Hvorfor KI ikke øker produktiviteten

Inga Strümke peker på noe ganske uventet i en av sine svært velinformerte kronikker i Aftenposten på mandag. (Bildet over er fra Bergen Filosofifestival 27.8 der jeg samtalte med min kollega Professor Ole Hjortland om Kunstig Intelligens og filosofiens fremtid. Debattlederne Emil Perron til venstre og Johan Ulla til høyre.)

Faktum er at [produktivitets-]gevinstene [av KI] på organisasjonsnivå stort sett ikke blir målt, og der de måles, ligger de rundt null. Ser vi bare på tallene, finnes det ennå ingen troverdig evidens som underbygger at KI-agenter gjør organisasjoner mer effektive. Ja, jeg vet, dette er rart, og jeg gjør meg ekstremt upopulær når jeg påpeker det. 

Verdsettingen av bedriftene som både er lengst fremme i denne utviklingen, og notert på børsen, er skyhøy. De skal komme til å tjene fantasillioner, synes investorene å tro. Ikke bare det, men børsverdiene totalt sett, og kampen mot den vedvarende inflasjonen, er begge avhengige av at KI omtrent umiddelbart vil gi en betydelig produktivitetsvekst. 

Men sjansen for at disse forutsetningene svikter, er betydelig. Historien viser at produktivitetsveksten som revolusjonerende ny teknologi gir, kommer forbløffende lenge etter at teknologien har kommet til anvendelse. Dette kalles i Samfunnsøkonomien for The Solow Poductivity Paradox.

Min hovedkilde er Andrew Leigh i The Shortest History of Economics (som egentlig er om Economies og ikke faget Economics, og slik sett har fått feil navn). Nyvinninger som jernbane, computere og mye annet som åpenbart er (eller kan bli) betydelig produktivitetsfremmende, har faktisk ingen påviselig påvirkning på produktiviteten før flere tiår etter at de blir tatt i bruk. Hvorfor?

Jeg for min del tror det kan oppsummeres på følgende vis: In with the new, and on with the old. Altså ikke Out with the old, and in with the new. Litt mer utfyllende: teknologien blir innført, men inn i eksisterende organisasjoner og strukturer som er bygd opp rundt gammel teknologi og arbeidsmåter. Og ikke bare strukturer, men også tenkemåter forblir som de var før. Lenge. Antakelig til nye generasjoner kommer til - og en tidsforskyvning på et par tiår kan peke i den retningen, og/eller at bedrifter og organisasjoner må bygges opp fra grunnen med ny teknologi for å utnytte potensialet til produktivitetsforbedringer. Litt kreativ ødeleggelse, i Schumpeters betydning, må antakelig til før teknologiens potensiale kommer til sin rett.

Kanskje vi opplever at "this time is different", men sjansen er stor for at det ikke er det. Det betyr at noen, og til og med svært mange, vil bli skuffet og rammet på så mange vis av at forventningene ikke slår til. 

(PS - jeg kom ikke inn på dette tema da vi diskuterte 27. august.)

Kunstig intelligens og terroir

Nå har kunstig intelligens (KI) blitt brukt på gasskromatografiske målinger fra vin, og forskere mener de kan trene maskiner til å gjenkjenne viner fra samme område/produsent. KI kan i analysene av viner finne mønstre man tidligere ikke har vært i stand til å se. 

Algoritmen kunne med 100% nøyaktighet bestemme hvilket av 12 forskjellige slott en vin var. De 12 omfattet det helt øvre kvalitetshierararkiet i Bordeaux. Sjansen for å gjenkjenne en årgang på tvers av slott var mye dårligere, 50%, men dette er fremdeles meget imponerende. 

Fram til nå har man i analysene av viner fokusert på noen få molekyler som man har tenkt har vært av særlig stor betydning, men slike forsøk og slik forskning har ikke ført til noen særlige innsikter. Det har vært litt som å lete etter nåla i høystakken. Nå er det derimot maskinlæringsalgoritmer som finner mønstre i den gasskromatografiske profilen til vinene, og ser at disse mønstrene gjentar seg fra årgang til årgang. Disse mønstrene er unike for hvert slott som har vært med i undersøkelsen publisert i Nature Communications Chemistry 6 (2023). 

Men hva er det som vises? Noen hevder at dette gir begrepet terroir en vitenskapelig basis, men det er slettes ikke så åpenbart. Bare hvis jorden der drueplantene vokser er avspeilet i den kjemiske sammensetningen av vinen, vil forestillingen om voksestedets sensoriske avtrykk på vinen i glasset ditt få en styrket posisjon. Det er langt fram dit.

For det første skjer det mye med en vin i gjæringsprosessen. Det vil si, det er den at vinen skapes ut av druejuice. Knapt et molekyl forblir uendret. Bare hvis man får de samme resultatene fra analyser av druejuicen som disse slottene bruker, eller fra for eksempel gulerøtter de har dyrket i sin jord, kan vi si at det er jordsmonnet som speiler seg i vinenes gasskromatografiske profil. På toppen av det, er det heller ikke noen enkel sak å hevde at det er akkurat denne profilen man kan smake i vinen. Det er en helt separat sak å begrunne eller bevise. 

Men gjæren kommer da vel fra vinmarken, og er en like stedegen faktor som selve jordsmonnet? Her er det viktig å huske på at det er i kjelleren gjæringen skjer, og der gjærstammer bor og formerer seg. Videre er gjærsporer noe av de mest robuste skapningene man kan finne. De har blitt funnet i prøver fra luften over Grønland blant annet. En av få studier som prøvde å etterspore de gjærstammene som var aktiv i en vin, referert i The Aesthetics of Wine, fant man gjærstammer fløyet inn til kjelleren av innsekter og fra andre siden av planeten der fatene brukt i vinproduksjonen var laget. 

En annen ting er jo at vinen endrer seg i flasken. Vinen er ikke ferdig laget før du drikker den, og det molekylære nivået endrer seg hele tiden. Nok et eksempel på at dette komplekse objektet - vin - unndrar seg enkle forklaringsmodeller. 

Men uansett: Kunstig intelligens, og dens evne til å behandle store mengder data og finne mønstre, vil trolig få stor betydning innenfor vinverdenen på en rekke områder. En slik anvendelse, som jo følger av funnene i den refererte studien, er forfalskninger. Uansett hva den gasskromatografiske profilen egentlig viser, så er den pålitelig for å identifisere viner fra samme slott - men gitt endringene over tid i flaske er det kanskje noe optimistisk å tro at dette vil holde seg over tid.