Generativ KI blir nå supplert med funksjonskall og grensesnitt som gir bedre struktur til brukernes arbeid. Google’s NotebookLM var et vellykket framstøt, og har inspirert nye varianter som Gemini 2.0 og OpenAI’s Canvas for ChatGPT 4.0. Men hvordan bruke det personlig og institusjonelt?
Gemini 2.0
Googles Gemini versjon 2 er multimodal og har en funksjonsmodul for å utforske temaer på Internett.
Under brukerens veiledning gjør Deep Research omfattende søk i flere trinn. I løpet av noen minutter utdyper Gemini en problemstilling og saumfarer nettet slik brukerne gjør sjøl. Den finner interessante svar og bruker det til videre søkeatferd. Den gjentar denne prosessen flere ganger og genererer en omfattende rapport over de viktigste funnene som kan eksporteres til et Google-dokument. Resultatet er ryddig organisert med lenker til de originale kildene på nettsteder og organisasjoner man kanskje ikke hadde funnet ellers. Flere timers arbeid på tastaturet et gjort på minutter.
ChatGPT 4 Canvas
OpenAI har lagt forfatterfunksjoner til ChatGPT der man kan arbeide med å utvikle tekst i samspill med KI-agenten: utvikle ideer, omformulere, forkorte, endre stll osv.
Denne konkurransen omfatter også andre aktører som Anthropic med Claude (AWS), Apple, kinesiske ChatGLM og andre. Konkurransen kan minne om nettleserkrigene med rask og omfattende utvikling av ny funksjonalitet inntil det nye og framvoksende handlingsrommet var utforsket og dekket opp.
Hvordan bruke det?
På bloggen One Useful Thing 09.12.24 gir Wharton-professor Ethan Mollick råd om når man bør bruke KI, når det er best å la være og hva som skal til. Det er ikke max matte, men heller bred allmennkunnskap og noen fordypningsområder nærmest uansett emne.
Ferdigheter i matematikk og andre kontekstuavhengige språk har betydning, men trolig redusert siden det er her maskinene nå gjør merkbare framskritt. Utdannings-strategier bør sikte seg inn mot det mennesker må gjøre og gjør bedre enn dem. Saklighetslæren til Arne Næss fortjener ny oppmerksomhet.
Mollick har opparbeidet seg navn som KI-viter og early adopter. Her er punktene hans redusert til 10 Q-tips, omformulert og redigert.
Nyttig:
Når kvantitet teller. For idédugnad kan KI skrive ut hundrevis av unike ideer. Det overgår menneskelig utholdenhet. KI er også god på å oppsummere lange tekster, men mindre god på faktasjekk. Brukes der feilmarginen har lav risiko.- Egen ekspertise. Arbeid der du selv har dybdekunnskap, er ekspert og kan vurdere om KI leverer. Dette kan omfatte komplekst arbeid, men avhenger altså av din ekspertise for å vurdere om KI-resultatene kan brukes. For eksempel kan KI løse visse problemer på doktorgradsnivå, men nytten avhenger av ekspertens vurdering.
- Tekst og kontekst. KI kan støtte pendeling mellom nivåer, f.eks. å tilpasse overordnede beskrivelser i lære- og studieplaner til veiledere for ulike målgrupper blant studentene. Det kan gjelde arbeid der du har grunnleggende forståelse, men trenger hjelp med kontekst eller detaljer. Man kan med fordel bruke KI som en følgesvenn under lesing og stille uendelig mange spørsmål.
- Skrivesperre. KI kan gi et lite dytt når du står fast, for eksempel ved å foreslå flere måter å fullføre en setning på. Selv om du kanskje ikke bruker forslagene direkte, kan de åpne nye veier.
- Konsulent. Arbeid der KI er bedre enn det som er tilgjengelige fra andre. Hvis feilmarginen ikke vil gi alvorlige konsekvenser, kan KI være et bedre alternativ.
- Variasjon. I tekstarbeid som krever variasjon kan KI kan gi mange alternative løsninger eller perspektiver som du deretter kan kuratere eller redigere.
- Forskningsbasert . Arbeid der forskning har demonstrert at KI er nyttig. Mange former for koding er eksempler på dette. Arbeid som KI kan gjøre bedre enn mennesker. Dette er sannsynligvis den raskest voksende kategorien.
