? Er virkelig kombinasjonen store språkmodeller og samtalegrensesnitt en så fantastisk nyskapende «intelligens» at studentaktiv undervisning og bruk av digitale medier i innholdsproduksjon ved norske universitetsstudier først nå plutselig er blitt gjennomførbart?

Det er mulig at Malthe Sørenssen i den sammenheng som artikkelen refererer til, med hensikt forenklet budskapet for å favne hele spekteret innen UH-sektoren. Men selv har jeg stått i denne utviklingen siden tidlig 2000-tallet, og for meg fremstår slike utsagn litt anakronistiske og kunnskapsløse.

Studentaktiv undervisning er ikke nytt – det er selve grunnmuren i informatikkdidaktikken

«But in a social-issues course, the life experiences and personal values of each student are uniquely relevant to their learning process. Therefore, this type of course places a premium on teaching methods that can build on those life experiences and help to clarify and strengthen those personal values»
– Tom Jewett, PhD. og Professor Rob Kling, 1996 (2)

I informatikkfagene, og kanskje særlig i den delen som kalles samfunnsinformatikk, har studentaktivitet vært en integrert del av undervisningsdesignet i flere tiår. Her har vi lenge jobbet med:

Prosjektbasert læring
Studentproduserte videoer, screencasts, blogger og podkaster
Omvendt klasserom
Utforsking av ulike digitale medier og praksisnære prosjekter
Eksamensformer som fokuserer på læring, ikke kontroll

Dette er ikke eksperimentelle tilnærminger, men moden pedagogisk praksis som er godt dokumentert i både norsk og internasjonal forskning.

Utfordringer med denne type utsagn

«Ifølge rapporten finnes det ingen bevis for at KI forbedrer produktiviteten, pedagogikken eller læringsutbyttet. I mange tilfeller har innføringen av KI heller ført til en negativ utvikling på disse områdene. I motsetning til hva universitetsansatte ofte blir fortalt, har innføringen av KI gjort det akademiske arbeidet tyngre og mindre meningsfullt»
– Professor Holger Pötzsch, universitetslektor Knut Ørke, og forsker Maria Danielsen, 2026 (3)

Det er ikke alltid lett å vite om denne type utsagn som Malthe Sørenssen siteres på er grunnet i ren kunnskapsløshet om andre måter å undervise på enn det man selv gjør, eller om man rett og slett ønsker å løfte frem en (gammel) debatt om forelesninger kontra mer studentaktive metoder. Uansett hensikt, slik utsagn kan skape noen uheldige situasjoner.

Det skapes en udokumentert «sannhet» om at «KI» vil føre til store endringer for hvordan vi underviser og lærer på et universitet.
Det finnes absolutt ingen vitenskapelige holdepunkt for påstander om at «KI», i uspesifisert form, vil fullstendig endre allerede godt etablert viten om hvordan bedrive læringsaktiviteter i høyere utdanning. Og jo flere ganger denne type «eventyr» gjentas, jo vanskeligere blir det for kritiske fagstemmer å komme til orde. Dette kan fort føre til at utdanningsmyndighetene kjøper ideen om at samtaleroboter er en helt ny og unik «intelligens», og bruker store beløp av skattebetalernes penger til å skaffe helt unødvendige lisenser fra OpenAI eller andre tilbydere til UH-sektoren.
Malthe-Sørensen, i egenskap av utvalgsleder, ønsker å favne hele sektoren, ikke kun fagmiljøer som ligger langt fremme.
Det finnes selvsagt mange fagområder hvor studentaktiv læring og aktiv bruk av ulike digitale medier til studentproduserte produkt fortsatt er i startfasen, og der det er ønskelig at prosessen mot andre undervisningsmetoder får en noe større fart. Men slike utsagn kan oppfattes som generalisering av hele UH sektoren, og dermed skape et feil bilde av hvor langt mange fagmiljøer faktisk har kommet og hvor lenge slik bruk av digitale medier har vært standard.
Retorikk som skal skape inntrykk av nytenkning
Det er kanskje fristende å omtale etablerte praksiser som «innovasjon» for å gi politiske prosesser større fart, og det er i og for seg legitimt. Problemet er at dette fort kan undergrave ulike fagmiljøers reelle utviklingsarbeid, som gjerne har pågått i tiår.
Et gap mellom utvalgets verden og faktisk undervisningspraksis
Når en utvalgsleder beskriver en utdanningsvirkelighet frakoblet en mer enn 20 års utvikling, kan utvalgets endelige anbefalinger fort bli lite relevante for fagmiljøer som alt lenge har fokusert på «learning by doing». Dette minner om den gang NTNU-professor Arne Krokan begynte med MOOC i 2012 og media og politikere ojet seg over dette fantastiske nye kalt «E-læring» eller «Nettbasert undervisning», og glemte at dette var noe norske utdanningsmiljø hadde holdt på med siden 1987.

