AI är mer än ChatGPT – forskaren varnar för hajp och bubbla

”Att hävda att AI började 2022 är direkt felaktigt”, säger Pontus Wärnestål och påminner om att forskningsfältet AI går tillbaka till 1956. Det som många uppfattar som ett genombrott med ChatGPT är snarare ett i raden. Den bakomliggande tekniken, transformer-modeller, presenterades redan 2017 och fick sitt breda genomslag först flera år senare.

Wärnestål återkommer ofta till att AI är betydligt mer än stora språkmodeller. I vardagen möter de flesta AI utan att tänka på det. Spamfilter i mejlen är ett klassiskt exempel på maskininlärning som kontinuerligt tränas för att avgöra vad som ska sorteras bort. Personliga rekommendationer på nätet och i streamingtjänster bygger på kollaborativ filtrering, en annan etablerad AI-metod.

Samtidigt växer nya tillämpningar fram utanför LLM-världen. Wärnestål lyfter fram adaptiv prissättning baserad på bildigenkänning, där användare kan fotografera ett second hand-föremål och snabbt få en uppskattning av värdet. ”Det finns bolag här i Stockholm som sysslar med sånt”, säger han.

Än mer avancerade exempel finns inom miljöområdet. Genom att kombinera GPS-data, kartor, ljudinspelningar av fåglar och manuell rapportering från parkvakter kan hela biologiska ekosystem modelleras och analyseras. ”Det handlar om prediktion och dataanalys. Det är också AI”, konstaterar Wärnestål.

Men han ser risker med dagens hajp kring språkmodeller. ”Jag tror tyvärr att vi har en övertro på LLM just nu”, säger han och varnar för att AI kan hamna i en bubbla. Om förväntningarna inte infrias kan en backlash drabba även fungerande AI-lösningar.

Historiskt har AI-fältet genomgått tre så kallade AI-vintrar. En fjärde är inte omöjlig, enligt Wärnestål. Frågan är om dagens AI-boom blir en katalysator för bred innovation eller starten på ännu en nedkylning.

Läs även: Studie: AI utnyttjas mer när den uppfattas som kvinnlig