Takk til Giskeødegård og Lydersen for en fin gjennomgang av hva maskinlæring er. Og på mange måter kan man si at ikke-veiledet maskinlæring har fått en særlig aktualitet det siste året med den kunstige intelligensutviklingen generelt, samt utviklingen av de store språkmodellene som ChatGPT og GPT-4.
For helsesektoren har det de konsekvensene at selve maskinlæringen har blitt mer avansert og klarer nå å foreta maskinelle dyplæringsbeslutninger selv basert på ikke-veiledet maskinlæring (1). Dette har gitt en rekke interessante forskningsfunn (2). At dette er stadig mer datagenerert, ikke bare brukergenerert, har medført diskusjon omkring de kunnskapsmessige og etiske sidene ved kunstig intelligens og chatboter (3). I min nye bok (3) har jeg gått gjennom dette, kunnskapsgrunnlaget rundt ChatGPT og GPT-4, gjort tentative kunnskapsoppsummeringer, reanalysert en stor studie, samt utført en erfaringsbasert testing/utprøving av språkmodellen GPT-4. Sett under ett er det jeg finner såpass banebrytende at det kan beskrives som et teknologisk paradigmeskifte. For eksempel viser det seg at GPT-4 presterer overraskende bra på en norskspråklig medisineksamen (sjette året) (3), samt på en rekke andre fagområder. Jeg finner også at GPT-4 viser seg å være svært kapabel til å håndtere Ludwig Wittgenstein’s (4) språkspill i nærmest hvilken som helst fagdisiplin, og mye tyder på at språkmodeller av denne enorme størrelsen har foretatt et maskinlæringsmessig «evolusjonsbyks» med sine 1000 milliarder parameter, som gjør den svært generisk og allsidig.
En tentativ hypotese er at den store mengden treningsdata og parameter tvinger nevrale nettverk til å lære generiske og nyttige «nevrale kretser», mens GPT-4-modellenes store størrelse gir nok redundans og mangfold til at de nevrale kretsene kan spesialisere og finjustere seg til spesifikke oppgaver (1). Selv om dette i beste fall er en del av svaret, er det trolig bare en brikke i et stort puslespill om å finne ut hvorfor for språkmodeller som GPT-4 fungerer så oppsiktsvekkende bra som de gjør. Selv om kunnskapsgrunnlaget fremdeles er begrenset, viser mine tentative kunnskapsoppsummeringer, reanalyser og tester/utprøvinger innen helseområdet at dette er noe annet enn en teknologihype både når det gjelder kunstig intelligens generelt, maskinlæring, samt språkmodellenes kapabiliteter. Samtidig ser man at kunstig intelligens er et etisk minefelt som krever årvåkenhet på alle nivåer for at man skal kunne navigere trygt i dette komplekse landskapet.
Litteratur:
1. Bubeck S, Chandrasekaran V, Eldan R et al. Sparks of artificial general intelligence: Early experiments with GPT-4. ArXiv. Preprint 13.4.2023. https://arxiv.org/abs/2303.12712 Lest 21.4.2023
2. Ray PP. ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope. KeAi 2023; 3: 121–154. https://doi.org/10.1016/j.iotcps.2023.04.003
3. Krumsvik RJ. Digital kompetanse i KI-samfunnet. Et blikk på hvordan kunstig intelligens preger livene våre. Oslo: Cappelen Damm Akademisk, 2023.
4. Wittgenstein L. Filosofiske undersøkelser. Oslo: Pax forlag, 1997
Maskinlæring i en brytningstid
Takk til Giskeødegård og Lydersen for en fin gjennomgang av hva maskinlæring er. Og på mange måter kan man si at ikke-veiledet maskinlæring har fått en særlig aktualitet det siste året med den kunstige intelligensutviklingen generelt, samt utviklingen av de store språkmodellene som ChatGPT og GPT-4.
For helsesektoren har det de konsekvensene at selve maskinlæringen har blitt mer avansert og klarer nå å foreta maskinelle dyplæringsbeslutninger selv basert på ikke-veiledet maskinlæring (1). Dette har gitt en rekke interessante forskningsfunn (2). At dette er stadig mer datagenerert, ikke bare brukergenerert, har medført diskusjon omkring de kunnskapsmessige og etiske sidene ved kunstig intelligens og chatboter (3). I min nye bok (3) har jeg gått gjennom dette, kunnskapsgrunnlaget rundt ChatGPT og GPT-4, gjort tentative kunnskapsoppsummeringer, reanalysert en stor studie, samt utført en erfaringsbasert testing/utprøving av språkmodellen GPT-4. Sett under ett er det jeg finner såpass banebrytende at det kan beskrives som et teknologisk paradigmeskifte. For eksempel viser det seg at GPT-4 presterer overraskende bra på en norskspråklig medisineksamen (sjette året) (3), samt på en rekke andre fagområder. Jeg finner også at GPT-4 viser seg å være svært kapabel til å håndtere Ludwig Wittgenstein’s (4) språkspill i nærmest hvilken som helst fagdisiplin, og mye tyder på at språkmodeller av denne enorme størrelsen har foretatt et maskinlæringsmessig «evolusjonsbyks» med sine 1000 milliarder parameter, som gjør den svært generisk og allsidig.
En tentativ hypotese er at den store mengden treningsdata og parameter tvinger nevrale nettverk til å lære generiske og nyttige «nevrale kretser», mens GPT-4-modellenes store størrelse gir nok redundans og mangfold til at de nevrale kretsene kan spesialisere og finjustere seg til spesifikke oppgaver (1). Selv om dette i beste fall er en del av svaret, er det trolig bare en brikke i et stort puslespill om å finne ut hvorfor for språkmodeller som GPT-4 fungerer så oppsiktsvekkende bra som de gjør. Selv om kunnskapsgrunnlaget fremdeles er begrenset, viser mine tentative kunnskapsoppsummeringer, reanalyser og tester/utprøvinger innen helseområdet at dette er noe annet enn en teknologihype både når det gjelder kunstig intelligens generelt, maskinlæring, samt språkmodellenes kapabiliteter. Samtidig ser man at kunstig intelligens er et etisk minefelt som krever årvåkenhet på alle nivåer for at man skal kunne navigere trygt i dette komplekse landskapet.
Litteratur:
1. Bubeck S, Chandrasekaran V, Eldan R et al. Sparks of artificial general intelligence: Early experiments with GPT-4. ArXiv. Preprint 13.4.2023. https://arxiv.org/abs/2303.12712 Lest 21.4.2023
2. Ray PP. ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope. KeAi 2023; 3: 121–154. https://doi.org/10.1016/j.iotcps.2023.04.003
3. Krumsvik RJ. Digital kompetanse i KI-samfunnet. Et blikk på hvordan kunstig intelligens preger livene våre. Oslo: Cappelen Damm Akademisk, 2023.
4. Wittgenstein L. Filosofiske undersøkelser. Oslo: Pax forlag, 1997