Et utvalg som risikerer å ikke treffe praksisfeltet

«Språkmodeller modellerer ikke virkeligheten, de modeller språk. De lager ikke tekst basert på fakta og årsakssammenhenger, de lager tekst som ser ut som om den kan være riktig»
– Professor Jill Walker Rettberg, 2025 (4)

Når en leder for et offentlig utvalg omtaler video og podkast som «nye verktøy», sender det et signal om at man ikke har oversikt over den pedagogiske utviklingen som faktisk har skjedd i store deler av UH-sektoren. For undervisere som daglig jobber med studentaktive, skapende læringsformer, kan dermed KI-utvalget fort fremstå som lite relevante selv om Malthe Sørenssen sine uttalelser ikke nødvendigvis gir et bilde av utvalgets samlede arbeid per nå eller hva de endelige anbefalingene vil bli.

Det er godt mulig at det i deler av UH‑sektoren fortsatt er slik at studentaktiv læring og bruk av digitale medier til innholdsproduksjon er «nytt» og under innfasing, men en utvalgsleder som skal peke ut retningen for fremtidens utdanning bør ha – og vise – god kunnskap om nåtiden. Hvis ikke risikerer vi at politiske anbefalinger blir basert på en virkelighet som kun eksisterer i de mest nedstøvede akademiske elfenbenstårn.

Avslutning

«Part of our response to GenAI in education needs to be squarely centred on a simple question – what do we want the benefits of our education to be? If it is “to be good at writing prompts for ChatGPT” then so be it but I would guess that it’s not. We want graduates that are skilled enough that should they actually find use in GenAI in the world of post-degree work, they will be the type of adaptable, capable people who can quickly pick up the tool and get going with it»
– Jeremy Moulton, PhD., 2025 (5)

Når vi omtaler godt over 20 år gamle praksiser og verktøy som «nye», mister vi ikke bare en helt nødvendig presisjon, men vi mister også muligheten til å diskutere de faktiske utfordringene i høyere utdanning, der såkalt «KI» i form av «samtaleroboter» bare er en liten del av et større hele.

Det er derfor på høy tid at de som skal stå for nye utdanningspolitiske prosesser tar inn over seg at for mange fagmiljøer er studentaktiv læring og utforsking av digitale verktøy gammelt nytt. For disse miljøene er samtaleroboter kun nok et interessant digitalt medie, ikke en mystisk «intelligens» som kaster overbord veletablerte pedagogiske metoder og vurderingspraksiser.

«That tech fantasy is running on fumes. We all know it’s not going to work. But the fantasy compels risk-averse universities and excites financial speculators because it promises the power to control what learning does without paying the cost for how real learning happens. Tech has aimed its mid revolutions at higher education for decades, from TV learning to smartphone nudges. For now, A.I. as we know it is just like all of the ed-tech revolutions that have come across my desk and failed to revolutionize much. Most of them settle for what anyone with a lick of critical thinking could have said they were good for. They make modest augmentations to existing processes. Some of them create more work. Very few of them reduce busy work.»
– Professor Tressie McMillan Cottom, 2025 (6)

Redigert: 03.02.26

Leseliste

Den farlige drømmen om KI

En forkortet og omredigert versjon av det opprinnelige innlegget er publisert på Altinget.no Dette innlegget ble sist oppdatert 31.03.26.

