Techttopia er en ugenlig podcast om mennesker og deres teknologi, udgivet af ingeniørforening.pås. indrækning IDA i samarbejde med punktum.dk og IDA Forsikring. Mit navn er Henrik Føns og det er mig, der bestemmer ID. Techttopia. Techttopia har herefter sommerferien haft en lille serie om, hvordan sprogmodeller måske forandrer vores verden, og det at være mindst, indrækker vi, at vi skal løbe indrækker på en lille serie omkostninger, og det er en lille serie omkostninger ved at bruge generativ AI, altså helt specifikt de store sprogmodeller, som fx ChatGPT. Har vi egentlig styr på, hvordan brugende generativ AI påvirker vores evne til at tænke og resonere selvstændigt? Fordi allerede nu, der har vi jo faktisk svært ved at huske telefonnummer eller finde vej, fordi vi har overladt lige nok de opgaver til vores smartphone. Spørgsmålet er så, hvad der sker med os, når vi overlader endnu flere opgaver til services som ChatGPT og GROC og Gemini, hvad de ellers er. Har det en indflydelse på vores ukommelse, på vores evne til indlæring og vores evne til at tænke kritisk? Allerede nu, der taler forskere om kognitiv aflæring, de første studiefænomener, de er lavet. På den anden side, så kan man jo også sige, at generativ AI kan gøres bedre og hurtigere til at løse svære opgaver. Så svaret er ikke entydigt. Derfor er der god grund til at kigge ned i den her historie. Tak, Torp. Min kollega Janne Deneke inviterede lektor-pvd'en, at han er inde fra ITU i studiet for at høre om hendes forskning i forholdet mellem menneske og generativ AI. Vil du starte med kort at præsentere dig selv? Hvem er du, og hvad arbejder du med? Ja, jeg hedder Nana Ini. Jeg er assistant professor på IT-universitetet i København. Jeg sidder i det, der hedder Center for Computing Education Research og arbejder med HCI, eller Human Computer Interaction, det vil sige at studere, hvordan mennesker interagere med maskiner. Ja. Der har jo længe været en frygt for, at robotter ville overtage de manuelle jobs, men nu er det i stigende grad vidensarbejderen, der bliver påvirket. Hvordan har AI ændret arbejdet for folk, som laver vidensarbejde? Og kan du lige sætte et par ord på, hvad vidensarbejde er? Ja, vidensarbejde, det er arbejde, som er karakteriseret af ikke rutinepræget opgaver, altså hvor vi faktisk bliver betalt for at tænke ud af boksen, eller at løse uforudsete problemer, eller bruge vores ekspertviden til at løse problemer, vi måske ikke har løst før. Og vidensarbejder bliver betalt for deres unikke ekspertiser, frem for at udføre arbejde, som er rutinebredet og er den samme opgave med den samme løsning hver gang, som for eksempel måske en tømmer eller en mur, hvor der forventes en vis rutinemæssig standard, så bliver vidensarbejder betalt for at levere en unik løsning hver gang, fordi deres ekspertise er ligesom at tilpasse de her forskellige arbejdsopgaver. Og AI, eller i den forstand, som er generativ AI, fordi AI og maskinenlæring er ikke helt det samme som sprogmodeller, selvom det bliver brugt meget synonymt nu. Generativ AI er specielt, fordi det kan ligesom gå ind og erstatte nogle af de her opgaver, som traditionelt set har været reserveret til vidensarbejde, for eksempel at komme med nye outputs på nye problemer, modsat mere traditionel AI, hvor man har sagt, at her en masse tal gør de rutinemæssige beregninger ud, før de rutinemæssige beregninger på det. Så sprogmodeller er ligesom specialiseret i at komme med det output, man ikke kunne have forventet. Er det rigtigt forstået, at du mener, at AI ikke kun overtager opgaver, men også ændrer selve måden, som vi arbejder og tænker på? Ja, der er mange typer af arbejdsopgaver og vidensarbejdsopgaver, hvor man bruger generativ AI til at komme med et udkast, og vores arbejdsopgaver ændrer sig så på den måde, at vi ender med at blive mere, vi skal mere dobbelt tjekke det output, der kommer ud frem for at skabe det selv. Ja, og når vi taler om AI-vidensarbejde, så er der jo en stor debat i