Frygtøkonomi og AI til cykelsmeden

Hvis jeg træner min egen diffusionsmodel fra bunden på min bærbare, i omkring fem timer, på billeder jeg selv har taget, og uden at bygge oven på en model, andre har lavet, ødelægger jeg så naturen? Den bruger strøm nok til, at jeg kan mærke det på elregningen og på maskinens varme, og ikke mere end det. Er det, jeg har programmeret med mine begrænsede evner, intelligent og på vej til at overtage verdensherredømmet? Nej. Modellen er trænet på billeder af blå ting, jeg ejer, og den kan ikke andet end at lave nye billeder baseret på dem. Til gengæld giver den mig en måde at se hverdagens ting på, hvor farve og tekstur kommer før komposition og motiv.

Forskellen på det her og de modeller, man betaler for at bruge gennem en hjemmeside, er skalaen, og at jeg kan se, hvad der foregår. Min bærbare bliver varm, mens den regner, så strømmen er noget, jeg står med. At min model kun kan lave blå ting, at den gør det i lav opløsning, og at resultatet ikke ligner et foto, følger af de fem timer, jeg brugte på at lave den, og af de billeder, jeg valgte at give den. Jeg ved, hvor modellens begrænsninger kommer fra. De følger af, hvor kraftig en maskine jeg har råd til, og hvor godt jeg forstår matematikken og programmeringen bag. De er noget, jeg kan arbejde med, ikke fejl ved en vare.

Det, der kaldes træning, er en statistisk tilpasning. Der regnes ud, hvor langt modellens gæt er fra billedet, og tallene i den justeres, indtil afstanden i gennemsnit bliver mindre. Ordet gør den mere lig os, end den er, ligesom selve ideen om kunstig intelligens gør det, og det samme gælder resten: modellen lærer, husker, hallucinerer, forstår. Sproget risikerer at gøre matematikken til noget mystisk og skjule, hvad der faktisk sker. På samme måde dækker AI-begrebet over, at noget bliver udeladt, at nogen har valgt dataene, og at der står en regnemaskine et sted og bruger strøm, ikke en sky. Hvis man tror, en model lærer, kan man hurtigt komme til at skælde den ud eller rose den for det, den laver. Den er beregnet ud fra bestemte data af mennesker med bestemte ideer om verden, og de ideer former både algoritmerne og den måde, dataene bliver fortolket på. Så kan man spørge, hvem der valgte materialet, hvad der kom med, og hvad der røg ud.

At lave teknik uden for markedet har vi gjort før her lokalt. Den tidlige arbejderbevægelse er ét eksempel, andelsbevægelsen og højskolerne andre. Andelsmejerierne var udstyr, den enkelte ikke havde råd til alene, og som derfor blev ejet i fællesskab. Maskinerne stod i stuen eller i et fælles hus, og viden om dem blev delt gennem foreninger, aftenskoler og forsamlingshuse frem for gennem en uddannelse, man købte. Radioamatører byggede deres egne sendere. Demoscenen og hjemmecomputerfolkene i 80'erne skrev kode, der ikke skulle sælges til nogen. Fælles for dem er, at kunnen og udstyr fandtes uden for både de store virksomheder og universiteterne, og at det blev holdt i live af folk, der ejede det sammen eller ikke levede af at sælge det. Det er den slags ejerskab, spørgsmålet om lokale modeller handler om. De traditioner burde fylde mere i den politiske samtale om kunstig intelligens, end de gør.

En model, man har lavet til sit eget brug, er ikke ubrugelig. Den er brugbar på andre måder end de globale. Den behøver ikke at kunne bruges af særligt mange, ikke at tjene sig ind ved videresalg og ikke at klare sig i en konkurrence med andre modeller, så længe den kan løse de opgaver, den er lavet til.

Forskellen på en lille lokal model og de store er ikke kun størrelsen. Den store skal kunne svare på alt, og det sjældne er derfor ikke med i den. Dens ressourceforbrug mærkes ikke lokalt som varme eller elforbrug, men ligger i et datacenter et andet sted. Man ved ikke, hvad for noget materiale den er lavet på basis af, og den kan blive lavet om, koste noget andet i morgen eller lukke uden varsel. Den model, man har lavet selv, er kun lavet til ét formål, koster den strøm og de timer, man selv står med, og svarer det samme i morgen, som den gjorde i går.