That tech fantasy is running on fumes. We all know it’s not going to work. But the fantasy compels risk-averse universities and excites financial speculators because it promises the power to control what learning does without paying the cost for how real learning happens. Tech has aimed its mid revolutions at higher education for decades, from TV learning to smartphone nudges. For now, A.I. as we know it is just like all of the ed-tech revolutions that have come across my desk and failed to revolutionize much. Most of them settle for what anyone with a lick of critical thinking could have said they were good for. They make modest augmentations to existing processes. Some of them create more work. Very few of them reduce busy work.
Professor Tressie McMillan Cottom, 2025 (1)

Tross hypen rundt såkalt «kunstig intelligens», viser både egne tester og faglige vurderinger fra både nasjonale og internasjonale forskere, at samtaleroboter som ChatGPT mangler både intelligens og innsikt. De er avanserte tekstgeneratorer som imiterer språk uten forståelse, og dagens medieskapte myter om tenkende maskiner kan fort bli en beredskapsmessig trussel.

Innledning

«No, Bloomberg News, ChatGPT did not get an MBA. No, NBC News, ChatGPT did not even pass an exam.»
– Professor Melanie Mitchell (2)

I løpet av de siste årene har samtaleroboter som ChatGPT, Copilot, Gemini ol. blitt løftet frem som teknologiske mirakler og verktøy som angivelig kan revolusjonere utdanning, forskning og arbeidsliv. Men bak medieoverskriftene og de euforiske uttalelsene fra politikere og næringslivsaktører skjuler det seg en virkelighet som er langt mer nyansert, til dels ytterst kjedelig og absolutt uten noen form for intelligens.

Som informasjonsviter med et særlig blikk for informasjonsteknologiens pedagogiske og samfunnsmessige implikasjoner siden 90-tallet, har jeg over to år testet 14 ulike samtaleroboter på eksamensoppgaver knyttet til fagfeltet Samfunnsinformatikk.

Samtlige oppgaver krevde analyse, syntese og evaluering og var utformet for å måle studentenes evne til faglig refleksjon knyttet til helt spesifikt fagstoff, evne til å knytte dette til egen yrkesvirkelighet, evne til å reflektere over egen læring og evne til å finne gode (og etterprøvbare) fagkilder for å bygge opp under egne faglige refleksjoner.

Resultatene var entydig negative og gjorde det krystallklart at disse verktøyene verken er intelligente eller kreative. Og de er absolutt ikke faktainnhentere. De er avanserte statistiske tekstgeneratorer klart bundet av algoritmer og mønstergjenkjenning, ikke forståelse.

Både mine tester, og internasjonal forskning på hvordan samtaleroboter behandler eksamensoppgaver knyttet til høyere nivå i Blooms taksonomi, viser at mediehistoriene om at dette var verktøy som lett kunne skrive gode universitetsbesvarelser uansett fagemne ikke stemmer. Og amerikanske forskere har for lengst vist at påstandene om at ChatGPT, og lignende verktøy, klarte bachelor og mastereksamener ikke holdt vann.

Som førsteamanuensis Inga Strümke påpekte i NRK i mai 2025; «Språkmodeller er lagd for å skrive gode setninger, ikke for å undersøke virkeligheten». Til tross for dette teknologiske faktum ser vi stadig – selv nå i 2025 – at enkelte akademikere mener at samtaleroboter kan besvare alle typer eksamensoppgaver og at de samme systemene kan avsløre tekster skrevet av «KI». At dette er fantasier som for lengst er tilbakevist, virker å være helt ukjent.

Professor Jon Whittle er en av mange forskere som prøver å holde fagområdet Kunstig Intelligens på et saklig og vitenskapelig nivå. I sin forelesning «There’s no such thing as Artificial Intelligence» påpeker han følgende:

Men til tross for forskere som professor Whittle og det faktum at absolutt ingen av de vidløftige påstandene knyttet til samtaleroboter er innfridd eller validert av ekstern forskning, lever mytene om KI videre og samtaleroboter er plutselig blitt inngangsporten til drømmen om tenkende maskiner.

Manglende vitenskapelig kompetanse

«The current idea that chatbots are «AI» and claims that computers can now truly think is a reflection of the imbalance between rapid technological progress and the widespread lack of scientific literacy. In the past, people fervently believed in demons and UFOs. Today, it’s AI»
– Førstelektor Per A. Godejord (Kommentar på BlueSky)

Utsagnet mitt over bygger på en observasjon Carl Sagan gjorde på slutten av 1990-tallet; at det var et kritisk behov for utbredt vitenskapelig kompetanse i en verden som i stadig større grad formes av vitenskap og teknologi. I dag er denne teknologiske påvirkningen, i det minste i den velstående delen av verden, enda mer fremtredende.

