Besettelsen av KI kan sulte ut forskningsfeltene den selv trenger for å overleve

Jeg har skrevet utelukkende om kunstig intelligens i ti år. I 2022 var det bare en håndfull andre journalister i verden som utelukkende viet seg til KI. Nå er vi flere tusen, eller enda flere, og velstående mediehus har mer enn én medarbeider som utelukkende dekker kunstig intelligens.

Som art konsentrerer vi nå oppmerksomheten, innsatsen, frykten og håpet vårt om et kulturelt og teknologisk fenomen som bare oppstår én gang i århundret, og som fram til nyttige store språkmodeller og effektiv diffusjonsbasert generering av bilder og video kom på banen, hadde ligget og samlet støv i «kuriositets»-kategorien. Deepfakes var et politisk stridstema, men verdensøkonomien virket tilsynelatende ikke truet.

Den «rutinemessige» KI-stormen

Det er åpenbart slutt på det nå. Alt er truet, alt blir forstyrret, og det kan hevdes at 2026 har vært året da det var vanskeligst å underbygge spådommer om året etter.*

Hver uke, noen ganger flere ganger i uka, lanseres nye modeller med lukket kildekode og åpne vekter. Utgivelsene kommer nå så hyppig at enkelte modeller ikke engang blir anmeldt av entusiast- og hobbyistmiljøene. Disse får et stadig mer skeptisk syn på utviklingen, og stiller stadig høyere krav til hva som fortjener oppmerksomhet, samtidig som lanseringene fortsetter å strømme på.

Som en som følger forsknings- og lanseringsutviklingen tett og profesjonelt, må jeg si at forbedringer på tvers av de ulike sektorene innen KI-forskning og -utvikling, selv om de får stor betydning med lange mellomrom, gjerne oppstår i små steg snarere enn som revolusjonerende eller evolusjonære milepæler som transformere. I dag handler de største overraskelsene stort sett om hvordan KI påvirker økonomien, ikke om de nyeste funksjonene.

Som jeg også har påpekt tidligere, står ikke alltid kvaliteten på ideene i stil med omfanget av den enorme veksten i KI-forskning siden 2022. Mange bidrag er nye varianter, rekombinasjoner eller sammensetninger av eksisterende og nyere arbeid i Frankenstein-aktig stil – lappeteppeaktige arkitekturer som skal skape tilsynelatende betydelige forbedringer sammenlignet med tidligere arbeid, men som ved nærmere ettersyn hemmes av skjøre metoder eller absurd høye krav til VRAM.

De tematiske spøkelsesbyene

Da disse tusenvis av journalistene gikk over til å dekke KI, måtte temaene de tidligere hadde skrevet om, uunngåelig få mindre direkte oppmerksomhet. På en måte spilte det knapt noen rolle, for KI og bruken av teknologien ble så allestedsnærværende i kulturen og infrastrukturen at for eksempel en energijournalist nå ville dekke KI-relaterte saker mer enn noe annet. Det samme gjaldt journalister som dekket økonomi, sysselsetting, politikk og politikkutforming, blant annet.

Det virket som om alle disse temaene nå kunne ses gjennom KIs linse, noe som delvis kan forklare den enorme veksten i «dedikert» KI-dekning, i et stadig mindre fagfelt (selv om det har tatt seg litt opp i det siste).

Derfor må man spørre seg om andre temaer nå får for lite dekning på grunn av «KI-besettelsen» – temaer med historier, trender og utviklingsgrener som til slutt kan påvirke selve «gulltemaet» KI?

Men hva kan man gjøre? Ressursene er begrensede, og så langt er KI århundrets store sak.

Den store KI-migrasjonen

Ifølge en ny artikkel som har satt sinnene mine i kok, kan det være nettopp dette som skjer med KI selv. I tillegg til risikoen for at nedbygging og ny mating vil svekke kvaliteten på framtidige modeller, blir det bredere vitenskapelige økosystemet, der ideer oppstår og kryssbefruktes på tvers av fagområder, så sterkt konsentrert om KI-forskning at «serendipiske» øyeblikk – når uventede forbindelser mellom tilsynelatende ubeslektede ideer kan forandre hele fagfelt – kan bli stadig sjeldnere.

Kort sagt antyder den nye studien, med tittelen Gjennombrudd innen kunstig intelligens fremskynder sin egen utmattelse, at KI-besettelsen tapper bort de underliggende forutsetningene for at nye utviklingstrekk oppstår, også utviklingstrekk som direkte påvirker KI. Den antyder også at det (for å parafrasere forfatterne grovt) finnes en viss «innavlstendens» ved dette nye interesseområdet, som neppe vil føre til noe godt.

