Hopp til innholdet
Norsk journal om kunstig intelligens 255 artikler Oslo --:--
TokenPrat
2 min lesetid Av TokenPrat-redaksjonen

Kan AI tenke selv? Hva forskningen faktisk sier om selvforbedrende systemer

Ideen om at AI skal kunne forbedre seg selv uten menneskelig hjelp – ofte kalt "rekursiv selvforbedring" (RSI) – har gått fra ren science fiction til et reelt, aktivt forskningsfelt. Men bildet er mer nyansert enn "AI tar nå selvstendige avgjørelser helt uten oss".

To helt forskjellige ting kalles ofte det samme

En fersk gjennomgang av 1250 vitenskapelige artikler fra 2024 til 2026 peker på et viktig skille som ofte forsvinner i overskrifter. Det finnes to svært forskjellige nivåer:

Det ene er "avgrenset selvforfining" – noe som allerede er industriell praksis i dag. Dette er modeller som reviderer sine egne svar, justerer arbeidsflyten sin underveis, eller trener på data de selv genererer, innenfor klart definerte, testbare rammer (som kode eller matematikk, der man faktisk kan sjekke om svaret ble bedre). Dette skjer allerede, og det fungerer.

Det andre er "åpen, rekursiv selvforbedring" – der systemet på egen hånd identifiserer sine egne svakheter, utvikler og validerer forbedringer, og bruker de nye evnene til å forbedre selve forbedringsprosessen videre, i en lukket sløyfe uten menneskelig involvering. Dette er det nivået som faktisk ligner science fiction-scenarioet – og ifølge forskerne selv er dette fortsatt begrenset av grunnleggende utfordringer: behovet for pålitelig forankring i virkeligheten, risiko for at kvaliteten kollapser over gjentatte runder, og praktiske beregningsbegrensninger. Det er med andre ord ikke der vi er ennå.

"Automatisert forskningspraktikant", ikke autonom forsker

Et konkret eksempel på hvor grensen faktisk går: selv de mest avanserte AI-forskningsagentene beskrives av utviklerne selv som å ha nådd et nivå tilsvarende en "automatisert forskningspraktikant" for klart definerte oppgaver – under menneskelig tilsyn. Mennesker setter fortsatt prioriteringene og avgjør hvilke resultater som er verdt å forfølge videre. IEEE Spectrum oppsummerte det nylig slik: rekursiv selvforbedring nærmer seg, men mennesker er fortsatt med i sløyfen.

Det finnes også skeptiske stemmer

Verdt å ha med for balansens skyld: enkelte kommentatorer i fagmiljøet er langt mer skeptiske, og beskriver den siste bølgen av "selvforbedring"-påstander som markedsføring ment å dekke over enorme investeringer i infrastruktur som ikke leverer det som ble lovet. Det er en unødvendig hard formulering, men den illustrerer at det ikke er enighet om hvor reelt fremskrittet faktisk er.

Så – bør vi bekymre oss?

Spørsmålet i overskriften er egentlig feil stilt. Det er ikke snakk om enten science fiction eller virkelighet – det er et gradvis, godt dokumentert forskningsfelt der industriell praksis i dag er langt mer begrenset og menneskestyrt enn de mest dramatiske fremstillingene antyder. Det betyr ikke at spørsmålene om kontroll og forståelse er mindre viktige – bare at vi fortsatt har tid til å stille dem.

Ressurser

Del

Les videre

Forsiden →
Forelesningssal om natten med en tavle full av krittdiagrammer, en laptop og høye stabler med manuskripter
· Forskning

OpenAI slapp over 700 matematikkbevis på én dag – Lean sjekker rundt 42 prosent av dem

6. oktober la OpenAI ut 722 matematiske manuskripter laget av en intern modell uten navn. Det mest interessante er metoden: en AI som tenker i timevis per problem, og et maskinelt verktøy som skal skille holdbare bevis fra tull.

Studiomikrofon med lysende fargede lydbølger i et mørkt lydstudio
· Modeller

Ming 3.0 TTS: Beste åpne stemmekloner med MIT-lisens – men den snakker ikke norsk

Ant Group har sluppet to talemodeller som kloner stemmer, designer nye fra en beskrivelse og ler, sukker og nøler på kommando. Den minste har bare 0,5 milliarder parametere, og lisensen er så åpen som det går an. Men står norsk på ønskelista, må du vente.

Menneskehånd og robothånd som holder hver sin trekloss med samme grep
· Forskning

FlashDexRetarget: Én policy for tusen håndbevegelser – og 100 ganger mindre GPU-tid

Roboter med fingre trenger enorme mengder treningsdata, og den billigste kilden er opptak av mennesker som håndterer ting. Problemet er å oversette en menneskehånd til en robothånd. Et nytt prosjekt fra KAIST og Holiday Robotics gjør det med én felles modell i stedet for én per bevegelse, og bruker