I over 10 år har vi hørt at selvkjørende biler er «rett rundt hjørnet». Realiteten er en helt annen: Vi er fortsatt mange år unna at kunstig intelligens kan kjøre en bil like godt som oss mennesker. Nå begynner mye å tyde på at språkmodeller som GPT og BARD sliter med det samme.

– Fullverdig selvkjørende biler vil være en realitet for Tesla innen slutten av året, sa Elon Musk tidligere i år. Tilsvarende løfter har han gitt hvert eneste år siden 2016.

Ennå har ikke en eneste sjåfør blitt erstattet av kunstig intelligens, og historiene om ulykker og trafikkaos forårsaket av selvkjørende biler kommer i en jevn strøm.

Da ChatGPT ble lansert høsten 2022 var det tilsynelatende ingen grenser for hva kunstig intelligens kunne gjøre for oss. Listen over yrker som ville bli erstattet av språkmodeller var lang: Journalister, advokater, lærere, kundeservicemedarbeidere og utviklere var blant yrkesgruppene som ville bli erstattet av kunstig intelligens.

Ganske fort ble det imidlertid klart at den nye teknologien hadde sine begrensninger. Googles språkmodell BARD serverte en løgn midt i lanseringen, ChatGPT refererte til bøker som ikke fantes og det viste seg å være enkelt å lure chatrobotene til å bryte sine egne regler.

Analyseselskapet Guidehouse Insights rangerer hvert år de 16 selskapene i verden som har kommet lengst i utviklingen av selvkjørende biler. På årets liste plasserte de Tesla sist av de 16. Det er primært to grunner til at Tesla er så langt bak de beste aktørene:

• Fordi Tesla produserer for massemarkedet, må de holde kostnadene nede. De har derfor valgt bort den dyreste og beste sensorteknologien.
• En Tesla må kunne kjøre på alle typer veier, under alle tenkelige forhold. De som har kommet lengst med selvkjørende teknologi begrenser seg til å la sine biler kjøre i noen få utvalgte byer, hvor omgivelsene og trafikkmønsteret er enklere å forutse.

Derfor kan Waymo la sine biler kjøre helt førerløst rundt i San Francisco med få uhell og (foreløpig) ingen alvorlige ulykker, mens Tesla fortsatt krever at en sjåfør har kontroll, og er likevel jevnlig utsatt for ulykker.

En tilsvarende trend ser vi når det gjelder språkmodeller. Vi kan trene en modell på juridiske eller medisinske tekster, og få en chatrobot som kan gjøre imponerende mye av jobben til en advokat eller lege. Men slipp en generell chatrobot løs i den store verden, og den vil feile gang på gang, uansett hvor stor og avansert den er.

Den tekniske utfordringen er den samme for selvkjørende biler og språkmodeller:

Kunstig intelligens blir ikke bedre enn de dataene den er trent på. Innenfor et avgrenset område (en by eller et fagfelt) kan vi trene den på alle sannsynlige og mindre sannsynlige situasjoner. Da vil den kunne håndtere det meste tilsynelatende som et menneske, rett og slett fordi alle svarene finnes i dataene den er trent på.

Ute i den store verden, derimot, er det ikke mulig å forutse alle varianter av en situasjon som kan oppstå. Derfor er det heller ikke mulig (foreløpig) å trene en AI-modell på «alt».

Når vi mennesker havner i en situasjon vi ikke har vært i før, kan vi resonnere oss frem til en respons. Vi kan kombinere kunnskapen vår med erfaring fra andre situasjoner og sanseinntrykk, og komme frem til en respons vi mener er riktig.

Kunstig intelligens har ikke evnen til å resonnere, så den vil bare lete i treningsdataene sine etter den responsen som ser ut til å gi det mest riktige svaret. Det går ofte bra, men av og til går det veldig galt.

Dagens teknologi har, med andre ord, store begrensninger, både for chatroboter og selvkjørende biler. Det betyr imidlertid ikke at vi er inne i en blindgate. I 2017 fant Google-forskere opp Transformers, arkitekturen som alle dagens språkmodeller er bygget på (og T’en i GPT). Før 2017 var språkmodeller ganske dumme, men med Transformers har teknologien gjort kvantesprang.

Nye teknologiske gjennombrudd vil komme, og de vil åpne muligheter som ikke finnes i dag. Men frem til det skjer må vi finne oss i å kjøre bilene våre selv, og la mennesker skrive de viktigste tekstene.