Snutten som Kanskje Tar Feil

Okei, jeg må dele noe som virkelig har snudd opp ned på hvordan jeg tenker om kunstig intelligens denne uken.

I 75 år har vi målt AI-fremgang mot en visjon Alan Turing presenterte i 1950. Hans berømte «etterligningsspill» – det vi nå kaller Turing-testen – går ut på at hvis en datamaskin kan lure mennesker til å tro de snakker med et annet menneske, så er den i praksis «tenkende.»

Virker fornuftig, ikke sant?

Vel, Peter J. Denning – en høyt respektert datavitenskapsmann som akkurat har gitt ut boka «Turing's Mistake: Escaping the Yoke of Unintelligent Machines» – hevder vi kanskje har jaget feil drøm i alle disse årene.

Og ærlig talt? Etter å ha lest argumentene hans, tror jeg kanskje han er på noe stort.

Kroppsproblemet (Ja, Det Spiller Rolle)

Her er den første antakelsen Denning mener Turing tok feil om: at intelligens kan eksistere uavhengig av en fysisk kropp.

Tenk på det et øyeblikk. Vi har prøvd å gjenskape menneskelig intelligens inni datamaskiner – ren programvare som flyter rundt i digitalt rom. Men Denning argumenterer for at dette er som å prøve å forstå svømming ved å studere vannmolekyler. Du mangler noe essensielt.

Når du og jeg navigerer verden, behandler vi ikke bare informasjon. Vi føler ting. Vi merker temperaturen, kjenner teksturen på en dørhåndtak, opplever den lille vaklingen når vi trår på et ujevnt fortau. All denne fysiske erfaringen former hvordan vi tenker, resonnerer og forstår verden.

Denning påpeker at kroppene våre ikke bare er kjøretøy for hjernene våre. De er en integrert del av hvordan vi tenker.

Og her er greia – dette er ikke noe marginal idé. Filosofene har snakket om «forkroppslig kognisjon» i år. Men AI-forskning har stort sett ignorert det til fordel for rene datamessige tilnærminger.

Taus Kunnskap

Dette er der det blir virkelig interessant (og litt filosofisk, men jeg lover å holde det nært bakken).

Denning introduserer begrepet «taus kunnskap» – og det er virkelig en av de idéene som, når du først skjønner den, begynner du å se overalt.

Taus kunnskap er alt det vi vet, men ikke enkelt kan forklare. Hvordan vet du for eksempel akkurat hvor mye press du skal bruke når du låser opp en dør? Hvordan tar du imot en ball uten å gjøre komplekse fysikkberegninger i hodet? Hvordan vet du når noen er sarkastiske versus ærlige basert på tonen i stemmen?

Disse tingene føles automatiske for oss. Men de er utrolig komplekse.

Denning argumenterer for at det finnes minst fem store kategorier av taus kunnskap som maskinlæring rett og slett ikke kan fange:

Sunn fornuft – Millionene av små fakta om hvordan verden fungerer som vi aldri tenker bevisst på.

Dagligdags samhandling – Hvordan vi leser sosiale situasjoner, navigerer personlige relasjoner, forstår uuttalte forventninger.

Emosjoner og persepsjon – Måten det å oppleve glede eller tristhet fundamentalt endrer hvordan vi prosesserer informasjon.

Praktiske ferdigheter – Den typen kunnskap en mesterhåndverker eller virtuospillende musiker har som de ikke fullt ut kan artikulere.

Kulturbegrep – Verdier, normer, historie og de dypere betydningene innebygd i hvordan fellesskap fungerer.

Hvorfor 40 År med Cyc Ikke Løste Dette

For å illustrere utfordringen peker Denning på noe som heter Cyc-prosjektet. Hvis du ikke kjenner til det, var Cyc et ambisiøst forsøk på 80-tallet på å bygge en massiv database med sunn fornuft-kunnskap – ting som «hvis du slipper noe, faller det ned» eller «mennesker trenger vann for å overleve.»

Prosjektet brukte fire tiår på å bygge opp omtrent 25 millioner oppføringer med sunn fornuft-fakta.

Tjuefem millioner biter av kunnskap!

Og vet du hva? Det var fortsatt ikke nok til å skape virkelig smarte systemer. Denning påpeker at «mye av kunnskapen som gjør mennesker til eksperter ikke kan artikuleres som påstander.»

Dette er den stille tragedien til Cyc-prosjektet. Det demonstrerte, gjennom ren innsats, at det å prøve å manuelt kode menneskelig sunn fornuft er i bunn og grunn umulig. Det er for mye av det, og for mye av det er implisitt heller enn eksplisitt.

Musikeren Som Ikke Kan Forklare Det

La meg dele et av Denning sine eksempler som virkelig ble med meg.

Tenk på en virtuospillende fiolinist. Noen som kan spille med åndeløs skjønnhet og følelse. Nå prøv å forklare for en nybegynner akkurat hvordan man produserer den lyden.

De kan det egentlig ikke. Ikke fullt ut. De kan gi noe teknisk råd – vinkl buen her, bruk press der – men kløften mellom «å vite hvordan» og «å vite hva» er enorm.

Fiolinisten besitter kroppslig kunnskap som eksisterer i musklene, nervene, den fysiske opplevelsen av å skape lyd. Du kan ikke laste ned det til en datamaskin. Du kan ikke transkribere det til en database.

