Foredraget om viden

—

Dette foredrag blev holdt af Aravind Srinivas den 3. oktober 2026 for Cambridge Union Society. Cambridge Union Society er den største studenterforening ved University of Cambridge og verdens ældste debatforening, der har eksisteret uafbrudt.

—

Hej, og tak. Det er en ære at være her.

En af de ting, jeg ikke havde forventet ved at stifte en virksomhed, er, hvor meget tid jeg får lov at tilbringe på universiteter. Det nyder jeg. For en CEO er universiteterne som regel de eneste steder, hvor publikum svarer igen. Så vi afsætter mere tid til diskussion, end jeg har tænkt mig at bruge på at tale.

Lad os begynde.

Normalt, når jeg bliver inviteret til at tale et sted, bliver jeg bedt om at holde et fremtidsforudsigende foredrag med en generisk titel som ”AI’s fremtid.” Jeg vil ikke tale om AI’s fremtid. I stedet vil jeg tale om jeres fremtid. Jeres fremtid er mere interessant for mig, og den er sandsynligvis også mere interessant for jer.

Først lidt om fortiden. Cambridge er det perfekte sted at tale om fortiden og samtidig om jeres fremtid, for her findes begge dele.

Ifølge historien blev det, vi i dag kalder fagfællebedømmelse, opfundet her i Cambridge. Sandheden er, at det blot var en professor fra Cambridge, og han foreslog det i Royal Society of London, ikke her på universitetet. Det var i 1831. I dag udgives der hvert år mere end 3,5 millioner videnskabelige artikler under systemet med fagfællebedømmelse.

Omkring 160 år senere arbejdede to ph.d.-studerende på Stanford med netværksstrukturer og data mining. Det var dengang, internetboomet i 1990’erne lige var ved at tage fart. World Wide Web var det eneste, nogen talte om. Lidt ligesom ”AI” i dag.

Også ligesom i dag var de fleste, der talte om boomet, investorer og medier. ”Tech-miljøet” var dengang telekommunikationsbranchen. Der var ikke mange akademikere med i diskussionen. (Nogle, men ikke mange.) Og disse to ph.d.-studerende var ikke ligefrem insidere i internetboomet.

Men de vidste én ting, som folk uden for universitetsverdenen ikke rigtig gik op i.

Som de fleste akademikere forstod de universitetets formål. Universitetets formål er at fremme viden.

Det er derfor, vi bruger fagfællebedømmelse. Det er også derfor, akademiske tekster har så mange kildehenvisninger. Og disse to studerende vidste, at mængden af viden i verden (målt ved antallet af artikler af fagfællebedømt kvalitet) kun vokser. Så det var let for dem at se, at nettet også kun ville vokse med menneskelig viden.

De havde også erfaring med et gammelt problem, der var ”nyt” for nettet: hvordan man finder den rigtige viden, eller den bedste viden, hvis den hele tiden udvider sig. I den gamle model vurderer akademikere, om nogens forskning er nyttig eller troværdig, ud fra hvor mange gange den er blevet citeret.

Så de fik idéen til at bygge en algoritme, der vurderer hver eneste hjemmeside på internettet ud fra, hvor mange andre hjemmesider der citerede den eller linkede til den, set i forhold til indholdet på disse sider.

De kaldte systemet ”Page Rank”, fordi de rangerede hver eneste side på nettet, og fordi en af disse ph.d.-studerende hed Larry Page.

Larry og hans partner (Sergey Brin) tog dette ene lille akademiske princip og gjorde det tilgængeligt for den brede offentlighed. Google blev et af de mest nyttige værktøjer i historien og en af de mest succesfulde virksomheder, fordi Larry Page simpelthen tilpassede det, universiteterne allerede havde gjort i hundrede år.

Som jeg sagde, er universitetets formål at fremme viden. Jeg vil fortælle jer tre ting om viden i dette foredrag. Mit håb er, at vi når frem til en bedre praktisk forståelse af kunstig intelligens ved at tænke over vores egen.

1.

For det første: Viden har et liv. Den bliver født, den forfalder, og den dør.

Den har en livscyklus. Og fordi den har en livscyklus, gennemgår viden evolution.

Efterhånden som det, vi ved, udvikler sig, bliver vi alle klogere. Det kaldes Flynn-effekten. Flynn-effekten er iagttagelsen af, at menneskeheden er blevet omkring 3 IQ-point klogere hvert årti.

IQ-test normeres hele tiden på ny, så gennemsnittet forbliver 100, og derfor er en nem måde at tænke på Flynn-effekten i percentiler. En person, der i 1950 lå i den 92. percentil for intelligens, ville i dag kun ligge i den 50. percentil. Vi blev alle klogere.

