Håndbok i kunstig intelligens er en praktisk guide til, hvordan man som studerende eller forsker kan anvende forskellige platforme med generativ kunstig intelligens i sit studie eller arbejde. Der er også en række øvelser eller opgaver i bogen, så man kan afprøve en række funktioner, inden man kaster sig ud i det i den virkelige verden, hvor brugen kan have virkelige konsekvenser.

Bogen bygger på en online-ressource, KI-skolen, Goodwin på opfordring har lavet. Dette bærer bogen også præg af, da den ikke virker så sammenhængende og konsistent, som man ofte forventer af bøger. Men det kan naturligvis også skyldes, at hvert kapitel dækker et bestemt emne med sit særlige sigte på, hvordan man bruger en bestemt type af AI eller bruger den til en bestemt type af opgave.

Bogen bærer også præg af, at Goodwin selv er forsker i kunstig intelligens. Hans orientering er meget selve brugen af værktøjet, og i mindre grad den pædagogiske udfordring, som især generativ kunstig intelligens kan udgøre i uddannelse, selvom han også kommer ind på dette. Hans fokus er netop forskeren og den studerende, og ikke underviseren og den studerende.

I første kapitel introducerer Goodwin til, hvad kunstig intelligens i det hele taget er for en størrelse. Og her vil han gerne afdramatisere opfattelsen af kunstig intelligens som noget særligt eller mystisk. “Kunstig intelligens er [...] ikke, som mange tror, en motsetning til ekte intelligens som finnes hos mennesker. Snarere tvert imot. Intelligensen som oppstår i ChatGPT, er akkurat like ekte som intelligensen som har oppstått i deg og meg. […]. Kunstig intelligens er altså helt ekte intelligens, bare i et kunstig materiale” (s.19).

Dermed bliver intelligens forstået som en kvantitativ størrelse, hvor beregningskraften er det afgørende. “Jo flere kunstige nevroner du får plass til i modellen, desto mer intelligent blir den” hedder det da også få sider længere fremme (s.23).

Denne definition er bestemt ikke noget, intelligensforskere er enige om, selvom der findes mange forskellige definitioner på intelligens. Tony Prescott definerer i The Psychology of Artificial Intelligence intelligens på følgende måde: “Vi er intelligente i den forstand, at vi handler hensigtsmæssigt i det miljø, vi lever i, sørger for vores eget velbefindende og (forhåbentlig) når vores personlige mål”. Og det er meget almindeligt netop at inddrage en verdensforankring, erfaringer, kropslighed og den slags i definitioner på intelligens. Her handler det ikke kun om beregninger, men om sansninger, følelser og oplevelse af nærhed til andre. I et senere kapitel hos Goodwin hedder det sjovt nok også: “Språkmodeller mangler kontekstforståelse og har ingen egne erfaringer (og for all del ingen bevissthet) slik mennesker har. De forstår ikke verden i egentlig forstand, men beregner hva som sannsynligvis kommer neste i en tekstsekvens basert på statistiske mønstre” (s. 74). Lidt forvirrende. Jeg tror, det er vigtigt, at vi ikke forveksler kunstig intelligens med menneskelig intelligens.

Noget man kan bruge teknologien til er at få forbedret sit sprog, når man skriver eller skal formulere noget; Godwin kalder det for “sprogvask”. Det kan være vigtigt i visse sammenhæng at få ens sprog til at lyde formelt korrekt. Det kan også være en måde at lære at udtrykke sig på inden for forskellige genrer. Og hvis man grundigt overvejer de ændringer eller formuleringer, som man går genereret, så kan man blive klogere på sin egen sprogbrug og på sproget generelt.

Men Goodwin advarer også imod at bruge teknologien til at skrive for sig; at overlade formuleringerne til en sprogmodel. Der gemmer sig mange udfordringer, når man beder om at få sprogvasket en tekst. Hvor meget skal ændres for at der er tale om den samme tekst eller om, at forfatteren stadig er brugeren af sprogmodellen? Hvis studerende får en tekst lavet om fra hverdagssprog til akademisk sprog, lærer de så selv at bruge det fagsprog, som kendetegner det fag eller den profession, som de er ved at uddanne sig til? En faglig identitet er i høj grad bygget op omkring det fagsprog, som kun de indviede behersker - og omvendt er man kun fuldgyldig medlem, når man bruger fagsproget og gør det korrekt; og ikke som lægfolk.