Sagan advarte om at et samfunn som er sterkt avhengig av teknologi, men mangler forståelse for den, er iboende ustabilt og utsatt for manipulasjon. Han mente at manglende vitenskapelig forståelse gjør folk sårbare for pseudovitenskap og feilinformasjon, noe som hemmer evnen til å ta informerte beslutninger.

Etter min mening er denne bekymringen like relevant i dag, om ikke mer. Dette ser vi særlig i det stadig pågående mediehysteriet rundt fremveksten av samtaleroboter av typen ChatGPT og disses videreutviklede versjoner.

Det virker for meg som behovet for det Carl Sagan kalte et «baloney detection kit» er enda større nå enn det var på 90-tallet. Og da særlig knyttet til de ulike påstandene om at ChatGPT og lignende verktøy kan svare ekspertmessig på alle typer universitetsoppgaver, på mystisk vis avsløre «KI-tekster» og at samtalerobotenes utvikling betyr at vi nå har intelligente datamaskiner.

Denne type påstander er ikke bare vitenskapelig uholdbare, de kan være farlig.

Etter min faglige vurdering er det uansvarlig når informatikere eller informasjonsvitere omtaler samtaleroboter som “kunstig intelligens”. Slike uttalelser bidrar til å erstatte science facts med science fiction, og kan over tid svekke tilliten til akademia.

Mytene om KI er en samfunnsrisiko

When all is said and done, my best guess is that generative AI will have done significantly more harm to society than good. Although there are some practical use cases, such as coding, it is an inherently unreliable technology. It is ripping apart our educational system and our information ecosphere, and flooding the zone with nonconsensual deepfake porn. It is threatening the environment with data centers built on too much speculation. It is leading some people into serious mental health issues. And it may well lay waste to our economy, once banks and investors who bought the hype start to fall.
– Professor Gary Marcus, 2026 (4)

Det mest alvorlige i de siste årenes mediefantasier knyttet til samtaleroboter er ikke teknologien i seg selv, men hvordan vi forstår og bruker den. Når både media, politikere og utdanningsinstitusjoner ukritisk videreformidler ideen om at samtaleroboter er intelligente og at vi som del av dette nå plutselig har utviklet intelligente maskiner, bidrar vi til en teknologisk analfabetisme som kan få alvorlige konsekvenser.

Så og si samtlige mennesker i dette landet er storkonsumenter av digitale medier. Men det er ikke gitt at dette utstrakte konsumet gir seg utslag i særlig stor forståelse, verken blant eldre eller unge, for hva digital teknologi i bunn og grunn rent faktisk er.

Og i en tid preget av omfattende digital sårbarhet, økende hybrid krigføring og informasjonskrig, er det avgjørende at befolkningen har en realistisk og kunnskapsbasert forståelse av hvordan informasjonsteknologi faktisk fungerer. En slik forståelse vil være det sikreste botemiddel mot digitale trusler fra både kriminelle og fiendtlige nasjoners etterretning.

Særlige våre ikke-teknologiutdannede politikere trenger å forstå at KI ikke er ett verktøy, men et kontroversielt sekkebegrep som omfatter en hel rekke ulike IT-systemer.

Samtalerobotene som media og våre politikere er så begeistret for, er utelukkende utviklet for å skrive gode setninger, og har absolutt ingen anelse om vår eksistens. En datamaskin kan verken føle eller tenke, og resultatet av våre spørsmål er verken intelligens eller resonnering, og slett ikke forståelse. Det ChatGPT og lignende verktøy leverer, er lynhurtig autofullføring av tekst. Og disse verktøyene er, på samme måte som sosiale medier, konstruert for å være avhengighetsskapende.