Og her er det dypere poenget: selv om du bygde en robot som kunne perfekt etterligne en fiolinists bevegelser, kunne ikke den roboten forstå hvordan det føles å skape vakker musikk. Den mangler den biologiske erfaringen, den emosjonelle konteksten, koblingen til et publikum.

Representasjonsproblemet

Så hva skjer egentlig her? Hvorfor er menneskelig kunnskap så sta mot å bli digitalisert?

Denning kaller det «representasjonsproblemet», og det er genuint fundamentalt.

Datamaskiner jobber med symboler – enere og nuller som representerer ting. Når vi mater informasjon inn i datamaskiner, koder vi reel verdenskunnskap inn i disse symbolske formene.

Men her er haken: bak hvert ord, hvert konsept, hver bit av «kunnskap» vi besitter, er det en dyp brønn av taus forståelse som gir det mening. Ord er bare symboler som peker mot betydninger – de er ikke betydningene selv.

Denning sier det slik: «Bak hvert ord er en dyp brønn av taus kunnskap som gir det mening. Ord er symbolske representasjoner av betydninger, ikke betydningene selv.»

Dette betyr at når du snakker med noe som ChatGPT, Claude eller Gemini, samhandler du med systemer som er utrolig sofistikerte på å manipulere symboler, men de forstår virkelig ikke hva disse symbolene representerer. De kan mønstergjenkjenne fantastisk, men mønstergjenkjenning er ikke forståelse.

Kontekst Er Alt (Og Maskiner Har Det Ikke)

Her er et annet lag som AI sliter med: kontekst.

Når du og jeg har en samtale, trekker vi på endeløse lag av delt forståelse. Vi vet hvem vi er, hva vi har vært gjennom sammen, hva den nåværende situasjonen er, hva som er passende versus upassende, når noen joker versus er seriøs.

Denne konteksten er ikke bare bakgrunnsstøy – den er fundamental for mening.

Denning beskriver det som fraktalt: hver kontekst hviler på tidligere kontekster, som igjen hviler på enda tidligere. Det er en endeløs kjede av delt forståelse vi har bygget opp over et helt liv med erfaring.

Kultur legger enda en dimensjon til. Denning beskriver det som omfattende «verdier, normer, dommer, historie, fellesskap, stemninger, og til og med relasjoner som involverer makt og omsorg.»

Alt dette er usynlig for AI-systemer. De kan oppdage mønstre i språk, men de kan ikke virkelig fatte den kulturelle tyngden bak ord og handlinger.

Hva Betyr Dette for AI Fremtiden?

Nå, jeg sier ikke at AI er ubrukelig – åpenbart er det ikke. Disse systemene er genuint imponerende på spesifikke oppgaver, og de er utrolig nyttige verktøy.

Men Denning sitt argument antyder at vi kanskje nærmer oss et tak. At ekte generell kunstig intelligens – maskiner med menneskelig forståelse og tilpasningsevne – kanskje er fundamentalt uoppnåelig gjennom våre nåværende tilnærminger.

Og her er det litt bekymringsfullt: Denning advarer om at hvis vi fortsetter å forfølge AGI mens vi ignorerer disse fundamentale begrensningene, risikerer vi å bygge teknologier som introduserer betydelige nye risikoer uten å levere på løftene sine.

Tenk på det. Vi bygger systemer vi ikke fullt ut forstår, ved å bruke tilnærminger som kanskje er iboende begrensede, for å løse problemer som krever typer forståelse disse systemene ikke kan få tilgang til.

Min Mening

Ærlig talt, jeg fant Denning sine argumenter overbevisende, men ikke fullstendig knusende.

Ja, det er fundamentale utfordringer med å fange taus kunnskap. Ja, forkroppslig erfaring betyr sannsynligvis mer enn vi har innrømmet. Og ja, Turing-testen er kanskje en dårlig indikator på ekte intelligens.

Men jeg tror også vi oppdager disse begrensningene i sanntid, og at den oppdagelsesprosessen i seg selv er verdifull. Hver utfordring Denning identifiserer er også et forskningsspørsmål. Hver mur vi treffer lærer oss noe nytt om menneskelig kognisjon og bevissthet.

Kanskje den virkelige lærdommen her ikke er at AI ikke kan være intelligent, men at menneskelig intelligens er mer bemerkelsesverdig enn vi innså. Hver gang du forstår en vits, tar imot en ball, eller merker at noe føles «feil» i en samtale – så gjør du noe som våre mest sofistikerte datamaskiner fortsatt ikke kan.

Kanskje spørsmålet ikke er om maskiner kan tenke som mennesker. Kanskje det er: hva kan de gjøre bra, og hvordan bygger vi det inn i en verden der menneskelige kvaliteter betyr mer, ikke mindre?

Det er et spørsmål verdt å gruble over en stund.

Hva tenker du? Resonerer Denning sin kritikk med din erfaring med AI-verktøy? Eller tror du vi undervurderer hva disse systemene til slutt kan oppnå?

Skriv en kommentar under – jeg vil virkelig vite hvordan dette treffer deg.

Kilde: ScienceDaily (https://www.sciencedaily.com/releases/2026/07/260713084850.htm)