Goodwin peger på, at det grundlæggende handler om at have og bevare kontrol over sin egen tekst. Men det handler også om, at teksten let bliver meget generisk og favoriserer en bestemt gennemsnitlig skrivestil, hvis man overlader det til en teknologi, der netop bygger på gennemsnitlige ordsammenstillinger. Man måske er det vigtigste, at “arbeidet med å forme egne setninger, bryne seg på språket og bearbeide egne tanker helt sentralt for å forstå eget arbeid. Jeg er neppe alene om å oppdage mye gjennom selve formuleringen, både hva jeg faktisk har gjort og hva jeg egentlig mener” (s 99)

At skrive eller generelt at eksternalisere det, man tænker, er en del af en proces, hvor man ræsonnerer. Tanker bliver ikke færdige inde i hovedet på folk; de kan ikke bare iklædes en sprogdragt, når de kommer ud. Tanker er dynamiske og bliver til i dialogiske eller måske rettere kakofoniske processer, hvor de forskellige dele er med til at forme den endelige tanke, som ganske vist også kun er foreløbig. Derfor er skriveprocessen for studerende og for forskere en vigtig del af arbejdet og ikke kun en repræsentation af dette arbejde. Dette er en meget vigtig pointe i bogen.

Derfor er det også lidt underligt, når Goodwin skal anvise gode måder for studerende at bruge generativ kunstig intelligens, at han ikke holder mere fast i den kontrol, han peger på med risici ved sprogvask.

Et eksempel er, når han beskriver, hvad den studerende kan bruge teknologien til, når de fx skal skrive en bacheloropgave (s.144ff). Her peger han på, at de fleste store sprogmodeller har særlige tutor-opsætninger, hvor sprogmodellen ikke svarer, men snarere guider den studerende som en afart af sokratisk dialog. Sprogmodellen bliver en hjælper, som ikke skal svare for den studerende, men snarere hjælpe den studerende på vej.

Med udgangspunkt i Geminis ´guided learning´ viser forfatteren, at den studerende kan prompte, at han eller hun har brug for hjælp til at skrive en artikel om teknologi og vil have hjælp til at komme i gang. Modellen giver ikke ét konkret svar, men kommer med tre forskellige retninger og beder den studerende vælge retning. Derefter kan det så gå skridt for skridt.

Men er det en god læreproces? Nej, det er det ikke. Det er måske marginalt bedre end bare at få en chatbot til at levere output, som den studerende kan anvende som svar på en opgave. Men den studerendes hjerneaktivitet er skruet ned til et minimum, hvor hun eller han kan vælge mellem forskellige retninger, som er blevet genereret uden hensyntagen til den studerendes sammenhæng eller andre vigtige forhold. Selvom den kun stillede spørgsmål, så ligger der altid et bestemt perspektiv og forståelse i et spørgsmål. Dette vil også svække brugerens kontrol over processen.

Når studerende skal arbejde med chatbots som en tutor, bør man altid få dem til selv at bidrage først. Man bør også få de studerende til at overveje, hvorfor de skal bruge en chatbot i denne konkrete sammenhæng, til hvad og med hvilke mulige udbytte.

Dette gælder i høj grad også, fordi der ligger bestemte værdier i chatbots, som præger den måde, den kommer med sine outputs. Det kalder man bias, som Goodwin også beskriver i et kapitel om “etik og faldgruber”. ”KI-modeller trenes på enorme datamengder, men disse datasettene inneholder allerede eksisterende kulturelle, politiske og sosiale fordommer. Dette kan føre til skjeve analyser og utdaterte konklusjoner” (s. 303).

Er man virkelig interesseret i, at dette skal være grundlaget for en god læreproces for studerende? Jeg tror, det er vigtigere, at studerende lærer at anvende de generelle sprogmodeller, så de bevarer kontrollen over processen i stedet for at overlade kontrollen af processen til en tvivlsom digital tutor.

Der er mange gode instruktioner til, hvordan man konkret kan anvende generativ kunstig intelligens som studerende eller som forsker i bogen. De mange opgaver ligner hinanden for meget i forhold til at udvikle forskellige færdigheder, men det er fint, at man kan øve sig.

Jeg synes nogle af eksemplerne på brug er lidt underlige og virker lidt tilfældigt udvalgt i forhold til at være en hjælp for studerende. Det bliver også lidt underligt om vibe coding, hvor der bruges meget plads til at vise, at man kan få lave flotte demonstrationshjemmesider til forskningsprojekter. Men måske hænger det mere sammen med, hvad forfatteren havde ved hånden?

Forfatteren peger på, at mange studerende føler sig svigtet i forhold til at bruge generativ kunstig intelligens på deres studier, fordi der ikke bliver undervist i det. Det er en god og vigtig pointe. Alligevel vil jeg ikke anbefale denne bog som støtte for et sådant forløb, selvom man kan bruge mange af øvelserne. Men som studiebog kommer den for vidt omkring og virker ikke tilstrækkeligt fokuseret.