gang. Overtager AI vores opgaver, eller ændrer den blot karakteren af dem? Altså er vi i virkeligheden vidne til en forskydning, hvor vi i stedet for at miste vores arbejde, så får vi nogle helt andre typer opgaver, og dermed bruger vores kognitive ressourcer på nye måder? Der er jo lavet undersøgelser af, hvad de mest typiske brugsformer for generativ AI er, og på plads nummer 1 i top 10 af den liste, der er terapi, og det er selvfølgelig ikke en arbejdsopgave. Men jeg tror, der er også lidt udflydende grænser for, hvad folk bruger det til i deres arbejdsopgaver, og hvad folk bruger det til i deres privatliv. I arbejdsopgaver, der kan jeg simpelthen ikke, jeg ved det faktisk ikke, fordi der er ikke rigtig nogen andre, end OpenAI og de andre udbydere, der ved, hvordan brugen regel ser ud. Man siger jo, at hjernen er som en muskel, der skal trænes. Hvad sker der, når vi overleder vores kognitive opgaver til AI, som for eksempel analysevurdering eller skrivning? Altså der sker jo det, at vi ikke selv skal bruge energi på opgaven, først og fremmest, og hvad det så har af konsekvenser på langt sigt, det ved vi ikke, men vi kan gisne om det. For eksempel ved vi, at de individer, der er mere kognitivt aktive i deres liv, de har en tendens til at have bedre kognitiv funktion, både nu og her, og også på langt sigt. Altså de har simpelthen mindre svind i kognitive evner over tid. Det leder videre til et nyt studie fra MIT, som jeg gerne lige vil tale med dig om, som viser, at brugerne, der skriver essays med hjælp fra Tjæk-Gbt, de udviser laver hjerneaktivitet i sprog- og hukommelsesområder. Og at denne reducerede aktivitet også ses, når de senere skriver uden AI. Understøtter det din forskning i de kognitive omkostninger ved brugen af generativ AI? Ja, jeg synes det bekræfter, og det giver jo også god mening, fordi det var et trætrinsstudie, eller trægruppering, hvor der var en treatment, som man siger, der var uden hjælpemidler, og så var der en treatmentgruppe, som måtte bruge en almindelig Google-søgning, og så var der den her sprogmodel, jeg tror det var til at give, ja det må det være, for det stod i titlen, til LGBT-gruppen. Og man kunne så se, at deres aktivitet var højere, jo mindre hjælpemidler, de havde, hvis man siger Google-søgningen, det er sådan ind imellem kun at bruge sin egen hjerne, og så at bruge en sprogmodel, der kan levere svarene for en. Og så aktiviteten var faldende med, jo mere hjælpemidler, man havde, og det giver jo sådan set meget god mening, det er sådan rimelig intuitivt. Ja, netop, fordi man ser jo, og som du er inde på i studiet, at deltager, der skrev uden AI, og først bagefter redigerede med chat-GBT, de havde højere hjerneaktivitet, og samtidig bedre hukommelse og dybere læring. Men hvad siger det om, hvordan rækkefølgen og måden, vi bruger AI på, kan påvirke vores læring- og kreative evner? Jeg synes, det er et særligt spændende studie, fordi det ligesom siger noget helt fysisk om, hvordan viden bliver integreret. Jeg læste lidt om et andet studie, hvor de studerede, hvordan mennesker løser problemer, og de så, at dem, der generelt skruer højere i intelligens, har en tendens til at bruge længere tid på problemløsning i stedet for kortere. Det vil sige, at intelligente mennesker ikke er nødvendigvis hurtigere til at løse problemer. De bruger længere tid på det, og det betød, at den viden, de interagerede med i problemløsningen, den var integreret bedre på langt sigt. Man taler jo meget om begrebet cognitive offloading, altså at vi lægger tanker og problemløsning uden for os selv. Vi har jo også vendet os til for eksempel GPS og lommeregner. Giver af i os nye evner, samtidig med, at vi aflærer gamle? Det muliggør i hvert fald nogle nye ting, eller åbner for nogle nye horisonter og perspektiver, og det er ikke nødvendigvis dårligt at bruge redskaber til at hjælpe os med at tænke mere. Det er som udgangspunkt en god ting, men problemet er måske, at hvis vi tænker på redskaber, som de