Når der tales om AI i medier og i politik, er det næsten altid de store virksomheders modeller, der bliver omtalt som verdensomstyrtende. Tit på grundlag af virksomhedernes egne udmeldinger, og af de samme virksomheder, som bliver spurgt til råds, når teknologien skal reguleres. Både begejstring og bekymring i offentligheden tager virksomhedernes egen beskrivelse for givet. Frygten er en del af varen: en teknologi, der beskrives som farlig nok til at ændre verden, er samtidig beskrevet som vigtig nok til at investere i. Det, der ikke er stort nok til at være farligt, er heller ikke stort nok til at blive talt om.

Med sådan en offentlig samtale kommer man let til at forveksle de store virksomheders kortsigtethed med teknologiens muligheder. Kravet om, at en model skal kunne betjene millioner af forskellige behov, kommer fra den måde, den er finansieret på, ikke fra matematikken eller dataene selv. Og det krav medfører, at den skal kunne svare på alt, så det bliver afgjort inde i en virksomhed, hvad der er udbredt nok til at komme med. Ingen får at vide, hvilke data der blev valgt fra, da modellen blev lavet, eller hvordan. Man opdager det først, når man spørger om noget, der gælder ens eget fag eller ens egen kommune, og får et svar, der er forkert på en måde, kun man selv kan se, fordi man har den lokale viden eller fagligheden.

En progressiv og demokratisk diskussion af det, der kaldes AI, har mere at hente ved at se på, hvad små lokale modeller kan bruges til, end ved at følge med i testresultater for de store kommercielle modeller. Det demokratiske ligger ikke i ordet, men i betingelserne: man skal have adgang til en maskine og noget tid frem for penge, ressourceforbruget bæres og mærkes af den, der bruger modellen, og den kan laves til opgaver, der er for små eller for lokale til, at nogen ville sætte et produkt i verden for dem.

Der er ingen grund til at være med i kapløbet om at bruge flest ressourcer, og heller ikke i den frygtøkonomi, der følger med.

Det er også den vej, man kommer frem til netop den model, en jysk blikkenslager eller en fynsk cykelsmed kan bruge. Det, der ikke er med i de store modeller, er det, som kun få ved noget om.

Aftenskolerne, bibliotekerne og skolerne findes stadig, men de køber i dag adgang i stedet for at have maskiner. Når de køber færdige licenser hos de store platformsudbydere, fordi det er billigere på papiret end at have maskiner og folk, der kan bruge dem, bliver teknologien noget, man kobler sig på og betaler for hver måned. Så ser man ikke nogen grund til at bygge kunnen og udstyr op lokalt og har heller ikke plads til det, selvom det på lang sigt kunne give modeller, der passer bedre til de mange forskellige liv, der leves forskellige steder.

Samtidig har hverken befolkningen eller beslutningstagerne haft mange muligheder for at se, hvad der foregår bag hype og dommedagsprofetier, og derfor bliver der ikke stillet krav om andet end mere af det samme. De offentlige penge går til licenser i stedet for til maskiner, åbne systemer og steder at undervise, og det bekræfter indtrykket af, at teknisk kunnen hører til hos eksperter og virksomheder. Der skal være noget at forestille sig, og et sprog at tale om en demokratisk digital infrastruktur i, før nogen kan bede om den eller arbejde politisk for den.

Infrastrukturen ændrer sig ikke af sig selv. Det kræver, at digital kunnen holder op med at være et spørgsmål om at manipulere og gennemskue svarene fra en lukket chatbot og bliver til håndværk og viden, man kan bygge videre på. Alle skal ikke være dataloger. Men fællesskabet skal stille lokaler og maskinkraft til rådighed, så den lokale nysgerrighed har et sted at være på sine egne betingelser, hvis vi ikke skal være abonnenter på livstid eller lave blege kopier af de kommercielle modeller med deres uholdbare ressourceforbrug.

At lave sine egne modeller kræver langt færre ressourcer, men det kræver tid og kunnen, og de er ikke jævnt fordelt. Fortsætter man med at satse alt på de store modeller, bliver forskellen på dem, der kan lave noget selv, og dem, der kun kan købe sig adgang, blot større og forstærker de forskelle på rig og fattig, der allerede vokser. Og satser man på de små modeller uden aftenskoler, værksteder og biblioteker, bliver de et privilegium for dem, der i forvejen har fritid og forudsætninger. Det er den samme ulighed en gang til.

Vil man faktisk styrke demokratiet og give flere selvbestemmelse og adgang til teknologi, skal man skabe en billig, spredt og tilgængelig digital infrastruktur. Det kræver, at man ikke bygger videre på de store modeller og dermed overtager deres ideologi og mangler. Om det lykkes, kan man se på, om en kunstner, en tømrer og en, der bor på en ø, kan få fat i maskiner og hjælp til at lave en model, der er tilpasset det, de selv laver, og ikke prøver at svare på alt.