Summio

Artikkel

AI Index 2026: Tekniske indikatorer

Slik har KI utviklet seg i 2025: fra syn til roboter. Spoiler: den har blitt utrolig kraftig, men med noen nyanser.

21 min lesing

Tilgjengelig på

Forhåndsvisning

AI i 2026: En Dypdykk i Teknisk Fremgang (Basert på Stanford HAI-rapporten)

Hei, kompis! Klar for en skikkelig prat om hvordan kunstig intelligens (AI) har tatt et kjempesprang i 2025? Stanford HAI (Human-Centered Artificial Intelligence) har sluppet sin årlige AI Index Report, og det er spesielt kapittelet om tekniske fremskritt som har fanget vår oppmerksomhet. Dette er jo selve grunnlaget for alt annet – motoren i bilen, om du vil. Vi skal se på hvordan AI har blitt bedre til å se, forstå språk, lage video, resonnere og til og med bevege seg. Vi snakker harde tall, sammenligninger og noen skikkelig overraskende funn, men forklart på en måte vi alle kan henge med på.

Kapittel 1: Introduksjon – Fundamentet for Fremtiden

Tenk deg at vi bygger et hus. Stanford-rapporten er som en grundig inspeksjon av selve byggeprosessen, ikke bare den ferdige fasaden. Vi ser på grunnmuren, bærebjelkene, det elektriske anlegget – alt det som gjør huset solid. I vår verden handler dette om den tekniske ytelsen til AI. Uten et solid teknisk fundament, blir alt annet bare pynt. I 2025 har AI vist resultater som til og med overrasker utviklerne selv. Den har ikke bare blitt litt bedre, den har begynt å sprenge grenser vi trodde var langt unna. Dette gjelder nesten alle områder, fra datasyn og språkbehandling til robotikk og selvstendige AI-agenter. Hovedbudskap: AI utvikler seg i et svimlende tempo, og metodene vi bruker for å måle denne utviklingen, klarer ikke å holde tritt. Dette er både spennende og litt utfordrende, for vi mister litt grepet om hvordan vi best kan evaluere reell fremgang.

Kapittel 2: Hovedteser – Hva Skjedde Egentlig i 2025?

La oss gå rett på sak. Hva er det som har skjedd i 2025 som gjør at ekspertene ved Stanford HAI både er begeistret og litt bekymret? Tese 1: AI overgår testene som er laget for den. Dette er kanskje det viktigste funnet. Tidligere sammenlignet vi AI med mennesker på ulike, komplekse oppgaver. Nå har AI ikke bare tatt igjen, men også passert menneskelig ytelse på mange av disse områdene. For eksempel, på testen 'Humanity's Last Exam', som ble designet for å være ekstra utfordrende for maskiner, viste de beste modellene en forbedring på 30% i løpet av ett år! Det er som en elev som går fra å slite på skolen til å vinne en internasjonal konkurranse på ett år. Utfordringen er at tester som skulle holde i årevis, nå blir 'mettet' på måneder. De slutter å være nyttige for å følge med på reell fremgang. Det er som å prøve å måle veksten til et barn med en utslitt, gammel linjal. Tese 2: Toppmodellene er jevne, men konkurransen hardner. Tidligere var det kanskje én dominerende modell. Nå ser vi en hel gruppe av ledere. Ifølge Elo-rangeringen (ja, som i sjakk, men for AI, der folk rangerer modeller i 'Arena') ligger fem store aktører – Anthropic, xAI, Google, OpenAI, Alibaba og DeepSeek – veldig tett. Forskjellen mellom dem er bare noen få titalls poeng. Dette betyr at kampen nå handler om mer enn bare ren ytelse. Den flytter seg til områder som kostnadseffektivitet, pålitelighet, og spesialisering for bestemte felt som medisin eller finans. Det handler ikke lenger bare om å være smartest, men også om å være smart og tilgjengelig. Tese 3: Gapet mellom lukkede og åpne modeller øker igjen. I 2024 så det ut som om åpne (open-source) modeller nesten hadde tatt igjen de lukkede. Men i 2025 snudde trenden. Nå ligger de beste lukkede modellene 3.3% foran de beste åpne. Av de ti beste modellene i 'Arena' er seks lukkede. Dette er dårlige nyheter for de som håpet på en demokratisering av AI gjennom åpen kildekode. Det ser ut til at de mest banebrytende teknologiene fortsatt holdes innenfor veggene til store selskaper. Tese 4: Geopolitisk rivalisering mellom USA og Kina når paritet. Tidligere ble det ofte snakket om at USA hadde et betydelig forsprang på Kina innen AI-utvikling. Men i 2025 har situasjonen endret seg. Amerikanske og kinesiske modeller bytter stadig plasser på rangeringslistene. Den kinesiske modellen DeepSeek-R1 var en periode på nivå med den beste amerikanske, og så motsatt. Nå ligger den beste amerikanske modellen 2.7% foran den beste kinesiske. Forskjellen er liten og stadig i endring. Det virker som om våpenkappløpet innen AI nå går mer eller mindre likt. Tese 5: Benchmarker (tester) mister pålitelighet og blir 'lurt'. Dette er en direkte konsekvens av den første tesen. Vi har sett feilmarginer på populære tester som kan nå opptil 42%! For eksempel, på oppgaven GSM8K (som handler om å løse matematiske oppgaver for grunnskolen) var det overraskende mange feilaktige spørsmål. I tillegg er det mistanke om at noen modeller rett og slett har lært seg