Ingen av de ulike systemene/ verktøyene som er utviklet som del av forskningsfeltet KI, vil i seg selv nødvendigvis være nyttig i alle deler av det offentlige og det private, med mindre en klar strategi for IT-bruk i den enkelte virksomhet er på plass. Og bare fordi media og deler av næringslivet, med våre politikere som lydige etterplaprere, nå kaller ethvert IT-system for «KI», betyr ikke at vi per nå rent faktisk har utviklet digitale system som er i nærheten av intelligens.

I dagens kompliserte verden trenger vi ikke flere myter om såkalt «KI», ei heller forbud mot – eller restriksjoner på – bruken av samtaleroboter og andre typer assistent-verktøy. Vi trenger digital dannelse, teknologikritikk og et utdanningssystem som setter individet, menneskelig innsikt og refleksjon i sentrum og ikke maskinens evne til å etterligne slike egenskaper.

Vi trenger å utdanne og bevisstgjøre folk slik at de slutter å overlate egen dømmekraft til datamaskiner eller hengir seg til fantasier om at statistiske «regnemaskiner» er velegnet som psykologer. En utstrakt bruk av lettvinte løsninger a la ChatGPT gjør oss dummere, og dermed til et lettere bytte for fiendtlige aktører.

Kanskje er det derfor på høy tid å hente frem, og tenke litt over, Carl Sagan sine ord fra boken «The Demon-Haunted World: Science as a Candle in the Dark»:

«We have designed our civilization based on science and technology and at the same time arranged things so that almost no one understands anything at all about science and technology. This is a clear prescription for disaster.»

Leseliste

Det vi setter bort, blir vi dårligere til, særlig om vi setter det bort før vi kan det. Vi har allerede satt bort konsentrasjonskrevende lesing i noen år og nå står den konsentrasjonskrevende skrivinga for tur. En høyere andel funksjonell analfabetisme i befolkninga fører ikke til framskritt, selv om også jeg skjønner at KI kan hjelpe en analfabet i nuet.

– Førstelektor Liv Cathrine Krogh, 2023 (5)

Leselisten oppdateres med jevne mellomrom. Sist oppdatert: 30.03.2026

Samtaleroboter i akademia – KI-verktøy eller kun statistiske tekstgeneratorer?

Dette innlegget er basert på arbeidet jeg har gjort knyttet til samtaleroboters evne til å besvare arbeidskrav (eksamensoppgaver) i mine fagemner. En omarbeidet versjon er tidligere publisert på forskersonen.no

In a world in transition, students and teachers both need to teach themselves one essential skill – learning how to learn.
Carl Sagan

Samtaleroboter som ChatGPT fremstår som språklig imponerende, men avsløres som faglig svake når de møter akademiske krav. De genererer overfladiske svar og falske kilder, og mangler evne til kritisk tenkning og forståelse. I høyere utdanning bør de omtales som digitale verktøy – ikke intelligente hjelpere.

Innledning

«Neural networks today are realized in software, rather than in electrical circuits, and to be clear, neural net researchers don’t try to actually model the brain, but the software structures they use — very large networks of very simple computational devices — were inspired by the neural structures we see in brains and nervous systems»
– Professor Michael Wooldridge (1)

«Differences about the future of AI are often partly rooted in differing interpretations of evidence about the present. For example, we strongly disagree with the characterization of generative AI adoption as rapid»
– Professor Arvind Narayanan and Senior Fellow Sayash Kapoor (2)

«Min hypotese er at de som tar avgjørelsen om hvorvidt man vil kalle noe for kunstig intelligens eller ikke, ofte ser på begrepsbruken som en fordel. Man framstår kanskje som mer moderne og fremtidsrettet. Eller man får flere klikk på artikkelen man skriver»
– Nora Gjøen-Gjøsæter (3)

«Jeg liker ikke å kalle det «kunstig intelligens»
– Roger Olafsen (4)

«Så hva er kunstig intelligens? Først og fremst er det et gammelt fagfelt med et misvisende navn. Som helhet har fagfeltet vært en skuffelse, fordi ordet «intelligens» antyder et løfte disse løsningene aldri har vært i nærheten av å innfri. Samtidig er ideer derfra blitt brukt til å lage IT-løsninger i flere tiår.»
– Bjørn Stærk (5)

Siden lanseringen av ChatGPT i november 2022 har debatten om kunstig intelligens (KI) i utdanning og samfunn eksplodert. Samtaleroboter som ChatGPT ol. har blitt løftet frem som teknologiske mirakler – verktøy som angivelig kan revolusjonere utdanning, forskning og arbeidsliv. Mediene har vært fulle av både dommedagsprofetier og euforiske visjoner. Men bak overskriftene og den teknologiske euforien skjuler det seg en virkelighet som er langt mer nyansert, og langt mindre intelligent.