har en pragmatisk værdi, altså de hjælper os med at løse et problem, og så har de en epistemisk værdi, altså vi lærer noget af dem. Som for eksempel lommeregneren, den har den pragmatiske værdi, at vi kan regne hurtigere, og så har den den epistemiske værdi, at den muliggør løsningen af nye regnestykker, som vi ellers ikke kunne løse, og det er der også en viden i. Men hvis vi kigger på sprogmodeller, så kan vi se, at der måske og måske ikke er en pragmatisk værdi i, at vi måske ikke løser problemer hurtigere eller bedre, men vi kender simpelthen ikke den epistemiske værdi af sprogmodellerne, og det er det, der er lidt risky. Vi ved ikke, hvad konsekvensen er ved at overflåte vores problemløsning. Hvordan mener du, at man balancerer AI i undervisningen? Der er sådan en ret stor jurighed efter, at vi skal integrere AI i undervisning, og de børn og unge skal lære at bruge det ordentligt, men jeg synes, det er lidt the blind leading the blind. Da lommeregneren blev opfundet, der gav man den heller ikke bare til børnehaveklasser børn og sige, det er jo nu, vi er nødt til at bruge det, fordi den eksisterer. Så jeg synes ikke, man partout skal integrere det i undervisningen, men jeg forstår også godt, at nu vi ser, at teknologierne er her, så er vi nødt til at prøve at være forsvarlig omkring det. Min fornemmelse, når jeg har talt med læger, er, at de er skidedygtige, og de har en god forståelse af, hvad der er fornuftigt og hvad der ikke er fornuftigt. Og jeg synes, de læger, jeg hører om, som laver øvelser med de her teknologier, de er enormt dygtige og enormt kreative til at bruge dem på en måde, som er i overensstemmelse med den faglighed, de allerede har. For den faglighed forsvinder jo ikke bare, fordi der er et andet redskab tilgængeligt. Og så har jeg også en oplevelse af, at læger er enormt nysgerrige efter at forstå, hvad er de eventuelle utilsigtede konsekvenser ved det her, hvad skal vi være opmærksomme på? En helt anden hurtighed og opmærksomhed, end der måske var tilfældet, dengang telefoner, altså smartphones blev mere udbredte, og sociale medier og sådan noget, vi taler stadigvæk om, skal vi lægge smartphones væk? Men det var ikke det, vi skulle til at begynde med. Så det har taget noget tid at komme dertil, hvor vi har en bedre forståelse af, hvad er de negative konsekvenser så ved f.eks. sociale medier og telefoner. Og på den måde er det rigtig fedt at se, at der er den her hurtighed i løsen til at gøre sig klogere på, hvad kan konsekvenserne være ved brug af de her sprogmodeller. Er en del af arbejdet ikke også, at vi skal lære at bruge AI rigtigt? Vi skal lære at forstå, hvordan man interagerer med sprogmodeller og tolker deres svar. Det man også kalder input-output-mekanismen. Ja, jeg synes, der er en ret stor læringsopgave lige pludselig flyttet over på underviserne, som de måske ikke helt har bedt om. Men nu skal de jo ikke kun lære børnene og de unge og studerende og voksne for den sags skyld at bruge teknologierne. De skal også lære dem, hvordan man lærer, fordi de skal også lære dem at blive bevidste om, hvad det her svar er, det som jeg lærer det mest muligt af. Og der er min fornemmelse, at forskningen faktisk heller ikke helt ved, hvordan vi gør det. Og problemet er også lidt, at vi ikke har nogen kontrol over, hvordan de her teknologier ligesom er, fordi vi bruger bare chat-GPT åbent. Vi har ikke mulighed for at integrere det i et andet system, der måske giver nogle stiliseringsmekanismer for at sige, okay, hvis det her var svaret, hvad skal du så forholde dig kritisk til? Eller vi får ligesom ikke rigtig mulighed for at designe de her værktøjer, som tilbyder nogle stopklodser eller mekanismer. Så skal man i hvert fald designe specialiseret forløb til, hvordan man bruger det. Og problemet er, når outputtet altid er totalt uforudsigeligt, så er det svært at lære nogen, hvordan man prompter godt, fordi det vil være forskelligt hver gang. Promptet vil være forskelligt, og outputtet vil