Artikkelen sier^†:

«Et dominerende paradigme fjerner ikke bare rivalene sine, men også mangfoldet som etterfølgeren selv ville ha blitt rekombinert fra.

«Den innsnevrede oppmerksomheten etter 2017, overgangen til KI blant mer enn halvparten av alle forfattere som har skiftet fagfelt, den avtakende livskraften i nye ideer og den stadig brattere nedgangen i aktive idépopulasjoner fra én syklus til den neste beskriver til sammen et system der den kreative kapasiteten undergraves av suksessen til de dominerende paradigmene systemet selv har skapt.»

Tidligere forskning har påpekt at KI kan være i ferd med å gjøre forskningen til en monokultur, men forfatterne av den nye studien mener også at KIs økende dominans kan frata forskningen de nye ideene den trenger for å fortsette å utvikle seg. De sammenligner KI-forskning med biologisk forskning, der gjennombrudd som cryo-EM og AlphaFold har utløst lignende sykluser av innovasjon – og tilbakegang.

For å finne empirisk belegg for teoriene sine analyserte forfatterne 7,18 millioner informatikkartikler i OpenAlex, publisert mellom 1990 og 2025. De kartla endringer i forskningstemaer og siteringer, hvordan 3,7 millioner forskere beveget seg mellom fagområder, og 73 089 fagfellevurderinger for å undersøke hvordan KIs økende dominans har påvirket det vitenskapelige mangfoldet.

Et av de mest interessante funnene i dataene gjelder den nylige overgangen til KI-forskning blant forskere som forlater fagområdene de allerede arbeidet med:

«Forskere som bytter fagfelt, er midt i karrieren og har opparbeidet seg en viss posisjon. De forlater arbeidet som ga dem denne posisjonen, for å følge feltets tiltrekningskraft, selv om det koster dem en omstillingsulempe.»

Studien fant at mer enn halvparten av de 918 862 registrerte overgangene mellom informatikkens fagområder gikk til KI, mens andre områder, særlig systemforskning og teoretisk forskning, stadig mistet folk.

Fra den nye artikkelen: endringer i andelen informatikkartikler viet til KI, systemforskning og teori fra 1990 til 2025. Hver rute representerer ett år. Blått viser en større andel, mens rødt viser en mindre andel. KIs andel økte kraftig etter 2017, mens de andre fagområdene gikk tilbake. Kilde

Forskerne som mest sannsynlig ville bytte fagfelt, var erfarne akademikere med etablerte karrierer. Samtidig økte KIs andel av alle informatikkartikler fra 40 % i 2017 til mer enn 55 % i 2025.

Fra Arxiv-bloggen: økningen i antall innsendte bidrag innen informatikk over en periode på 2 år, 2024–26. Kilde

Tre signaler

Artikkelen peker på tre «sammenfallende kjennetegn» som forfatterne mener har preget informatikk siden 2017.

Det første er en kraftig innsnevring av forskningens oppmerksomhet etter 2017, da Transformer-arkitekturen ble introdusert. Ved å hente ut de ti mest fremtredende nøkkelordene fra hver av 7,18 millioner informatikkartikler kartla forfatterne hvor mye forskningen konsentrerte seg om de samme temaene:

Grafer som viser hvordan informatikkforskningen har blitt stadig mer konsentrert siden 2017. Til venstre: Forskerne retter oppmerksomheten mot et smalere utvalg av temaer. Til høyre: En stadig større andel av siteringene går til et mindre utvalg artikler. Begge tendensene tiltok rundt tiden da Transformer kom.

I flere tiår hadde denne konsentrasjonen holdt seg relativt stabil, også gjennom framveksten av internett, smarttelefoner og dyp læring. Men mellom 2017 og 2025 økte Gini-koeffisienten^†† for forskningens oppmerksomhet (se bildet ovenfor) fra 0,26 til 0,33, en økning på 27 %. Siteringene ble også mer konsentrert, og Gini-koeffisienten steg fra 0,60 til en topp på 0,69.

Forskerne, som kommer fra Tsinghua University, the University of Chicago og the Santa Fe Institute, skriver:

«Transformer omformet fagfeltet i langt større grad enn forgjengeren. Mønsteret skyldes ikke en målefeil: Det består ved variasjoner i [keyword count].»

Og fortsetter:

«KIs andel av informatikkpublikasjoner øker fra 40 % til over 55 % mellom 2017 og 2025, mens systemforskningen går tilbake etter en lang gullalder, og teoriforskningen krymper enda mer.»

Funnene tyder dermed på at forskerne, samtidig som informatikkfeltet vokste, i stadig større grad fulgte de samme ideene og siterte et smalere utvalg av forskningsarbeider.

Det andre «kjennetegnet» handler om det økende antallet forskere som forlater spesialfeltene sine for å arbeide med KI. Ved å følge 3,7 millioner forskere identifiserte forfatterne nesten 919 000 overganger mellom informatikkens fagområder. Av disse gikk 53,81 % til KI – et forskningsområde som fikk flere forskere hvert år, mens systemforskning og teori stadig mistet dem:

Forskeres overgang til KI. Diagrammet til venstre viser at KI tiltrekker seg en stadig større andel forskere fra andre informatikkfelt, mens systemer og teori taper terreng. De to diagrammene til høyre viser hvem som er mest tilbøyelige til å bytte felt: forskere som er omtrent 32 år ut i publiseringskarrieren, og som har sterkere publiseringsmeritter enn rundt 82 % av kollegene sine. Et feltskifte regnes som gjennomført når en forsker begynner å publisere de fleste av artiklene sine innenfor et annet fagområde.

De som byttet felt, var som regel etablerte akademikere midt i karrieren, snarere enn nykommere eller veteraner. Sannsynligheten for å gå over til KI var høyest ved en akademisk alder på 31,8 år og blant forskere på 82. persentil når det gjaldt publiseringsmeritter.

Den tredje av de tre trendene artikkelen peker på, er et økende press på fagfellevurdering – prosessen der andre forskere vurderer kvaliteten og påliteligheten til en vitenskapelig artikkel før publisering.

Ved å undersøke 73 089 vurderinger av 26 731 artikler sendt inn til 45 konferanser og andre publiseringsarenaer mellom 2017 og 2025 fant forfatterne at fagfellenes tillit til egen evne til å bedømme artiklene falt fra 3,9 til 2,9 på en skala fra én til fem:

Diagrammer over endringer i vitenskapelig fagfellevurdering mellom 2017 og 2025. Diagrammet til venstre viser at fagfellene ble mindre sikre på evnen sin til å vurdere innsendte artikler, og at poengsummene falt fra 3,9 til 2,9 av fem. Diagrammet til høyre følger utviklingen i fiendtlige kommentarer i fagfellevurderinger. De ble færre en kort periode i 2021, da konferansen NeurIPS gikk over til den mer transparente plattformen OpenReview, før de økte igjen. Begge linjene viser glidende gjennomsnitt over tre år.

Forfatterne antyder at denne nedgangen kan skyldes den raske veksten i KI, som har gjort det vanskeligere å finne fagfeller med passende kompetanse til å vurdere artiklene:

«Fagfelleutvalgene er blitt oversvømt av nykommere som trekkes mot KI. Fagfellene får stadig oftere artikler med KI-metoder som ligger utenfor kjernekompetansen deres. Det har blitt strukturelt vanskelig å finne genuint sakkyndige fagfeller til innsendte artikler.

«I dette regimet ligner godkjenning i stadig større grad på et myntkast.»

Etter gullrushet (og gullrushene)

Artikkelen antyder også at KI-ens største gjennombrudd til syvende og sist kan fremskynde sin egen uttømming. Hvert store fremskritt etterfølges av en bølge av nye ideer, men denne første oppblomstringen av innovasjon går etter hvert over i treg repetisjon, etter hvert som forskningen i stadig større grad konsentreres om selve gjennombruddene.^†:

«De påfølgende syklusene i moderne KI blir raskere mettet og tømmes mer brått. Syklusen komprimeres.

«Gjennom 36 år med utvikling innen informatikk, som omfatter de tre store teknologiske fremskrittene AlexNet, Transformer og store språkmodeller (LLM-er), observerer vi gjentatte ganger den samme spiralen [pattern].

«Det er verdt å merke seg at dette mønsteret ikke er begrenset til informatikk. Innen biologi ser vi den samme uttømmingssyklusen etter store fremskritt som ikke bygger på databehandling (for eksempel kryo-EM) og fremskritt som gjør det (for eksempel AlphaFold).»  

Denne «utmattelsen» inntraff utvilsomt med autoenkodere, generative motstandernettverk (GAN-er) og tilnærminger basert på autoenkodere, som deepfaker. Alle disse ble kjørt nådeløst hardt av forskere i årevis, lenge etter at potensialet deres tydelig var uttømt, helt til nye rammeverk og tilnærminger endelig kom og avlastet dem.

For å følge disse syklusene søkte forfatterne gjennom vitenskapelige sammendrag etter karakteristiske substantiver og uttrykk, og fulgte med på når de dukket opp, forsvant og av og til kom tilbake, som tegn på endringer i forskningsideene.