1950 er også det år, Turing-testen blev opfundet. Det var den første test til at afgøre, om eller hvornår en maskine er klogere end mennesker. Det betyder, at Turing-testen i 1950 var meget lettere for en maskine at bestå. For overliggeren for ”menneskelig” intelligens lå lavere.

Og det er evolutionens kraft. Viden fører altid til mere viden.

Bagsiden er, at verden kan blive klogere, mens man som individ kan blive dummere. Viden forfalder. Tænk på det som en halveringstid. Et radioaktivt grundstofs halveringstid er den tid, det tager for halvdelen af det at henfalde. Videns halveringstid er den tid, det tager for halvdelen af den at blive forældet.

Her er nogle eksempler lige her fra Cambridge.

I 1978 var Sir Roy Calne med til at introducere ciclosporin i transplantation. Det var vigtigt for at forhindre afstødning af organer. De første kliniske forsøg fandt sted i Cambridge. I 2001 var et andet lægemiddel, tacrolimus, blevet den dominerende behandling i sin klasse inden for nyretransplantation i USA. Så man kan sige, at den medicinske viden om behandling med ciclosporin havde en halveringstid på 23 år.

Det er en ufuldkommen måling, men det er en nyttig model til at vurdere ingeniører inden for felter i hurtig udvikling. Det gør vi i tech-branchen. Underforstået: ”På hvilket tidspunkt i denne ingeniørs karriere er halvdelen af det, vedkommende ved, fuldstændig forældet?”

På hvilket tidspunkt i jeres karriere vil det ske for jer? Svaret afhænger af, hvor meget tid I bruger på at lære nye ting.

Desværre dør viden i sjældne tilfælde også. Der findes sprog, som ingen længere taler. Der er visdom, der dør med et ældre menneske.

Det er derfor, mennesker i mere end 4.000 år har bygget biblioteker. Og da nettet kom til, lagde vi uendeligt meget mere af det, vi ved, ud på det. Så viden dør, men det behøver den ikke. Måske som et medfødt aspekt af den menneskelige tilstand har mennesker følt sig drevet til at bevare viden. Vi gemmer den konstant og øger verdens samlede viden. Det er en god ting.

Jeg skal bemærke: Viden er som en levende ting, men den er ikke levende. Kun I er levende. Jeg synes bare, at I er mere levende, når I lærer noget nyt.

Det er i øvrigt derfor, Perplexity findes. Men jeg er ikke her for at tale om Perplexity. Jeg er her for at tale om jer og om vidensøkonomien. Hvilket bringer mig til mit andet punkt.

2.

For det andet: Viden er ikke penge. Men den opfører sig som penge.

Penge har en tidsværdi. Renter får dem til at vokse, og inflation får dem til at skrumpe. Over tilstrækkelig lang tid virker både renter og inflation som rentes rente.

Når hundrede tusind pund har samme købekraft som fyrre tusind (sandsynligvis om cirka 23 år), skal man bruge 250.000 £ for at gå i nul. 23 år efter det skal man bruge 625.000 £.

Når noget vokser med rentes rente, vokser gevinsterne eller tabene eksponentielt over tid.

Derfor er det mest grundlæggende økonomiske princip, at man altid skal have rentes rente med en sats, der er højere end inflationen. For hvis man ikke vokser, skrumper man. Sådan er det også med viden.

Ligesom værdien af et pund vil værdien af det, I ved i dag, falde over tid. Og ligesom almindelig værdiforringelse sker det kun med en lille smule hver dag. Det vil være så lidt, at I knap nok bemærker det. Indtil I en dag vågner op og intet har. Jeres viden vil ikke længere have den samme markedsværdi. Det er uundgåeligt. Husk, at Pythagoras’ læresætning engang var noget, kun eliten måtte kende. Men alle her lærte den i 7. klasse.

Vi bliver alle klogere, for evigt. Som jeg nævnte, er det hele formålet med universitetet. Med lidt held kan det, I har studeret her i Cambridge, en dag langt ude i fremtiden være pensum for elever i 7. klasse.

Det er en god ting, hvis det sker. Det betyder fremskridt. Men det betyder også, at jeres økonomiske mål kræver, at I aldrig holder op med at lære. I skal lære med en rente, der er højere end videns inflationsrate.

Sagt på en anden måde skal I fordoble det, I ved, i et tempo, der overgår jeres egen videns halveringstid. Det tager tid. Men når man ser verden gennem rentes rente-effektens linse, må man se den i et langt tidsperspektiv.

Derfor er det bedste trick til at få rentes rente på sin formue at starte ung, og det næstbedste er at dø gammel. Warren Buffet begyndte at investere som 11-årig, men 99 % af hans formue blev opbygget, efter han fyldte 65.

Hvilket antyder den sidste lighed mellem viden og penge. Man er nødt til at bruge den.

