IT

Slik bør Norge anvende KI

I stedet for å satse på utvikling av egne språkmodeller, bør Norge satse på forskning for best anvendelse av teknologien, skriver professor i innovasjon ved NHH, Tor W. Andreassen.

Laksefellen i Berlevåg er et eksempel på bruk av kunstig intelligens til å sortere pukkellaks fra villaks. Laksefellen som er utviklet av Huawei, Troll Systems i Bodø og Berlevåg Jeger- og fiskeforening har fått en rekke priser.
Laksefellen i Berlevåg er et eksempel på bruk av kunstig intelligens til å sortere pukkellaks fra villaks. Laksefellen som er utviklet av Huawei, Troll Systems i Bodø og Berlevåg Jeger- og fiskeforening har fått en rekke priser. Foto: Huawei
Tor W. Andreassen, professor i innovasjon ved Norges Handelshøyskole
19. sep. 2024 - 13:37

Debatten om hvordan Norge bør posisjonere seg i det globale kappløpet om kunstig intelligens (KI) kan ses som et valg av tre: utvikle teknologien, anvende teknologien, eller en kombinasjon. Her skal jeg argumentere for at Norge i større grad bør fokusere på forskning knyttet til anvendelse av LLM, fremfor å bruke ressurser på utvikling av egne modeller. 

Kostnadene ved utvikling av LLM

Tor W Andreassen, professor ved Norges Handelshøyskole. <span>Foto: Odd Mehus</span>
Tor W Andreassen, professor ved Norges Handelshøyskole. Foto: Odd Mehus

Utviklingen av LLM er ekstremt kostbar og ressurskrevende. For å illustrere dette, benytter jeg meg av tall fra Professor Ethan Mollick ved Wharton, som i sitt nyhetsbrev forklarer hvordan utviklingen av de største modellene krever enorme mengder data, datakraft og økonomiske ressurser.

For eksempel ble GPT-4, en av de mest avanserte modellene på markedet, estimert til å kreve rundt 20 YottaFLOPs (2 x 10^25) datakraft og milliarder av dollar i utviklingskostnader. Det er en skala som langt overstiger det som er økonomisk og praktisk gjennomførbart for de fleste land, inkludert Norge. Videre er utviklingen av neste generasjon modeller, som forventes å koste over ti milliarder dollar, enda mer utenfor rekkevidde.

Saltvann er noe av det som opptar Stig Martin Fiskå (t.v.) og Jan M Moberg i ukas podkast.
Les også

– Saltvann er noe vi kan i Norge

Tilgang på data og datakraft

For å utvikle en konkurransedyktig LLM, er det nødvendig med tilgang til store mengder høykvalitetsdata og betydelig datakraft. Bloomberg utviklet for eksempel sin egen modell, Bloomberg GPT, for finansielle analyser, men selv denne ble slått av GPT-4, en mer generell modell med mye større skala.

Dette viser at selv spesialiserte modeller med rikelig tilgang til nisjedata sliter med å konkurrere mot de virkelig store modellene. Norge har verken den nødvendige infrastrukturen for datainnsamling på en tilsvarende skala eller den massive datakraften eller «funding» som kreves for å trene slike modeller.

Manglende sterke forskningsmiljøer

Mens Norge har noen sterke forskningsmiljøer – Agder og NTNU – innen KI, er vi langt unna nivået som finnes i de store KI-hubene som USA og Kina. Dette betyr at vi mangler både den menneskelige og den teknologiske kapitalen som kreves for å utvikle modeller i verdensklasse.

I stedet for å forsøke å bygge opp en slik kapasitet fra bunnen, som vil ta mange år og betydelige investeringer, bør Norge utnytte sin styrke forskningen inn mot hvordan LLM kan brukes på innovative måter til å skape nye verdier, utløse økt etterspørsel/bruk og betalingsvilje – noe handelshøyskoler er dyktige til.

VP Innovations Jeppe Sverdrup og teknologidirektør Øystein Hole på kontoret ved Lysaker.
Les også

Mener de har knekt koden for effektivisering i tungindustrien

LLM som «hyllevare»

LLM, slik de eksisterer i dag, er i ferd med å bli «hyllevare» levert av globale teknologigiganter som Open AI, Google, Anthropic, og Meta. Faktum er at akademia i liten grad har klart å utvikle konkurrerende språkmodeller. Dette betyr at virksomheter i Norge, fra helsevesen til finanssektoren, kan dra nytte av disse modellene uten å måtte investere i deres utvikling.

Mulighetene ligger i å anvende disse modellene på innovative måter for å skape, levere og fange verdier – enten det er gjennom nye tjenester, forbedrede kundetjenester, mer skreddersydde løsninger, mer presise prognoser, eller automatisering av komplekse tjenesteprosesser.

Veien videre for Norge

Ved å fokusere på anvendelse fremfor utvikling kan Norge kapitalisere på de raske fremskrittene innen KI ved å tilpasse teknologien til lokale behov. Dette kan gi umiddelbar avkastning i form av forbedrede tjenester, økt produktivitet og innovasjon innen sektorer som helse, energi, og offentlig forvaltning.

Forskning på hvordan LLM kan integreres og brukes effektivt, for eksempel gjennom utvikling av etisk og juridisk rammeverk, kompetansebygging, og tilpasning til nasjonale språk og kultur, vil være langt mer verdiskapende for Norge. Ett slikt satsingsområde kan være digitale tvillinger innen tjenesteytende sektor.

Konklusjon

Norge bør derfor fokusere på å være i forkant når det gjelder anvendelse av LLM-teknologi i ulike sektorer, i stedet for å prøve å konkurrere med globale selskaper i utviklingen av disse teknologiene. Dette vil ikke bare være en mer kostnadseffektiv strategi med lavere risiko, men også en som potensielt kan gi større samfunnsøkonomiske gevinster som økt produktivitet, på kort og lang sikt.

Atomkraftverket på Three Mile Island på et bilde fra 2011.
Les også

Vil starte opp atomkraftverk for at Microsoft skal få nok strøm til KI

Del
Kommentarer:
Du kan kommentere under fullt navn eller med kallenavn. Bruk BankID for automatisk oppretting av brukerkonto.