1
00:00:00,180 --> 00:00:02,100
Hej og velkommen til Det Store AI Show.

2
00:00:02,380 --> 00:00:04,840
Dagens episode hedder: Mens Chefen Sov.

3
00:00:05,200 --> 00:00:07,899
Jeg hedder Mathias Bjørn, og allerede der er jeg nødt

4
00:00:07,960 --> 00:00:10,120
til at stoppe op, for det her afsnit er et

5
00:00:10,140 --> 00:00:13,080
eksperiment, og du skal kende præmissen, før vi går videre.

6
00:00:13,400 --> 00:00:15,620
Alt hvad du hører de næste syv minutter, er lavet

7
00:00:15,720 --> 00:00:16,780
af kunstig intelligens.

8
00:00:17,080 --> 00:00:19,580
Jeg har ikke skrevet ét ord af manuskriptet, og jeg

9
00:00:19,620 --> 00:00:20,540
har ikke indtalt det.

10
00:00:20,880 --> 00:00:23,600
Stemmen, du lytter til lige nu, er en AI-klon af

11
00:00:23,620 --> 00:00:26,419
min egen. Min eneste rolle har været at prompte tre

12
00:00:26,460 --> 00:00:29,140
historier, en vinkel og et krav om, at det skulle

13
00:00:29,220 --> 00:00:29,860
lyde som mig.

14
00:00:30,300 --> 00:00:32,460
Jeg plejer at slutte showet med at sige, at man

15
00:00:32,500 --> 00:00:35,440
skal sætte et menneske i toppen af enhver tech-stack.

16
00:00:35,980 --> 00:00:38,560
I denne uge har mennesket i toppen så at sige

17
00:00:38,620 --> 00:00:40,180
nøjedes med at trykke på knappen.

18
00:00:40,410 --> 00:00:44,240
Hvorfor? Fordi ugens nyheder handler om præcis det her AI,

19
00:00:44,400 --> 00:00:46,600
der smadrer igennem alle forudsigelser.

20
00:00:46,840 --> 00:00:49,089
Så i stedet for bare at fortælle om det, prøver

21
00:00:49,180 --> 00:00:49,680
vi det af.

22
00:00:49,900 --> 00:00:51,400
Du dømmer selv til sidst.

23
00:00:51,440 --> 00:00:53,949
Til sagen. For ude i maskinrummet er der sket noget,

24
00:00:54,260 --> 00:00:57,120
som får selv garvede udviklere til at tabe kaffen.

25
00:00:57,180 --> 00:01:00,440
En softwareudvikler ved navn Peter Gostev tog en af sine

26
00:01:00,460 --> 00:01:02,500
egne arbejdsapps, hundredefem

27
00:01:03,540 --> 00:01:07,380
linjer kode af den slags, man i branchen kalder slopkodet,

28
00:01:07,660 --> 00:01:11,500
bunker af halvfærdige løsninger lagt ovenpå hinanden af trætte mennesker

29
00:01:11,780 --> 00:01:13,740
og dårligere AI gennem et par år.

30
00:01:14,180 --> 00:01:18,360
Han gav OpenAI's nye model, GPT-5.6-Sol

31
00:01:18,900 --> 00:01:21,780
en opgave, byg det hele om og skær koden ned

32
00:01:21,840 --> 00:01:24,540
med halvfjerds procent, satte den i gang og lod den

33
00:01:24,620 --> 00:01:27,600
arbejde stort set uden opsyn i syvogfyrre timer.

34
00:01:28,460 --> 00:01:31,240
To hele døgn, hvor mennesket i toppen så at sige

35
00:01:31,280 --> 00:01:35,670
sov. Da han vendte tilbage, havde modellen slettet fireoghalvfjerds tusind

36
00:01:35,740 --> 00:01:39,900
linjer. Ikke ødelagt, slettet, og appen var blevet bedre, færre

37
00:01:40,000 --> 00:01:44,420
fejl, hurtigere, enklere arkitektur og alle funktioner intakte.

38
00:01:44,460 --> 00:01:46,720
Det svarer til, at en snedkær går ind i et

39
00:01:46,760 --> 00:01:50,440
hus, fjerner to tredjedele af tømmeret, og huset står bedre

40
00:01:50,480 --> 00:01:53,080
bagefter. Og der er noget næsten poetisk i det.