Men hva skjer når vi faktisk setter de ulike verktøyene på prøve, i møte med reelle akademiske krav og praksisnære oppgaver? Dette innlegget bygger på egne systematiske tester av ChatGPT og 13 andre lignende samtaleroboter, gjennomført over to år, og jeg vil hevde at disse verktøyene ikke representerer et paradigmeskifte i høyere utdanning, men kun en ny variant av gamle verktøy med bedre markedsføring.

Språklig briljans – faglig svakhet

«While general-purpose LLMs are great starting points, they typically lack deep domain expertise to help within specific areas. In many ways, this is similar to the case with human expertise: A person cannot become an expert in a particular field unless they have formal education, training, and in-depth experience.»
– Tony Beltramelli (6)

ChatGPT og de ulike samtalerobotene imponerer ved første øyekast. Det skriver flytende, høflig og grammatisk korrekt. Men når systemene blir bedt om å besvare arbeidskrav utformet i tråd med høyere nivå i Blooms taksonomi fra fagemner knyttet til samfunnsinformatikk-feltet, der det ikke finnes klare svar eller evige sannheter, faller de gjennom. De klarer ikke å analysere, vurdere eller reflektere, kjernekompetanser i høyere utdanning. I stedet produserer de overfladiske svar som ofte bare reformulerer oppgaveteksten. Det som fremstår som innsikt, er i realiteten statistisk sannsynlige ordkombinasjoner.

Hallusinasjoner og falske kilder

Et gjennomgående problem er såkalte «hallusinasjoner», disse verktøyenes tendens til å dikte opp fakta, forfattere og litteratur. I flere av mine tester genererte de ulike samtalerobotene akademiske referanser som ikke eksisterer, men som så troverdige ut. Dette er ikke bare en teknisk svakhet, men en alvorlig utfordring for akademisk integritet. Når studenter bruker slike verktøy ukritisk, risikerer de å levere besvarelser som er både faglig svake, faktisk feil og helt uten den tankevirksomhet det er meningen at universitetsstudier skal oppøve.

En dårlig støtte for svake studenter

Basert på resultatene av mine tester vil bruk av samtaleroboter i fagemner der det finnes få eller ingen klare fasitsvar, i liten grad hjelpe faglig svake studenter. Tvert imot vil de antakelig forsterke svakhetene. Studenter uten grunnleggende fagforståelse klarer ikke å stille gode spørsmål (prompting), og ender opp med generiske svar uten dybde. Samtidig kan faglig sterke studenter bruke verktøyene som en slags «digital sekretær» til å strukturere tekst, oppsummere kilder eller generere utkast. Men dette krever høy grad av kritisk vurdering og etterarbeid, og studenten slipper ikke unna å selv måtte formulere sine faglige refleksjoner forankret i egen yrkespraksis og i relevant faglitteratur.

Og besvarelsene fra de faglige svake studentene, den gruppen som med størst sannsynlighet lar seg friste til å ta snarveier, er slett ikke vanskelig å oppdage, noe også andre forskere har pekt på (Molnes, 2024)

Ikke kunstig intelligens – bare avansert statistikk

«The bots ingest staggering amounts of text and conversations to detect patterns. Their programming predicts how to respond naturally by matching and remixing these learned patterns. But ultimately, it takes human guidance to steer these statistical models in an thoughtful direction.»
– Andy Tillo (7)

Til tross for at media og andre stadig henviser til ChatGPT og lignende samtaleroboter som kunstig intelligens (KI) er disse verktøyene absolutt ikke intelligente. De forstår ikke spørsmål, resonnerer ikke, og har ingen bevissthet. De er basert på avanserte språkmodeller som gjetter neste ord basert på sannsynlighet.