Kapittel 3: Nøkkelideer – Hva Ligger Bak Tallene?

La oss grave dypere i disse tesene for å forstå hva de egentlig betyr for oss, for teknologien og for fremtiden.

Idé 1: 'Flaskehalsen' i Benchmarkene

Tenk deg at du skal måle hvor fort en idrettsutøver løper. Du setter opp en distanse. Men hvis utøveren blir så rask at de løper distansen på nesten null tid, gir målingen ingen mening lenger. Du klarer ikke å skille dem fra andre like raske utøvere. Med AI skjer det samme. Benchmark-tester som MMLU (Massive Multitask Language Understanding) og GSM8K ble laget med tanken om at de skulle være relevante i mange år. Men modellene har blitt så gode til å løse oppgavene i disse testene at de er 'mettet'. Det betyr at nesten alle toppmodellene får maksimale poeng. Dermed kan vi ikke lenger bruke disse testene til å finne ut hvilken modell som er best. Problemet: De eksisterende benchmarkene har et for trangt 'nyttevindu'. Tester som skulle være relevante lenge, blir utdaterte på måneder. Konsekvenser: Det blir vanskelig å objektivt sammenligne modeller og spore reell fremgang. Det er som å prøve å bedømme kvaliteten på en vin basert på en falmet etikett. Løsning: Vi trenger nye, mer komplekse og dynamiske tester. Kanskje tester som tilpasser seg nivået til modellen, eller tester som sjekker evnen til resonnement og tilpasning i virkelige situasjoner, ikke bare kunnskap.

Idé 2: "Tannete Intelligens" – Genialitet og Svakheter i Ett

Dette er en av de mest fascinerende konseptene fra rapporten: "Jagged intelligence" – "tannete intelligens". Dette beskriver en situasjon der AI kan være utrolig sterk på ett område, men samtidig helt hjelpeløs på et annet, tilsynelatende enklere område. Et eksempel fra rapporten: Gemini Deep Think-modellen vant gullmedalje på den internasjonale matematikkolympiaden (IMO) i 2025. Dette er en stor prestasjon som krever dyp matematisk innsikt og logikk. Modellen løste oppgavene innen tidsfristen, og jobbet kun med naturlig språk. I 2024 fikk en annen modell sølv. Fremskrittet er altså tydelig. Men! På testen ClockBench, som tester modellens evne til å identifisere tid på en analog klokke, klarte den samme (eller en lignende toppmodell) bare 50.6% av gangene. Til sammenligning klarer et menneske dette i over 90% av tilfellene. Dette er nesten ufattelig. Hvordan kan dette skje? Årsak: Modellene trenes på enorme mengder data, men disse dataene er ikke alltid balanserte. Matematiske oppgaver er strukturerte data med klare regler og logikk. Å lese en analog klokke krever ikke bare bildegjenkjenning (urskive, visere), men også romlig forståelse, evnen til å tolke relative posisjoner, og kanskje en slags intuisjon som AI ennå ikke har. Konklusjon: AI besitter ennå ikke en universell, menneskelignende intelligens. Det er mer en samling av svært kraftige, men spesialiserte 'verktøy'. Dette er viktig å huske på når vi snakker om 'generell kunstig intelligens' (AGI).