være forskelligt. Det er ligesom det, der er i teknologierne. Kan man sige, at AI også demokratiserer viden, fordi teknologier som sprogmodeller giver adgang til kompetencer, som tidligere krævede lange uddannelser? For eksempel så kan man jo våge den påstand, at alle kan lære at programmere i dag med chat-GPT. Hvad tænker du om det? Jeg er sådan lidt loren ved at acceptere, at AI giver adgang til nogle kompetencer, fordi dybest set giver det et tekst-output. Hvis der er nogen mening og nogen viden og nogen information i det, så kommer det alene fra den, der læser det. Der er ikke nogen viden indlejret i det tekst, der kommer. Det er ligesom forskellen på data og information. Det bliver først til information, når vi gør noget med det. Så hvis der er noget indlejret i, så er det i hvert fald ikke kompetencer. Hvis man får kompetencer, så er det dem, man selv tilegner sig. Jeg ved ikke, om jeg synes, der er rigtig meget demokratisering af nogle tekniske perspektiver, som kan være tilgængelige for dem, der så har adgang til en sprogmodel og en computer. Men jeg ved ikke, om der er en vennligvis af kompetencer i dem. Ikke isoleret set i hvert fald. Jeg synes, der er rigtig mange accessibility-ting. Der kan være mulighed for, at dem, der er ordblinde, får lejlighed til at udtrykke sig på en måde, så de bliver betragtet på lige fod med dem, der måske ikke har de samme vanskeligheder. Og så kan der være noget med svagt seende eller hørende, som får nogle andre kompetencer. Det er sådan lidt en anden kategori, og en, jeg er kæmpe fan af. Det er super fedt, når de her teknologier kan bruges til at højne niveauet for dem, der ellers ikke havde adgang til det. Men det er lidt en anden kategori, end når vidensarbejdere bruger værktøjerne til at erstatte nogle processer, de faktisk godt selv kunne udføre. Kan man forestille sig en fremtid, hvor unge fravælger en videregående uddannelse, fordi det bliver nemmere at tilgå viden med AI? Jeg tror og håber på, at der er en grund til, at undervisere og lære findes. I princippet kunne vi også godt selv have sat os ned på biblioteket og have læst alle bøger om et emne, og ville vi så have fået de samme kompetencer som at tage en lang videregående uddannelse? Nej, vi ville sikkert have fået nogle andre kompetencer, som dem på uddannelsen ikke havde fået at vise værre sig. Der er en grund til, at der er en styrke i en underviser, som guider en gennem materialet og giver feedback på, når man prøver at løse problemet på en måde, at man også kunne have gjort det på en anden måde. Og man kan sige, at den feedback er selvfølgelig mere tilgængelig, hvis man bruger språmodeller. Men jeg kan ikke forestille mig en verden, hvor der ikke altid vil være en værdi i at have menneskelige undervisere og menneskelige feedback. En anden artikel, jeg gerne lige vil vende med dig. Microsoft Research har i 2025 publiceret en artikel, der hævder, at brugen af generativ AI reducerer brugernes kritiske tænkning. Men artiklen undersøger primært brugernes opfattelse af deres kritiske evner, så ikke den faktiske kognitiv præstation. I din kommende research, der søger du, så vidt jeg har forstået, at måle kritisk tænkning kvantitativt. Altså, hvordan brugen af for eksempel Tjek-GPT påvirker konkrete kognitive færdigheder og tænkning? Ja, altså der er en forskel på, om man ligesom tester folks opfattelse af noget, de har gjort, eller noget, de reelt har gjort. Vi kan også kalde det deres attitude eller deres behavior. Og det, som det her studie gjorde, det var at bede folk om at liste nogle eksempler på opgaver, hvor I har brugt generativ AI i en eller anden form, hvordan de har brugt det. Og så selv bede dem om at vurdere, hvor højt op på den her skala af kritisk tænkning, de ligesom er kommet. Og det er sådan ret besynderligt, fordi vi kan jo ikke vide, om to deltagere vurderer kritisk tænkning på samme måde. Og de skriver også selv i artiklerne, at det er en proxi for kritisk tænkning. Det jeg så godt kunne