Datapunkter eller datasentre?

Det stunder mot Arendalsuke og Senterpartiets Anne Beate Tvinnerheim forslår (Alltinget 06.08.24)  storstilt og landsdekkende utbygging av datasentre og regnekraft for KI på norsk. Direktør Nils-Olaa Vidme i Abelia synes det er en god ide, men vil ha storstilt kraftutbygging for å drive dette, og til dataeksport.

Det ingen av dem tar opp er at KI forutsetter stort teksttilfang og masse data.

I norsk utdanning må vi da utvikle slike tekster på norsk, og slik at de også kan gjenbrukes. Det fordrer en radikal omlegging av UH-systemets priorieringer og karriereveier med utvikling av OER (Open Educational Resouces). Karrieresystemet, som nå premierer forskningsartikler på engelsk, må bygges om.

Denne skribent arbeidet med en slik tilnærming til fagtekstene i det som ble kalt Bokskapet, nå OsloMetX, der vi publiserte et 20-talls titler 2015-2017. Så stoppet det opp med om lag en ny tittel pr år 2018-24. Det er lagt godt arbeid i design, men det blir ikke til noe om tempoet ikke øker.

Det er litt å lære av forsøket:

  • I 2014 søkte vi og fikk tilslag på midler fra Norgesuniversitetet til MOOCAHUS-prosjektet 2015-16. Det var i samarbeid mellom flere miljøer på OsloMet, med Gyldendal forlag, Høgskolen i Volda og andre partnere. Men pengene som kom dekket i realiteten bare 50% av kostnadene.
  • Samtidig hadde et annet og internt IT-prosjekt på OsloMet kollapset. En viktig årsak: Såkornmidlene der var kun til oppstart med krav om lokal finansiering av videre drift. Om man søkte, ville altså 100% av de varige kostnadene falle på søker selv. Knapt noen ville ta i dette. Midlene ble da frigitt til fakultetene. Tilfeldigvis var det helsefaglige miljøer som hadde gode planer og det ble lokale frikjøp av arbeidstid som supplerte prosjektet.
  • Faglig innsikt i modellering og digital publisering var tidligere bygget opp i dokumentfaglige miljøer på OsloMet.

Disse tre faktorene var tilstrekkelige.

Vi kan lett avlese hovedproblemet: Sektoren har i stort opplevd en relativt kontinuerlig vekst siden 2. verdenskrig.  UH-systemet er derfor rigget for kontinuerlig ekspansjon der nye tiltak må komme på toppen av eldre. Den perioden er nå over. Da er dypere fornyelse vanskelig. Endringene blir kosmetiske. Men digitalisering fordrer redesign for å gi gevinst.

Nye forskrifter for faglig utviklingsarbeid i dosentstigen kan kanskje hjelpe? Å bygge ut teksttilfanget kan gi bedre bruk av KI som faglig ressurs, men også støtte nye samarbeidsløsninger innad i sektoren og overfor praksisfelt og øvrig arbeidsliv. Det er en strategisk investering. Dette bør være del av en nasjonal KI-strategi.

En boble?

Det er de som nå sier at KI er en boble. Vi raser nedover fra de høye forventningene i Gartner-syklusen. Høyere utdanning bør ha en dypere faglig forståelse av dette.

Generativ KI produsererer tekster med papegøye-karakter, men på høyt nivå. Det kan provosere noen, men nettopp derfor er KI-tekstene en utfordring i utdanningssystemet. Rasjonalen er ny kunnskap, men praksis er dominert av reproduksjon. Det gjelder selvsagt studentøvelser og eksamensbesvarelser. Men et godt sykke på vei gjelder dette også forskningsartiklene. Få papere flytter forskningsfronten.

Fra Fortune 06.08.2024: