Jensen Huang mener ikke, at børn nødvendigvis behøver kunne lang division

Nvidia-topchef Jensen Huang anerkender, at kunstig intelligens kan gøre elever hurtigere til lektier, samtidig med at de bliver dårligere til at løse opgaver uden hjælp. Men i samtalen med Ezra Klein på The Ezra Klein Show stillede han spørgsmål ved, om det nødvendigvis er et problem. Hans svar hviler på en afvejning: Nogle grundfærdigheder kan gå tabt, mens andre evner udvikles.248

Hurtigere lektier – men svagere prøveresultater

Klein henviste til en undersøgelse af mere end 26.000 kinesiske elever fra 7. til 12. klassetrin. Ifølge de tal, han fremlagde, steg elevernes lektieresultater med 18 procent, og de brugte 30 procent mindre tid på opgaverne. Samtidig faldt deres resultater ved prøver, og den langsigtede fastholdelse af det lærte blev svækket.123

Huang afviste ikke den mulige bagside. Han pegede på, at børn i stigende grad glemmer blandt andet gangetabeller og lang division, og spurgte, om det gør så meget, hvis teknologien kan udføre den slags beregninger. Han argumenterede for, at nye evner kan vokse frem, selv hvis nogle af de gamle fylder mindre.410

Fra regnefærdigheder til systemtænkning

Huang beskrev en mulig byttehandel: Mennesker kan miste noget af deres “finere intellektuelle fingerfærdighed”, men blive bedre til at tænke i systemer – altså bruge værktøjer og koordinere arbejdet med større og mere komplekse problemer. Han fremhævede ingeniører i dag som stærkere systemtænkere end sin egen generation.413

Han brugte også sin egen afhængighed af teknologi til at huske hverdagsoplysninger som eksempel på, at ikke alt, man glemmer, nødvendigvis er et tab. Den slags anekdoter kan illustrere hans syn på teknologisk aflastning, men kritikere kan også høre en afstand til, hvad det betyder for børn at miste færdigheder, mens de stadig er ved at lære dem.12

Skeptisk over for dommedagsvarsler – men ikke uden krav

Huang kaldte Geoffrey Hintons advarsler om en mulig samfundskatastrofe uansvarlige og mente, at sådanne risikovurderinger bør bygge på videnskabelige belæg. Hinton havde blandt andet omtalt en risiko på 10 procent; Huang sagde, at tallet ikke var forankret i forskning.717

Samtidig sagde Huang, at AI-virksomheder ikke bør sende produkter på markedet, hvis de ikke kan kontrollere dem. Han har også sagt, at virksomhederne ikke bør fritages fra almindelige regler om ansvar og konkurrencelovgivning.19 Hans position er derfor ikke, at alle risici skal ignoreres, men at han lægger vægt på konkrete sikkerhedsforanstaltninger frem for brede katastrofevarsler.

Fremtidige gevinster og nutidige omkostninger

Den samme optimisme præger Huangs syn på energi og klima. Han har fremstillet AI som noget, der på længere sigt kan bidrage til løsninger, selv om udbygningen af energiforsyningen kan have smertefulde omkostninger på kort sigt. Kritikere mener, at den måde at tænke på kan undervurdere dem, der allerede mærker følgerne af forurening og klimaforandringer.

I skolen handler indvendingen om en beslægtet antagelse: at nye AI-understøttede evner senere vil opveje de færdigheder, børn måske ikke får lært nu. Men bedre lektieresultater og hurtigere opgaveløsning dokumenterer ikke i sig selv, at den afvejning er god for eleverne.28

Det er en kritik af Huangs vurdering af omkostninger og gevinster – ikke bevis for, at han ønsker børn skade. Og den omtalte undersøgelse viser ikke i sig selv, at alle former for AI-brug i undervisningen har samme effekt.24