AlexNet i 2012 og Transformer-modellen i 2017 utløste hver sin bølge av nye ideer, som etter hvert ebbet ut. KI trakk ytterligere fra ved hvert gjennombrudd, mens andre informatikkfelt ble hengende etter og til slutt skapte nye ideer i et lavere tempo enn før 2012:

Sammenligning av andelen nye forskningsideer innen KI (blått), informatikk uten KI (rødt) og de to samlet (stiplet lilla). Antallet nye ideer skjøt i været etter AlexNet i 2012 og Transformer i 2017, før det gikk ned igjen. KI-forspranget økte etter det andre gjennombruddet. Linjene viser glidende gjennomsnitt over tre år.

Mønsteret gjelder også ideer som går ut av bruk, når nye gjennombrudd feier eldre tilnærminger til side, noen ganger flere år etter at de kom. Likevel fanges gjennombruddene selv i den samme syklusen: Hvert av dem tiltrekker seg en bølge av forskningsinteresse som til slutt avtar, slik at feltet må vente på enda en oppdagelse som kan gi det ny drivkraft (slik det skjedde med gaussisk splatting, etter et intervall på 31 år):

Sammenligning av siteringer til de opprinnelige artiklene om AlexNet (rødt) og Transformer (blått) fra 2012 til 2025. Begge fikk en økende andel av siteringene før den falt kraftig, noe som viser hvordan interessen for store gjennombrudd etter hvert ebber ut. Linjene viser glidende gjennomsnitt over tre år.

Forfatterne hevder at KI-suksessen samler forskere og ideer rundt en håndfull dominerende tilnærminger, samtidig som de omkringliggende fagfeltene som kunne bidra til å skape etterfølgerne deres, fortsetter å tape terreng. Selv om de ikke slår fast at dette vil hindre framtidige gjennombrudd, peker de på muligheten for at KI gradvis tærer på mangfoldet som kan være avgjørende for neste store sprang.

Forskerne fulgte også med på hvor mange ideer som fortsatt var i aktiv bruk. Gjennom de påfølgende utviklingsbølgene innen KI falt dette tallet stadig lenger under forventningene, og avviket var større etter Transformer enn etter AlexNet:

Diagram som viser antallet aktive forskningsideer gjennom flere påfølgende KI-gjennombrudd. Hele linjer viser modellert vekst, mens stiplede partier viser at de faktiske tallene faller under prognosene. Avviket er større etter Transformer enn etter AlexNet, og en tidlig nedgang viser seg også i LLM-æraen.

Kort oppsummert konkluderer forfatterne med at når innsatsen og menneskene konsentreres om et stadig smalere utvalg KI-relaterte utfordringer, truer det med å utarme nærliggende fagfelt som tidligere naturlig ville ha bidratt med ideer til KI-sektoren – og til andre, mangfoldige sektorer.

Med henvisning til John Hasslers kommentar om tildelingen av Nobelprisen i økonomisk vitenskap i 2025 konkluderer de slik:

‘Nobelkomiteen advarte om at mekanismene bak kreativ ødeleggelse må opprettholdes for å unngå stagnasjon. Resultatene våre peker på én slik mekanisme, intellektuelt mangfold, og viser at dagens institusjoner er i ferd med å svekke det.

‘Institusjonene som fordeler oppmerksomhet, blant annet systemer for fagfellevurdering, innsendingsavgifter og -regler, belønningsstrukturer, ansettelser, forfremmelser og pensjoneringspraksis 12, påvirker alle om det finnes rom for at det neste paradigmet kan vokse fram.

‘Å utforme dem godt innebærer å motstå fristelsen til å satse enda mer på det paradigmet som til enhver tid vinner, gjøre konsentrasjon snarere enn utforskning kostbar og flytte vurderingsmyndigheten bort fra de mest produktive og over til det nyskapende.

‘Kreativ ødeleggelse opprettholder vekst bare så lenge den etterlater noe som kan kombineres på nytt. En singularitet har ingen etterfølger.’

* Det burde finnes et ord for dette: «prognosebestandig»? Vel, det er ikke et enkeltord, men et uttrykk, og det høres dessuten ut som om det viser til 2026, snarere enn synet på 2027 sett fra 2026. «Uframtidsskapbar»? Stavekontrollen satte rød strek under det, så la oss gå for det.

^† Min omgjøring av forfatternes henvisninger i teksten til hyperlenker.

^†† Gini-koeffisienten viser hvor skjevt noe er fordelt, på en skala fra 0 (full likhet) til 1 (maksimal konsentrasjon). Her betyr en høyere verdi at forskerne konsentrerer seg om færre temaer.

Først publisert onsdag 21. oktober 2026