Stipendiat David Samuel ved Universitetet i Oslo sin språkteknologigruppe var ganske klar i et intervju i Universitas i 2022 på at ChatGPT ikke på noen måte var intelligent (Gundersen, 2022) og Ian Venner ved Hurricane peker på at de store språkmodellene først og fremst har indeksert internett. Ved å behandle alle dataene de har tilgang til der, samt de data som ulike aktører har lagt inn i systemene, har de skapt koblinger mellom datasett basert på faste regelsett. Dette betyr at lignende informasjon grupperes sammen, vektes og kobles til andre lignende områder, noe som gir et stort nettverk av sammenkoblet data. Dette, hevder Venner, er ikke kunstig intelligens, men datamining (Venner, 2024). Og sist, men ikke minst, KI er ikke en teknologi eller ett verktøy, men et upresist «sekkebegrep» som omfatter en rekke ulike systemer/ verktøy basert på ulike teknologier hvis intelligens er ytterst diskutabel. Professor Jan Ketil Arnulf ved BI foreslår at vi bør droppe begrepet «Kunstig intelligens» og heller bruke begrepet «kunstige aktører» (Arnulf, 2024), noe jeg for min del er enig i.

Å ukritisk kalle de ulike samtalerobotene for KI er misvisende og det tilslører det faktum at disse verktøyene verken er spesielt revolusjonerende, eller spesielt nye og utelukkende er programmert for å skrive gode setninger basert på statistisk analyse av de bokstavsammensetninger en bruker legger inn.

Hva betyr dette for høyere utdanning?

«Telling students that they must get along with the “assistance” of AI or can’t be writers or designers or illustrators is a usurpation of the freedom of the individual to go through the pain of their own time and craft and art, fight through it, and reap the reward of individual accomplishment«.
– Professor Natalia Ilyin, 2025 (8)

Det er etter min mening ingen grunn til panikk. Samtaleroboter truer ikke utdanningen ved våre høyskoler og universiteter så lenge vi utformer eksamensoppgaver og arbeidskrav i tråd med høyere nivå i Blooms taksonomi. Oppgaver som krever refleksjon og kritisk tenkning, faglig forankring og personlig erfaring, lar seg ikke løse av samtaleroboter. Tvert imot gir dette oss en gyllen mulighet til å styrke undervisningskvaliteten ved å fokusere på oppgavedesign, veiledning og vurderingsformer som fremmer dyp læring.

Avslutning – Fra hype til realisme

«There tend to be three AI camps. 1) AI is the greatest thing since sliced bread and will transform the world. 2) AI is the spawn of the Devil and will destroy civilization as we know it. And 3) «Write an A-Level paper on the themes in Shakespeare’s Romeo and Juliet.»
I propose a fourth: AI is now as good as it’s going to get, and that’s neither as good nor as bad as its fans and haters think, and you’re still not going to get an A on your report. You see, now that people have been using AI for everything and anything, they’re beginning to realize that its results, while fast and sometimes useful, tend to be mediocre.»
– Steven J. Vaughan-Nichols (9)

Samtaleroboter er nyttige verktøy innenfor begrensede områder, men ikke mer enn det. De kan brukes til oversettelser, oppsummeringer og idéutkast. Men de kan ikke tenke, forstå eller lære. Det er derfor på tide å legge bort både frykten og euforien, og møte teknologien med nøkternhet og faglig dømmekraft.

For i en tid der det rene tøv kan genereres på kommando, blir evnen til kritisk tenkning viktigere enn noen gang.

Kilder

Arnulf, J. K. (2024). Bør vi snakke om kunstige «aktører» i stedet for «intelligens»? BI Business Review. Hentet fra https://www.bi.no/forskning/business-review/articles/2024/09/bor-vi-snakke-om-kunstige-aktorer-i-stedet-for-intelligens/
Gundersen, G. M. (2022). Forsker avmystifiserer «ChatGPT»: – Den er ikke intelligent på noen måte. Universitas. Hentet fra https://www.universitas.no/ai-chatgpt-david-samuel/den-er-ikke-intelligent-pa-noen-mate/366594
Molnes, G. (2024). Professor: – De flinke studentene blir bedre med KI. Utdanningsnytt. Hentet fra https://www.utdanningsnytt.no/ai-juks-kunstig-intelligens/professor-de-flinke-studentene-blir-bedre-med-ki/390405
Sagan, C. (1996). The demon-haunted world: Science as a candle in the dark. The Random House Publishing Group.
Venner, I. (2024). How AI has been hijacked, the AGI fallacy and leveraging Vertical AI. Hurricane Commerce. Hentet fra https://hurricanecommerce.com/how-ai-has-been-hijacked-the-agi-fallacy-and-leveraging-vertical-ai/

