Hvordan ser KI?

Å gjenkjenne er ikke å forstå

Telefonen låser seg opp når den ser ansiktet ditt. Fotoappen finner «hund» blant tre tusen bilder. Men hva vil det egentlig si at en maskin «ser»? AILit-rammeverket gir det nøkterne svaret: moderne modeller bruker sannsynligheter til å generere og tolke avansert innhold på tvers av modaliteter — tekst, lyd og bilde. Det maskinen gjør med et bilde, er mønstergjenkjenning: den sammenligner pikselmønstre med mønstre den har sett i treningsdataene, og regner ut hva som er mest sannsynlig. Den gjenkjenner — men den forstår ikke. Modellen vet ikke hva en hund er; den vet hvordan hunder pleier å se ut i dataene dens.

Skillet høres filosofisk ut, men blir raskt praktisk. En modell som har lært «hund» fra tusenvis av vanlige hundebilder, kan bomme fullstendig på en hund i kostyme, en hund fotografert rett ovenfra eller en skulptur av en hund — fordi mønsteret bryter med eksemplene. Der et barn bruker kontekst og begreper, har modellen bare statistikk. Det er også derfor det språklige er viktig: sier vi at modellen «ser» og «forstår», tilskriver vi den evner den ikke har.

Så kommer det alvorlige laget. AILit løfter fram at KI kan forsterke samfunnsskjevheter, og bruker nettopp ansiktsgjenkjenning som eksempel: systemer har vist seg å prestere ulikt på tvers av demografiske grupper. Forklaringen ligger sjelden i ond vilje, men i datautvalget — hvem som er godt representert i treningsdataene, og hvem som knapt finnes der. En modell som har sett få ansikter av én type, gjenkjenner dem dårligere. Når slike systemer brukes til adgangskontroll, overvåkning eller identifisering, blir en teknisk skjevhet til en urettferdighet som rammer mennesker.

For klasserommet er bildegjenkjenning en gave: den er konkret, elevene møter den daglig, og den kan utforskes uten at noen logger inn på noe generativt verktøy. Elevopplegget Hvordan ser KI? lar elevene undersøke hva en bildemodell ser og overser. Din egen jobb i denne modulen er å gjøre samme oppdagelse først — og å legge merke til hvor lett også du sier «den forstår».

Legg til slutt merke til hvor godt temaet passer den norske situasjonen: bildegjenkjenning kan utforskes analogt eller med ikke-generative verktøy, og handler om å lære om KI — ikke om at elevene bruker generativ KI selv. Det gjør «hvordan ser KI?» til en av de tryggeste inngangene til KI-undervisning på alle trinn, samtidig som den fører rett inn i noen av feltets viktigste spørsmål om representasjon og rettferdighet. Få temaer gir så mye kritisk dybde for så lav teknisk terskel.