41
00:01:53,360 --> 00:01:56,460
Det rod, som dårlig AI-kode har skabt, er det nu

42
00:01:56,500 --> 00:01:58,260
bedre AI, der rydder op i.

43
00:01:58,460 --> 00:02:01,720
Maskinen fejer sine egne forgængeres gulv, og hvis det lyder

44
00:02:01,780 --> 00:02:04,220
som et enkeltstående kunststykke, så hør her.

45
00:02:04,600 --> 00:02:08,759
Nogen satte for nylig Anthropics topmodel, Fable-5, og OpenAIs

46
00:02:08,860 --> 00:02:13,120
GBT 5.6 til hver især at bygge en databaseserver, der

47
00:02:13,140 --> 00:02:17,500
er kompatibel med PostgreSQL, arbejdshesten under en enorm del af

48
00:02:17,540 --> 00:02:21,560
verdens software. Ni til elleve tusind linjer kode over hundrede

49
00:02:21,680 --> 00:02:25,560
testcases, og de skulle bestå de officielle belastningstest med otte

50
00:02:25,680 --> 00:02:29,440
samtidige klienter. Tidsforbrug cirka halvanden time.

51
00:02:29,500 --> 00:02:32,580
For fem år siden var det et helt semesters datalogiprojekt

52
00:02:32,600 --> 00:02:35,040
på universitetet. Fable-5 kom først i mål.

53
00:02:35,260 --> 00:02:38,320
OpenAIs model nåede ikke helt, men kun fordi den løb

54
00:02:38,329 --> 00:02:39,940
tør for tokens undervejs.

55
00:02:40,020 --> 00:02:42,679
Ikke fordi den ikke kunne, og læg mærke til detaljen.

56
00:02:42,720 --> 00:02:45,370
De to konkurrenters modeller er stort set lige gode.

57
00:02:45,620 --> 00:02:47,420
Der er ikke længere et geni i klassen.

58
00:02:47,720 --> 00:02:49,540
Der er to og flere på vej.

59
00:02:49,840 --> 00:02:50,960
Hvorfor er det vigtigt?

60
00:02:51,020 --> 00:02:53,740
Fordi softwareudvikling aldrig bliver det samme igen.

61
00:02:54,140 --> 00:02:56,420
Kode er på vej fra at være et håndværk, man

62
00:02:56,480 --> 00:02:58,640
hyrer sig til, til at være noget, man bestiller.

63
00:02:58,940 --> 00:03:01,720
Og for et lille land uden tech-giganter er det faktisk

64
00:03:01,780 --> 00:03:05,000
godt nyt. Evnen til at bygge bliver billigere og mere

65
00:03:05,040 --> 00:03:08,500
jævnt fordelt. Men det flytter også hele værdien et lag

66
00:03:08,580 --> 00:03:11,660
op. Det svære er ikke længere at skrive koden.

67
00:03:11,700 --> 00:03:13,500
Det svære er at vide, hvad den skal.

68
00:03:14,020 --> 00:03:15,020
Og så til paradokset.

69
00:03:15,320 --> 00:03:18,700
For mens koden buldrer derudad, knirker det alle andre steder.

70
00:03:19,220 --> 00:03:22,780
Brugerne trækker sig stille og roligt fra chatbots og AI-features,

71
00:03:22,900 --> 00:03:24,960
der lovede guld og leverer autosvar.

72
00:03:25,320 --> 00:03:28,420
Virksomheder, der klistrede AI på alting sidste år, piller det

73
00:03:28,520 --> 00:03:29,300
af igen i år.

74
00:03:29,620 --> 00:03:31,359
Og økonomien under det hele skrider.

75
00:03:31,700 --> 00:03:34,640
Modellerne koster nu milliarder af dollars at træne, og de

76
00:03:34,680 --> 00:03:37,420
bliver forældet så hurtigt, at investeringen knap når at tjene

77
00:03:37,480 --> 00:03:40,180
sig hjem, før den næste model gør dem overflødige.