være interesseret i, er, kan vi designe en form for eksperiment condition, hvor man bruger generativ AI i en proces og ikke kun måler outcome, altså hvor godt er resultatet, der kommer ud, men også hvor godt har de integreret den viden, der ligesom er, eller hvordan har de brugt den viden, der er tilgængelig i problemstillingen, hvilke alternativer har de tænkt på, og sådan alle de her former for, eller udtryk for kritisk tænkning, som vi kender til. Og jeg har ikke svaret på det nu, for det vil formodentlig tage rimelig lang tid at udvikle bare eksperimentet, men jeg kunne rigtig godt tænke mig at udforme en form for testmiljø eller scenarie, hvor vi kan måle en mere praksisnære og mere bred spektret praktisering af eller eksekvering af kritisk tænkning, når man bruger generativ AI. Men i din kommende research, altså hvordan påtænker du at måle det kvantitativt? Jeg er i gang med et studie, designet lige nu med nogle kolleger fra USA og en kollega fra ITU, hvor vi snakker om et scenarie, hvor lad os sige, at du som borger bliver bedt om at vurdere, skal vi integrere det her AI-system i en eller anden praksis? Det kunne for eksempel, der var det der relativt omtalte for nylig, den der brug af AI til at vurdere, om folk er ved at få et hjerteanfald eller ej. Version 2 har skrevet om det for nyligt. Nå, men lad os så se, jeg er beslutningstager, og jeg skal finde ud af, vil det her system være en god idé at integrere eller ej? Og i sådan nogle beslutningsprocesser, der har man jo ikke prøvet systemet. Ofte så vil man læse et eller andet løfte om, hvad det kan, og så må man testere. det i praksis, ikke? Og hvis vi så forestiller os, at du får en eller anden form for pitch af det system, og så beder jeg dig om at vurdere, er det en god idé eller ej. Dernæst bliver du bedt om at læse andre menneskers argumenter for og imod, tage stilling til det, eventuelt komme med dine egne argumenter for og imod, og efter så at have interageret med den her fælles samlede videns database, så skal du så igen afgive en eller anden form for vurdering, at det her er en god idé, hvorfor og hvorfor ikke. Og tanken her er, at når vi har, altså beslutninger bliver sjældent taget i et vakuum. Man har jo altid adgang til noget andet viden, og noget bag, altså, eller hvad skal man sige, noget viden, man kommer ind i situationen med, og måden man så integrerer viden i problemstillinger, måden man bruger det på, og evne til at forestille sig andre scenarier, det er ligesom et udtryk for ens kritiske sans, ikke? Altså ens evne til at forestille sig alternativer, frem for at kritiske er ikke bare evne til at sige nej. Det er mere evne til at forestille sig alternativer til at lave en syntese af den viden, man ser præsenteret til at analysere problemstillinger og dele den op osv. Det kan også være evne til at, lad os lige sige, vi tæller antallet af risici, en person kan forestille sig, og ligesom, ja, for at finde de her sådan mere kvalitative parametre, som vi dog kan tælle, som dog kan være et udtryk for, at personen tænker kritisk om en problemstilling. Hvilke langtidssigtede konsekvenser kan det her få? Ja, langtidsstudier kræver tid, og de kræver penge, og der er ikke gået lang tid nok til, at vi kan have nogle langtidsstudier endnu. Men mere end det, så hvis man laver et ordentligt langtidsstudie, så skal man bruge en kohort af de samme deltagere, som du kan måle på igen og igen, og så skulle du ligesom have fjernet alle de her forstyrrende faktorer, fordi du og jeg har to forskellige jobs, vi har to forskellige hjerner, vi har to forskellige liv, så selvom vi havde den nøjagtige, samme brug af generativ AI, som vi jo heller ikke kan have, fordi outputet vil altid være forskelligt, så kan man ikke vide, om det er de her andre modererende faktorer, der ligesom har gjort indflydelsen. Men jeg ser korttidsstudier, der ligesom peger på, at der er et par områder, hvor vi kan se en negativ effekt. Det ene, det er det her med kritisk tænkning, og