Leseliste

Spesifikt

Bharatha, A., et al. (2024). Comparing the performance of ChatGPT-4 and medical students on MCQs at varied levels of Bloom’s Taxonomy. Advances in Medical Education and Practice. Retrieved from https://www.tandfonline.com/doi/pdf/10.2147/AMEP.S457408
Crowther GJ, Sankar U, Knight LS, Myers DL, Patton KT, Jenkins LD, Knight TA. (2023). Chatbot responses suggest that hypothetical biology questions are harder than realistic ones. J Microbiol Biol Educ. 24:e00153-23. Retrieved from:
https://journals.asm.org/doi/full/10.1128/jmbe.00153-23
Elsayed, S. (2023). Towards mitigating ChatGPT’s negative impact on education: Optimizing question design through Bloom’s taxonomy. arXiv. Retrieved from https://arxiv.org/pdf/2304.08176
Govender, R. G. (2024). My AI students: Evaluating the proficiency of three AI chatbots in completeness and accuracy. Contemporary Educational Technology. Retrieved from https://www.cedtech.net/article/my-ai-students-evaluating-the-proficiency-of-three-ai-chatbots-in-completeness-and-accuracy-14564
Habiballa, H., et al. (2025). Artificial intelligence (ChatGPT) and Bloom’s Taxonomy in theoretical computer science education. Applied Sciences, 15(2). Retrieved from https://www.mdpi.com/2076-3417/15/2/581
Herrmann-Werner, A., et al. (2024). Assessing ChatGPT’s mastery of Bloom’s Taxonomy using psychosomatic medicine exam questions: Mixed-methods study. Journal of Medical Internet Research. Retrieved from https://www.jmir.org/2024/1/e52113/
Leary, A., et al. (2023/2024). Strategies for effective teaching in the age of AI. University of Notre Dame Resource Library. Retrieved from https://learning.nd.edu/resource-library/strategies-for-effective-teaching-in-the-age-of-ai/
Lodge, J. M. (2023). ChatGPT consistently fails (most parts of) the assessment tasks I assign my students. Here’s why. LinkedIn Pulse. Retrieved from https://www.linkedin.com/pulse/chatgpt-consistently-fails-most-parts-assessment-tasks-jason-m-lodge
Mirzadeh, I., et al. (2024). GSM-Symbolic: Understanding the limitations of mathematical reasoning in large language models. Hugging Face Papers. Retrieved from https://huggingface.co/papers/2410.05229
Mitchell, M. (2023). Can large language models reason? AI Guide. Retrieved from https://aiguide.substack.com/p/can-large-language-models-reason
Newton, P., & Xiromeriti, M. (2024). ChatGPT performance on multiple choice question examinations in higher education: A pragmatic scoping review. Assessment & Evaluation in Higher Education, 49(6), 781–798. https://doi.org/10.1080/02602938.2023.2299059
Spencer, J. (2023). The FACTS cycle for prompt engineering. Spencer Education. Retrieved from https://spencereducation.com/facts-cycle/
Susnjak, T. (2022). ChatGPT: The end of online exam integrity? ResearchGate. Retrieved from https://www.researchgate.net/publication/366423865_ChatGPT_The_End_of_Online_Exam_Integrity
Volante, L., DeLuca, C., & Klinger, D. A. (2023). ChatGPT challenge: 5 ways to change how students are graded. Queen’s Gazette. Retrieved from https://www.queensu.ca/gazette/stories/chatgpt-challenge-5-ways-change-how-students-are-graded

Generelt

ChatGPT – et taleført eksempel på kunstig intelligens, eller…?

En bloggbok av Per Arne Godejord

Noen etiske, juridiske, sikkerhetsmessige, helsemessige og kognitive problemstillinger knyttet til samtaleroboter, og hvorfor disse verktøyene ikke er eksempler på KI

Videre til boken