78
00:03:40,540 --> 00:03:43,840
Man bygger katedraler med en holdbarhed som mælk.

79
00:03:43,900 --> 00:03:46,180
I sidste uge kom så et signal fra den voksne

80
00:03:46,340 --> 00:03:47,520
ende af finansverdenen.

81
00:03:47,980 --> 00:03:54,280
Kreditvurderingsbureauet S&P nedgraderede Oracle direkte begrundet i selskabets gigantiske forpligtelser

82
00:03:54,340 --> 00:03:58,340
over for OpenAI, der alene fylder omkring halvdelen af Oracles

83
00:03:58,400 --> 00:04:01,440
ordrebog. Det er ikke en teknologinyhed.

84
00:04:01,500 --> 00:04:04,220
Det er lyden af, at nogen med regneark og lang

85
00:04:04,240 --> 00:04:07,840
hukommelse er begyndt at tvivle på, om regningen kan betales.

86
00:04:07,900 --> 00:04:08,820
Hvorfor er det vigtigt?

87
00:04:09,160 --> 00:04:12,400
Fordi to spor krydser hinanden lige nu, og de peger

88
00:04:12,440 --> 00:04:13,220
hver sin vej.

89
00:04:13,880 --> 00:04:17,700
Nede i maskinrummet leverer teknologien over alle forventninger.

90
00:04:17,760 --> 00:04:18,640
Det så vi lige før.

91
00:04:19,320 --> 00:04:22,480
Oppe i forretningslaget skrider både tidsplanen og troen.

92
00:04:22,520 --> 00:04:24,640
Det betyder ikke, at værdien er falsk.

93
00:04:24,980 --> 00:04:28,040
Det betyder, at den kommer senere og fra andre kanter

94
00:04:28,100 --> 00:04:30,380
end låget, og at nogle af dem, der har bygget

95
00:04:30,420 --> 00:04:32,580
mest, ikke er dem, der kommer til at høste.

96
00:04:33,040 --> 00:04:35,580
Det har vi set før, og dengang hed vinderne noget.

97
00:04:35,680 --> 00:04:38,160
Ingen kendte, da boblen sang på sidste vers.

98
00:04:38,680 --> 00:04:40,500
For os herhjemme er lektien nøgtern.

99
00:04:40,960 --> 00:04:44,260
Brug værktøjerne, forhandl hårdt og gift dig ikke med en

100
00:04:44,290 --> 00:04:47,370
leverandør. Nogle af katedralerne bliver til parkeringspladser,

101
00:04:47,880 --> 00:04:50,360
og så tager vi til New Jersey, hvor en syttenårig

102
00:04:50,540 --> 00:04:54,460
gymnasieelev har gjort noget, der burde få enhver ventelistepatient til

103
00:04:54,469 --> 00:04:55,960
at spidse øre.

104
00:04:56,020 --> 00:04:59,860
Edward Kang fra Bergen County Academies har bygget RetinaMind, en

105
00:04:59,960 --> 00:05:03,320
AI, der screener for tegn på autisme og ADHD ud

106
00:05:03,340 --> 00:05:05,480
fra et helt almindeligt scan af nethinden.

107
00:05:06,140 --> 00:05:11,000
Nøjagtigheden ligger ifølge Smithsonian omkring niogfirs procent, og arbejdet gav

108
00:05:11,020 --> 00:05:14,070
ham andenpladsen og en check på hundrede og femoghalvfjerds tusind

109
00:05:14,160 --> 00:05:18,940
dollars ved Regeneron Science Talent Search, USA's fineste forskningskonkurrence for

110
00:05:18,960 --> 00:05:21,930
gymnasieelever. Og her kommer den detalje, der fik mig til

111
00:05:21,940 --> 00:05:23,180
at spærre øjnene op.

112
00:05:23,240 --> 00:05:24,550
Nethinden er hjernevæv.

113
00:05:24,780 --> 00:05:27,940
Bogstaveligt talt. Den vokser ud af det samme neuralrør som

114
00:05:27,960 --> 00:05:30,260
hjernebarken, da vi lå i maven på vores mor.