det kan både være brugen af kritisk tænkning, mens vi løser problemer, så sådan en procesforståelse af kritisk tænkning. Hvor gode er vi til at lige stille to spørgsmål? Så kan det også være sådan en mere output-fokuseret kritisk tænkning. Hvor gode er vi til at tænke kritisk om det output? Lad os sige, at vi bruger generativ AI i beslutningsprocesser. Det er sådan det enere område, det her med kritisk tænkning og hvor meget vi stoler på teknologien. Så er der det her med cognitive offloading, hvor der er blandt andet det MRT-studie der, som lader til at vise, at der er mindre aktivering af hjernen, når vi bare springer over og vargeret er lavest. Altså bruger hjælpemidler, hvilket vi kan se i alle mulige andre. Det er det samme med GPS'er med lommeregneren. Altså hvorfor skal jeg regne i hovedet, hvis jeg bare kan regne med lommeregneren? Og det betyder, at jeg bliver dårligere til at lave hovedregning. Og så det tredje område er det her med self -efficacy eller selvtillid og selvreguleret læring. Jeg tror, det angriber vores selvtillid, vores faglige selvtillid og vores personlige selvtillid på alle mulige områder, som er sådan lidt svære at definere. Men man kan i hvert fald se, at dem, der bruger generativ AI mere, de har en tendens til at miste det, vi kalder sense of accomplishment. Altså hvis du bruger en robot til at skrive en opgave for dig, så får du ikke en fed følelse af, at du har gjort det selv, for du har ikke gjort det selv. Og det kan så have en negativ virkning på vores selvværd, som igen kan have en negativ virkning på vores selvregulerede læring. Altså fordi vi måske enten tror, vi er bedre til at løse opgaven, end vi reelt er, fordi vi har den her kunstige støtte, eller vi er dårligere til at løse opgaven, end vi reelt er, fordi der er en computer, der kan skrive det bedre eller gøre det bedre. Nå, men det er så de her tre områder, så kritisk tænkning, og det her med cognitive overfloating, altså at vi bliver dårnere i hjernen over tid, og så det her med selvtillid og selvregulerede læring. Måske kan det faktisk højne fagligheden, hvis man lærer at forstå og omgås AI, så det ikke bare bliver en sort boks, men et værktøj, man faktisk forstår og kan tage ansvar for i en eller anden grad. Ja, forhåbentlig. Jeg tror bare også, at det er nemt at springe over, hvor gerede er lavet, når man kan, og det er nemt at blive forlet til at tro, at det her med, at vi kan gøre det hurtigt, og vi kan gøre det hurtigere, at det er den bedste løsning, fordi det er nemmere at måle ting i produktivitet, end det er at måle ting i for eksempel affektion eller i følelser. Så man kan sige, at generelt så er produktivitet nemmere at kvantificere, og det er nemmere at sige ting, der kan måles, det er godt, fordi vi kan måle, at de bliver højere eller lavere, men de elementer i vores liv, som er de vigtigste for os, som er, hvordan vi har det, og hvordan vi opfører os over for hinanden, og hvilke værdier vi har. Det er jo de ting, der er fundamentale for at være menneske, og det er de ting, der er fundamentale for, at vi har et godt liv. De er svære at måle, og det er svære at have et objektivt mål for dem, så det er svære at prioritere dem på bundlinjen. Nu har vi jo talt primært om de negative konsekvenser, og nogle AI-udviklere, de hævder jo, at teknologien kan booste vores kondition og løse problemer, som vi ellers ikke kunne. Er der opgaver, hvor AI faktisk kan styrke vores evner? Ja, helt sikkert. Selvfølgelig er der det. Der er aldrig kun en negativ eller en positiv teknologi. Der er altid både gode og dårlige effekter. Ved Relio. Ja, det er jeg lige præcis. Hvad hedder det? Men jeg synes, det er værd at bruge tid på at finde ud af, hvad er så der hvad. Og så skal det også lige siges, at det er nemmere at lovprise de positive effekter, fordi der er masser af virksomheder, som taler godt for, at vi skal bruge de her teknologier så meget som overhovedet muligt, fordi det er det, de sælger. Hvad har overrasket