Gjør KI oss til idioter?

Kunstig intelligens kan analysere, sortere og vurdere raskere enn oss. Men hvis vi lar teknologien ta over treningsarenaen, kan vi samtidig svekke fagkompetansen vi lever av. Det var det tydelige budskapet fra forsker Tor Thorsrud Sporsem ved NTNU da han entret scenen på Landskonferansen for restaurant- og matfag i Stavanger 5. februar.

Ifølge Sporsem utfordrer vår bruk av KI et av de viktigste aspektene ved det å være menneske – nemlig vår tause kunnskap. Taus kunnskap er den typen kompetanse du har i hendene, i blikket, i tempoet – men som du ikke uten videre kan formidle.

Sporsem brukte kokkefaget som eksempel. Et hvilket som helst kjøkkenfantom kan følge en oppskrift til punkt og prikke. Likevel smaker retten annerledes når en erfaren kokk lager den samme retten. Ikke fordi kokken bruker en annen oppskrift, men fordi vedkommende justerer underveis – på basis av taus kunnskap. Smaker. Lukter. Korrigerer. Dette er kunnskap som bygges gjennom øvelse. Repetisjon. Små justeringer over tid. Det er også denne typen kunnskap som ofte ryker først når vi øker bruken av KI og automatisering. 

Når systemet «funker» – men folk fortsatt ringer

Sporsem trakk også frem et eksempel fra industrien. En «fremoverlent» betongprodusent lanserte en ny nettbutikk for varebestilling. Kundene – som alle var profesjonelle bransjefolk – kunne i prinsippet gjøre alt selv. Raskere og mer effektivt. Det var i hvert fall tanken. Likevel fortsatte kundene som før å ringe selgerne.

Hvorfor? Fordi selgerne ikke bare tok imot bestillinger. De tolket usikkerhet. Stilte kontrollspørsmål. Justerte anbefalinger basert på erfaring – sin tause kunnskap.

De fungerte som rådgivere, ikke bare ordremottakere.

For en restaurantleder er parallellen åpenbar. Et system kan sette opp vaktlister. Det kan foreslå innkjøpsvolum. Det kan analysere salgsdata. Men det hører ikke usikkerheten i stemmen til en nyansatt servitør. Det kjenner ikke stemningen i lokalet en lørdagskveld. Likevel er det her at faget lever.

KI finner mønstre – også de feilaktige

Maskinlæring handler om mønstre. Gi systemet nok data, og det lærer hva som «ligner». Men hvis datagrunnlaget er skjevt, kan modellen lære seg feil sammenhenger. I ett eksempel lærte en modell å skille mellom ulv og hund – basert på bildeanalyse. Alle bildene av ulv hadde tilfeldigvis snø i bakgrunnen. KI-modellen lærte dermed at forskjellen på hund og ulv … er snø …

Overført til vår bransje: Hvis en KI-modell analyserer hva som selger mest, vil den naturlig nok foreslå mer av det samme. Men den forstår ikke nødvendigvis hvorfor det selger. Er det prisen? Sesongen? Stemningen? Markedsføringen? Eller kokkens signatur?

Tallene er tydelige. Virkeligheten er mer kompleks.

Den virkelige risikoen

Det mest tankevekkende i Sporsems foredrag handlet ikke om hvor presis teknologien er. Det handlet om hva som skjer med menneskene som bruker den. Han refererte blant annet til en sykehusstudie som viste at særlig yngre leger i økende grad begynte å støtte seg på KI-modeller snarere enn på egen og kollegenes erfaring. Hos pasientene lette de stadig oftere etter hva maskinen «så», i stedet for å trene opp sitt eget medisinske blikk.

Dette er kjernen. Hvis KI tar over de enkle vurderingene, forsvinner treningsgrunnlaget. Og uten mengdetrening blir det heller ingen eksperter.

I restaurantbransjen skjer læringen nettopp i de repetitive oppgavene. Å smake saus etter saus. Å håndtere hundrevis av bordsettinger. Å lese gjester, kveld etter kveld. Å gjøre feil – og rette dem.

Hva skjer hvis kalkylen alltid er ferdigregnet av et system? Hvis menyforslagene kommer ferdig optimalisert? Hvis bemanningen styres av algoritmer som «vet best»? Hvem skal da utvikle dømmekraften?