Nok en viktig kronikk av Lars Rinnan er KI-rådgiver, foredragsholder og forfatter av den kommende boken «Verden i 2029», som lanseres i november.
KI-resultater på matematiske problemer som har stått uløste i generasjoner, bør vekke mer enn faglig uro. De kan bli råstoff for nye løsninger, selskaper og markeder.
Kunstig intelligens har begynt å levere resultater på matematiske problemer som mennesker har arbeidet med i tiår og århundrer. Reaksjonene har vært en blanding av fascinasjon, skepsis og uro. Hvem skal kontrollere bevisene? Hva skjer med matematikernes rolle? Og mister vi noe når maskinen finner veien frem?
Spørsmålene er legitime. Likevel mangler det viktigste perspektivet: Hva kan vi skape med den nye kunnskapen?
Et matematisk bevis er ikke et sluttprodukt. Det kan derimot bli en innovasjonsplattform. OpenAI har publisert et KI-generert forslag til løsning på Navier–Stokes-problemet, som beskriver hvordan væsker og gasser beveger seg. Resultatet må gjennom grundig uavhengig kontroll før problemet kan regnes som løst. Dersom beviset består, åpner det ikke automatisk døren til bedre fly, mer presise værvarsler eller mer effektive energisystemer. Men det kan gi forskere og utviklere et nytt fundament for å skape dem.
Her ligger forskjellen mellom oppfinnelse og innovasjon. Et gjennombrudd blir først til innovasjon når noen forstår det, kobler det til et reelt problem, utvikler en løsning og får den tatt i bruk. KI kan komprimere den første delen av denne kjeden dramatisk. Den kan foreslå hypoteser, finne mønstre, produsere bevis og teste enorme mengder muligheter. Resten krever fortsatt mennesker med fagkunnskap, dømmekraft, kreativitet og gjennomføringsevne.
AlphaFold viser hva som kan skje når denne kombinasjonen lykkes. Systemet gjorde mer enn 200 millioner prediksjoner av proteinstrukturer tilgjengelige og ga forskere et helt nytt kart over biologien. Det gjorde ikke biologer og medisinske forskere overflødige. Det utvidet hva de kunne undersøke, og har bidratt til arbeid med sykdommer, legemidler, vaksiner, matsikkerhet og enzymer som kan bryte ned plast.
Det samme innovasjonspotensialet finnes i matematikken. Bedre forståelse av turbulens kan få betydning for vindkraft, flydesign, havteknologi og værmodeller. Nye matematiske metoder kan forbedre materialutvikling, logistikk, kryptografi, energistyring og medisinsk behandling. Vi vet ikke på forhånd hvilke funn som vil bli kommersielle gjennombrudd. Nettopp derfor må vi utforske dem raskt og bredt.
Såret faglig stolthet er et svakt utgangspunkt for innovasjonspolitikk. Forskere skal være skeptiske og etterprøve påstander, men de bør også være nysgjerrige på hva som nå blir mulig. Når en maskin løser et problem mennesker ikke har klart å løse alene, er ikke det et nederlag for menneskelig intelligens. Det er en utvidelse av vår kollektive problemløsningsevne.
Norge trenger oversettelseskapasitet
Norge har sterke fagmiljøer innen energi, hav, helse, materialteknologi og industri. Muligheten ligger i å koble disse miljøene tettere til KI og matematikk. Vi trenger tverrfaglige lag der matematikere, domeneeksperter, ingeniører, designere og gründere arbeider sammen fra funn til pilot og marked.
Det bør få praktiske konsekvenser. Forsknings- og innovasjonsmidler bør i større grad premiere veien fra vitenskapelig resultat til anvendelse. Norske virksomheter bør få tilgang til regnekraft og modeller de faktisk kan eksperimentere med. Offentlig sektor og næringsliv bør formulere konkrete utfordringer innen energi, helse og klima som forskningsmiljøene kan angripe sammen med KI. Vi må bygge kapasitet til å etterprøve resultatene, men også til å ta dem i bruk før andre gjør det.
I min kommende bok «Verden i 2029» beskriver jeg hvordan KI og eksponentiell teknologi kan gi gjennombrudd innen blant annet klima, energi, helse og matproduksjon. Den optimistiske fremtiden oppstår ikke av seg selv. Den krever at vi møter vitenskapelige sprang med handlekraft, ikke bare med ærefrykt eller uro.
Når KI bidrar til å løse et 200 år gammelt problem, avsluttes ikke menneskets rolle. Da begynner det mest menneskelige arbeidet: å avgjøre hva innsikten betyr, hvilke problemer den bør brukes på, og hvordan den kan bli til løsninger som gjør verden bedre.