115
00:05:30,960 --> 00:05:33,360
Nethinden er faktisk et af de få steder, hvor man

116
00:05:33,380 --> 00:05:36,660
kan få et billede af centralnervesystemet uden at åbne kraniet.

117
00:05:37,120 --> 00:05:39,660
Forskere kalder den ligefrem et vindue til hjernen.

118
00:05:40,220 --> 00:05:43,340
Så et billede af din nethinde kan bære information om,

119
00:05:43,360 --> 00:05:45,000
hvordan din hjerne har udviklet sig.

120
00:05:45,680 --> 00:05:49,420
I dag stilles de her diagnoser stadig gennem interviews, skemaer

121
00:05:49,540 --> 00:05:51,940
og ventelister, der måles i måneder og år.

122
00:05:52,160 --> 00:05:53,480
Et foto tager sekunder.

123
00:05:53,680 --> 00:05:55,510
Nu skal vi holde tungen lige i munden.

124
00:05:55,840 --> 00:05:58,580
Forskerne siger selv, at det skal valideres på langt større

125
00:05:58,600 --> 00:06:00,880
grupper, før det kommer i nærheden af en klinik.

126
00:06:01,180 --> 00:06:04,640
Niogfirs procent fra en gymnasieelev er ikke et diagnoseværktøj.

127
00:06:04,650 --> 00:06:07,480
Det er en hypotese med rigtige data under sig.

128
00:06:07,520 --> 00:06:10,120
Men det er unægtelig mere end de fleste af os

129
00:06:10,180 --> 00:06:10,890
nåede i 3.

130
00:06:11,650 --> 00:06:13,140
klasse. Hvorfor er det vigtigt?

131
00:06:13,180 --> 00:06:15,640
Fordi det her er demokratiseringens ansigt.

132
00:06:15,790 --> 00:06:19,500
De samme modeller, der sletter fireoghalvfjerds tusind linjer kode, ligger

133
00:06:19,560 --> 00:06:22,090
nu i hænderne på en syttenårig med en idé og

134
00:06:22,140 --> 00:06:26,080
et bibliotekskort. AI smadrer ikke kun ind i softwarebranchen.

135
00:06:26,320 --> 00:06:29,220
Den smadrer ind i medicin, biologi, alt hvor der ligger

136
00:06:29,300 --> 00:06:31,240
data og venter på et skarpt spørgsmål.

137
00:06:31,680 --> 00:06:35,080
Folk uden forskeruddannelse kan pludselig lave ny videnskab.

138
00:06:35,140 --> 00:06:37,600
Det stiller krav til dem, der skal validere den, men

139
00:06:37,620 --> 00:06:39,660
det åbner også en dør, der har været låst i

140
00:06:39,700 --> 00:06:42,520
hundrede år. Og så er vi tilbage ved eksperimentet.

141
00:06:42,620 --> 00:06:46,060
Software og softwareudvikling bliver aldrig det samme, og det her

142
00:06:46,180 --> 00:06:48,160
afsnit er sit eget lille bevis.

143
00:06:48,300 --> 00:06:50,960
En maskine har skrevet det, en maskine har læst det

144
00:06:51,040 --> 00:06:53,720
op, og et menneske har siddet i toppen og bestemt,

145
00:06:53,740 --> 00:06:54,820
hvad det skulle handle om.

146
00:06:54,860 --> 00:06:56,580
Om det bestod prøven, afgør du.

147
00:06:56,800 --> 00:06:59,160
Og jeg vil faktisk gerne høre det, også hvis dommen

148
00:06:59,200 --> 00:07:02,480
er hård. Næste onsdag er jeg selv tilbage bag mikrofonen.

149
00:07:02,520 --> 00:07:05,020
Den analoge af slagsen med hånden på pennen.

150
00:07:05,080 --> 00:07:06,260
Tak, fordi du lyttede med.

151
00:07:06,280 --> 00:07:08,280
Pas godt på jer selv og sæt et menneske i

152
00:07:08,320 --> 00:07:09,810
toppen af enhver tech-stack.

153
00:07:10,060 --> 00:07:12,520
I denne uge nøjedes mennesket med at prompte.

154
00:07:12,560 --> 00:07:13,840
Det er måske hele pointen.