dig mest i din forskning i, hvordan mennesker interagerer med computer? Det har overrasket mig mest, hvor integrerede computer faktisk bliver i vores tænkning. Altså hvor integrerede en del af vores kognition de bliver. Hvor meget vores hjerner former de systemer, vi laver på computeren, og hvor meget de systemer påvirker vores måde at tænke om det på. Så jeg har forsket, min PUD handler om, hvordan professionelle kreative bruger digitale værktøjer og analoge værktøjer til at holde styr på deres idéer. Og man skulle tro, at idéer er relativt det samme, eller at forskere er relativt det samme, eller at designere er relativt det samme, men det er det bare overhovedet ikke. De har helt forskellige systemer for, hvordan idéer giver mening, og de har helt forskellige behov for, hvordan de har brug for at strukturere de her idéer på maskiner. Og maskinerne sætter helt forskellige begrænsninger for dem. Det har været ret overraskende. Så i forhold til de mere kognitive omkostninger ved brug af generativ AI, hvad har overrasket dig mest der? Det har faktisk overrasket mig mest, hvor meget det her emne, som måske lidt blev født af min egen personlige nejhat, hvor meget det faktisk resonerer med folk i alle mulige steder i samfundet, og på alle mulige måder. skolelærer og pensionister og ingeniører osv. Det har været rigtig fedt at se, hvor tæt det ligger på folk, og hvor meget det rører ved i dem. Fordi jeg tror virkelig, det rører ved noget helt almengyldigt som menneske, at vi lige pludselig bliver truet på vores evner til at tænke og være kreative. Hvad er dit bud på, hvordan arbejdsmarkedet ser ud om 10 år med AI? Jeg har lige læst en bog, der hedder Range af David Epstein, hvor han, altså ikke ham, der har lavet studier, men han refererer til en lang række studier, der siger, at forskere og academics og narrow experts generelt er de værste til at forudsige fremtiden. Så det vil jeg bare, det er at pleite the fifth. Jeg tror ikke, jeg er god til at spore om fremtiden. Hvordan ser du dit arbejde med AI om 10 år? Jeg er bange for, at den kvalitative del af forskningen bliver mere og mere overtaget af computers. Så for eksempel, at vi bruger os promodeller til at simulere menneskelige data, fordi det er dyrt at indsamle menneskelige data, kvalitative data. Så jeg er bange for, at vi ser mere sådan en simulering af menneskelige data. Og så er jeg bange for, at vi kommer til at bruge sprogmodeller mere til at analysere menneskelige data, fordi det er også dyrt og omkostningsfuldt. Og det er som om, at det er bedre, at vi bruger en computer til at analysere 3.000 menneskers data, end at vi bruger vores egne hjerner og tankekraft og tid på at analysere 50 menneskers data. Men jeg er måske mere tilhængig af det sidste, fordi jeg tror, at der er sådan en helt særlig sensemaking eller meningsdannelse, der sker i det, at man kigger på data, og man bruger tid på det. Og man er heller ikke arkæolog uden at grave i jorden på et eller andet tidspunkt i sin uddannelse, håber jeg. Tak fordi du ville være med, Nana Ini. Hvis man vil læse mere om din forskning, hvor kan man finde dig? Man kan finde mig på min hjemmeside, Nana Ini.com, eller man kan finde mig på Google Scholar, hvor alle mine artikler bliver lagt ud, og så er man mere end velkommen til at skrive til mig, hvis der skulle være interesse. Spændende. Tak. Selv tak. Tak, Togh Per. Tak. Du kan diskutere teknologi med andre lyttere i vores Facebook-gruppe. Den hedder Tektopia Backstage. Og du kan også følge os på diverse sociale medier, hvor vi hedder Tektopia.dk. Og så kan du selvfølgelig finde os på LinkedIn. Tektopia udkommer hver mandag i din foretrukne podcast-app. Du kan skrive til mig på henriksnabelag.tektopia.dk, hvis du har nogle gode forslag, eller gerne vil kommentere noget af det, du har hørt i podcasten. Jeg hedder Henrik Føns, og jeg er fra hjælp af Janne Denike til at lave Tektopia. På genhør i næste uge. Tak, Togh. Tak, Togh. Tak, Togh. Tak, Togh. Tak.