Hva AI kan og ikke kan: ærlige grenser
En enkel regel: hvis en person løser oppgaven på et sekund og det finnes mange lignende eksempler, vil AI sannsynligvis håndtere det. Hvis situasjonen er ny og ulikt noe den har sett, tar den feil – med selvtillit. Vi finner den grensen ved å bruke selvkjørende biler og medisin. Og finner ut hvordan vi skal bestemme på forhånd om vi i det hele tatt skal overlate en oppgave til AI.
Fra forrige leksjon vet du at AI's styrke ligger i dataene. La oss nå tegne et ærlig kart over grensene – hva AI virkelig kan gjøre, og hva som i prinsippet er utenfor dens rekkevidde. Det er svaret på «når du ikke skal bruke AI».
Hovedregelen: ettsekundstesten
Husk én enkel regel, så sparer du deg for år med illusjoner: hvis en person løser den typiske versjonen av en oppgave på omtrent ett sekunds tankearbeid – og verden er full av eksempler på det – vil AI sannsynligvis håndtere det. Å oppdage en bil på et bilde, høre et ord, skille spam fra ikke-spam, gjenkjenne et ansikt – dette er alle «ettsekunds»-oppgaver innen persepsjon, og det finnes et hav av data for dem. AI er sterk her.
Nå den andre siden: å forutsi en aksjekurs en måned frem i tid basert på tidligere priser er ikke en ettsekundsoppgave, og viktigere, tidligere priser forutsier ikke fremtidige. En dobbel feil: tenkningen tar lang tid, og det er uansett ingen mønster i dataene. Regeln er grov, men pålitelig: AI er en strålende spesialist på øyeblikkelig gjenkjenning, ikke en vismann som veier konsekvenser.
Parede eksempler: kan / kan ikke
La oss kalibrere på to områder der det å ta feil har en reell kostnad.
- En selvkjørende bil. Kan: finne ut fra kamera og radar hvor de andre bilene på veien er – det finnes millioner av merkede eksempler. Sliter enormt: med å lese en persons gest – en bygningsarbeider som vinker deg til å stoppe, en syklist som signaliserer en sving med armen. Det finnes uendelige måter å gestikulere på, du kan ikke samle så mange eksempler, og kostnaden ved å ta feil er et liv.
- Medisin. Kan: oppdage lungebetennelse på et røntgenbilde når det finnes tusenvis av bilder merket «syk / frisk». Kan ikke: lære en diagnose fra et dusin bilder i en lærebok, slik en medisinstudent gjør. En person generaliserer fra noen få eksempler; AI trenger dem i store mengder.
Den undervurderte svakheten: dårlig generalisering
Her er en grense nesten ingen snakker om. AI er sterk på data som er lignende det den så under trening, og skjør på alt som er ulikt det. Ta en modell trent på rene røntgenbilder fra én klinikk, flytt den til en annen der bildene er tatt i en annen vinkel på annet utstyr med mer støy, og nøyaktigheten faller merkbart. En ekte lege tilpasser seg et nytt sykehus på en dag; AI kan ikke.
Husk prinsippet: AI «forstår» ikke oppgaven, den tilpasser et svar til kjente eksempler – endre eksemplene og selvtilliten smuldrer opp. Dette følger direkte fra dataleksjonen: det som betyr noe er ikke bare kvaliteten på dataene, men hvor mye de ligner der modellen faktisk skal fungere.
Hvorfor det ser ut som AI kan gjøre hva som helst
Vær forsiktig med nyhetene. Bare AI's seire skaper overskrifter: slo mesteren, besto eksamen, malte et mesterverk. Feilene – hundrevis av stille prosjekter der AI aldri tok av – blir knapt publisert. Denne skjevheten er der illusjonen om allmakt kommer fra. Et realistisk bilde betyr å huske den andre halvdelen også – den halvdelen ingen nevner.
Vent litt: hvis AI pålitelig kunne forutsi morgendagens aksjekurs, ville noen da selge deg tilgang til det for et par dollar i måneden?
Selvfølgelig ikke – eieren ville i stedet i stillhet bli rik. Hvert «AI vil forutsi markedet»-løfte bryter sammen på den enkle tanken. Og etter å ha funnet ingen mønster, gjør modellen det hallusinasjonsleksjonen beskriver – gir deg en selvsikker, plausibel prognose uten noe bak det.
Fire spørsmål: bør du overlate dette til AI?
Før du gir en oppgave til maskinen, kjør den gjennom fire spørsmål:
- Er det en «ettsekunds»-oppgave, og finnes det mange eksempler? Persepsjon og generering med rikelig med data – grønn sone.
- Ligner dataene der AI faktisk skal fungere? På alt som er ulikt det, er AI skjør.
- Hva koster det å ta feil, og kan jeg sjekke resultatet? Høy kostnad uten mulighet til å sjekke – stopp.
- Har AI dataene den trenger? Alt som er nylig, privat eller veldig nisje (husk kunnskapsavskjæringen) har den kanskje aldri sett.
Grønt lys: en ettsekunds-oppgave med rikelig med lignende data, lav feilkostnad, et kontrollerbart resultat. Rødt: en langsom, konsekvensrik beslutning, ukjente data, høy kostnad og ingen måte å verifisere på.
Gjør dette nå
En øvelse uten verktøy – bare hodet ditt og et ark. Skriv ned fem virkelige oppgaver fra uken din og kjør hver av dem gjennom ettsekundstesten og de fire spørsmålene fra denne leksjonen. Merk hvilke du ville overlate til AI uten å bekymre deg (gjenkjenne, oppsummere, skissere et utkast) og hvilke du ville beholde (beslutninger der det er kostbart å ta feil, ferske data, ansvarlighet, ukjente forhold).
Den listen er ditt personlige «delegere / beholde»-kart. Mekanismen og grensene er nå klare – tid for å ta kontroll, som er det neste modulen er for: først skal vi se på eksempler for ditt eget arbeidsområde, deretter skrive din første virkelige prompt.
Short questions on the lesson — with an explanation for every answer.