Når man har kapital, sætter man den i arbejde. Når man har viden, især enestående viden, bør man sætte den i arbejde. Gør noget med den. Det er forskellen på opfindelse og innovation. Opfindelse spørger: ”Har du skabt noget?” Innovation spørger: ”Gjorde det en forskel?”

Og hvis I vil gøre en forskel, skal I handle på baggrund af viden. Kun handling udløser nye spørgsmål, nye undersøgelser og ny viden. I skal altid lære, og I skal altid handle.

Det er her, kunstig intelligens kommer ind i billedet, og det fører mig til mit tredje og sidste punkt.

3.

AI’s formål er at accelerere menneskelig viden og velstand.

Tænk på de to første ting, jeg har sagt i aften. Jeg sagde, at viden har en livagtig karakter, og at vi bør pleje den og fremme den, fordi mennesker bredt set har gavn af det. Så sagde jeg, at viden har en økonomisk karakter. At vi bør dyrke den, fordi alle mennesker, bredt set, har gavn af det.

Hvis man tror på disse to ting, må man også tænke lidt anderledes om AI.

I stedet for at være besat af at opnå AGI eller af at gøre teknologi klog for teknologiens egen skyld ville man konkludere, at grunden til at bygge bedre og mere præcis AI er at tjene mennesker.

Man ville konkludere, at AI’s højeste og vigtigste formål er at gøre mennesker klogere og mere velstående.

Hvis det lyder meget som universitetets formål – ja, så står vi her jo.

Tænk på fagfællebedømmelse igen. Den blev opfundet i 1831. I år lancerede Perplexity et meget enkelt produkt kaldet Model Council, baseret på en idé fremsat af en af OpenAIs stiftende forskere. Man stiller tre AI-modeller det samme spørgsmål. De researcher og svarer hver for sig, og derefter vurderer en ”formands”-model, hvor de er uenige og enige, og ræsonnerer sig frem til et endeligt svar.

Model Council erstatter ikke fagfællebedømmelse. Formålet er i stedet at bringe ånden fra akademisk undersøgelse ud til flere mennesker. Vi kan udbrede et universitets ethos ud over disse mure og ud i hele verden.

Vi kunne hjælpe flere mennesker med faktisk at have ret i stedet for blot at føle, at de har ret, eller lyde, som om de har ret. Med at søge sandhed og viden videnskabeligt. Universets bue peger mod, at alle får mere adgang til mere viden. Det er godt for mennesker at have viden. Og det er mennesker, der har gavn af det.

Jeg vil slutte af med en kort historie om min virksomhed.

Da vi startede, var vi bare tre AI-forskere med flere spørgsmål end vision. Da vi skulle have person nummer fire med, besluttede vi, at det var på tide at få en sundhedsforsikring. Sundhedsforsikring i USA er kompliceret selv for amerikanere. Jeg er ikke fra USA, så det var endnu mere forvirrende for mig.

Google-resultaterne hjalp ikke. Og det normale, en stifter gør i den situation, er at ringe til en, der har gjort det før. For eksempel en investor eller en anden stifter. Men det var sent om natten. Jeg ville have det overstået, så jeg måtte selv finde den viden.

Problemet med det er, at når man selv laver researchen, ender man med at google sig igennem SEO-optimerede forsikringssider, som alle giver dårlige råd og konkurrerer om at se mest troværdige ud.

Det var dengang, jeg byggede den første version af Perplexity.

Den klarede researchen for mig. Og jeg fik den til at angive kilder til svarene. Så jeg kunne verificere og blive ved med at stille flere spørgsmål. Og så fik jeg styr på vores sundhedsforsikring. Det var løst. Videre til næste problem. Og det næste problem, og det næste. Og her står vi i dag.

Moralen i den historie er, at man ikke længere behøver at ”kende en, der kender en”. Man kan bare lære tingene og gøre dem. Jeg har allerede fortalt jer, at AI’s løfte er, at man kan få adgang til al viden. Moralen i denne historie er, at ethvert menneske kan få adgang til al viden.

Dette er AI’s ultimative løfte. Alle kan nu være nysgerrige. Alle kan bygge hvad som helst. Alle kan nu træde ind i videns tempel. Det gavner alle.

Og det er gode nyheder for jer. Det betyder, at det vigtigste, I kan gøre resten af livet, er at være nysgerrige. De mest succesfulde blandt jer vil være dem, der har flest spørgsmål. Og de bedste spørgsmål.

Så mit råd til jer er at blive så nysgerrige, som I overhovedet kan. Nøj jer ikke med at scrolle på sociale medier på telefonen. Nøj jer ikke med en AI-agent, der bare bestiller bord til middag – lav noget rigtigt arbejde med den. Og tro aldrig på en chatbot, der fortæller jer, at I allerede har ret.

Tro på den undersøgende ånd. Tro på det, I kan lære med AI. Tro på det, I vil skabe, når I gør det. Og for os alle sammen: Gør det godt.

Tak.