- Andre perspektiver. Arbeid som krever å vurdere mulige førsteinntrykk fra ulike mottakerperspektiver. For eksempel hvordan en vennlig, fiendtlig eller naiv mottaker kan reagere på noe. Arbeid som krever en spesifikk perspektivsimulering. For eksempel å simulere reaksjoner fra fiktive personer.0Arbeid der du ønsker en second opinion. Gi KI tilgang til data og se om den når samme konklusjon.
- Entreprenørskap. Når du trenger å strekke ekspertisen din over flere felt, og alternativet er å ikke kunne handle i det hele tatt, kan KI være en overraskende kompetent partner.
- Rituelt. Arbeid som er tilstivnet og mistet sin opprinnelige hensikt. For eksempel standardrapporter ingen leser, men som kan effektiviseres med KI.
Unyttig
1. Dybdestudier. Når du må lære og integrere nye ideer. Å be om et sammendrag er ikke det samme som å lese selv. Læring krever egen innsats, selv om KI kan støtte deler av prosessen. Mange områder krever kamp med temaet for å oppnå gjennombrudd og bygge nye tankemønstre. Å ta snarveier kan hindre nødvendig erkjennelse.
2. Stor nøyaktighet. Unngå KI-svar når det er viktig med stor nøyaktighet. KI kan gjøre plausible feil som er vanskelige å oppdage. Hallusinasjon kan reduseres, men ikke elimineres.
3. Uskolert bruk. KI gjør andre typer feil enn mennesker. Forstå risikoen ved bruk før du stoler på resultatene. KI er uventet dårlig på enkelte oppgaver og overraskende god på andre. Man må prøve, etterprøve og feile for å kjenne grensene.
KI og universitetskrise?
Slike vurderinger er nyttige når fortryllelsen som har hvilt over høyere utdanning ser ut til å brytes.
– Jeg mener det er en svært bekymringsfull tid for universiteter, virkelig svært bekymringsfull, sa L. Rafael Reif, president emeritus ved MIT.
Det er en forvirrende og urovekkende situasjon for universiteter som hadde blitt vant til ærefrykt for deres bidrag til samfunnet, men som nå blir stemplet som «fienden». Endringen er ikke bare politisk, men også kulturell, med en økende skepsis til ekspertise og akademia, i stedet for tillit til forskning, vitenskap og vitenskapelige studier.
Dette skriver Svrluga, Meckler og Natanson i The Washington Post samme dag. Det skyldes trumpismens tankegods og de høyreradikale og høyprofitable IT-magnatene. De som nå har navigert seg til framtredende posisjoner i den amerikanske statsmakten. Man vil demontere universitetskulturen og erstatte med on-line-utdanning. Men de gjør opp regning uten vert når de ser for seg at KI skal ta over kunnskapsarbeidet.
Dessverre får digital-kapitalen ikke-intendert drahjelp fra det liberale akademia som selvbestemt sier nei til IT- og KI-revolusjonen. Vi må tvert i mot delta der, men på humanistisk grunnlag, – ikke overlate til Thiel, Musk og Vance.
Her konstrueres en bekvemmelig stråmann om at alle jobbene forsvinner. De gjør jo ikke det. Men kunnskapsarbeidet, og særlig den tekstproduserende delen, har fått nye utfordringer. Det merkes i akademia.
- Det gjelder overproduksjon av forskningsartikler der kravet om mer forskning ikke virker spesielt gjennomtenkt.
- Det gjelder kollaps av essay som eksamensform.
- Mer utfordrende kanskje: Det tradisjonelle forelesningsformatet er i ferd med å bli anakronistisk.
- Og mer strategisk: Det er ikke like selvsagt som før at en bachelorgrad bidrar til ekstra inntekt og anseelse. Da blir det mastergrad. Den devalueres også.
Denne skribent mener at det akademiske miljø må bygge nytt når det gjelder eksperimentelt utviklingsarbeid (og dosentstigen). Det er behov for håndfast akademisk og profesjonell praksis inn i studiene. Det krever studentaktive arbeidsformer og nye former og metodikk for kritisk, motiverende tilbakemelding. Undervisere kommer i skvis siden de skal forske “mer” (og nå “bedre), men også undervise, evaluere og begrunne enda mer. Det går ikke opp.
Forskerutdanning må være for de få spesielt interesserte. Mastergrad kan ikke være forskole.
Kritiser gjerne KI for det trengs. Men forstå den først.
Helge Høivik