Kunnskapsforedraget

—

Dette foredraget ble holdt av Aravind Srinivas 3. oktober 2026 for Cambridge Union Society. Cambridge Union Society er den største studentforeningen ved University of Cambridge og verdens eldste debattforening i sammenhengende drift.

—

Hei, og takk. Det er en ære å være her.

Noe av det jeg ikke hadde ventet da jeg grunnla et selskap, er hvor mye tid jeg får tilbringe på universiteter. Jeg liker det. For en administrerende direktør er universitetene ofte det eneste stedet der publikum argumenterer imot. Så vi setter av mer tid til diskusjon enn jeg har tenkt å bruke på å snakke.

La oss begynne.

Når jeg blir invitert til å tale et sted, blir jeg vanligvis bedt om å holde et foredrag med spådommer og en generisk tittel som «fremtiden for KI.» Jeg skal ikke snakke om fremtiden for KI. I stedet skal jeg snakke om deres fremtid. Deres fremtid er mer interessant for meg, og den er sannsynligvis mer interessant for dere også.

Først litt om fortiden. Cambridge er det perfekte stedet for å snakke om fortiden og samtidig om fremtiden deres, fordi stedet har begge deler.

Ifølge historien ble det vi i dag kaller fagfellevurdering, oppfunnet her i Cambridge. Sannheten er at det bare var en professor fra Cambridge, og han foreslo det for Royal Society of London, ikke her ved universitetet. Det var i 1831. I dag publiseres mer enn 3,5 millioner vitenskapelige artikler hvert år gjennom fagfellevurdering.

Omtrent 160 år senere jobbet to doktorgradskandidater ved Stanford med nettverksstrukturer og datautvinning. Dette var da internettboomen på 1990-tallet så vidt hadde begynt. World Wide Web var det eneste noen snakket om. Litt som «KI» i dag.

Akkurat som i dag var det også mest investorer og medier som snakket om boomen. «Teknologimiljøet» den gang var telekommunikasjonsbransjen. Det var ikke mange akademikere med i diskusjonen. (Noen, men ikke mange.) Og disse to doktorgradsstudentene var ikke akkurat innsidere i internettboomen.

Men de visste én ting som folk utenfor universitetssystemet egentlig ikke brydde seg om.

Som de fleste akademikere forsto de universitetets formål. Universitetets formål er å fremme kunnskap.

Det er derfor vi bruker fagfellevurdering. Det er også derfor akademiske tekster har så mange kildehenvisninger. Og disse to studentene visste at mengden kunnskap i verden (målt ved antall artikler av fagfellevurdert kvalitet) bare vokser. Så det var lett for dem å se at nettet også bare ville vokse med menneskelig kunnskap.

De hadde også erfaring med et gammelt problem som var «nytt» for nettet: hvordan man finner riktig kunnskap, eller den beste kunnskapen, når den hele tiden vokser. I den gamle modellen vurderer akademikere om noens forskning er nyttig eller troverdig ut fra hvor mange ganger den har blitt sitert.

Så de fikk ideen om å bygge en algoritme som vurderer hvert eneste nettsted på internett ut fra hvor mange andre nettsteder som siterte det, eller lenket til det, sett i forhold til innholdet på disse nettstedene.

De kalte systemet «Page Rank» fordi de rangerte hver eneste side på nettet, og fordi en av disse doktorgradskandidatene het Larry Page.

Larry og partneren hans (Sergey Brin) tok dette ene lille akademiske prinsippet og gjorde det tilgjengelig for folk flest. Google ble et av de mest nyttige verktøyene i historien, og en av de mest suksessrike virksomhetene, fordi Larry Page ganske enkelt tilpasset det universitetene allerede hadde gjort i hundre år.

Som jeg sa, er universitetets formål å fremme kunnskap. Jeg skal fortelle dere tre ting om kunnskap i dette foredraget. Mitt håp er at vi skal komme frem til en bedre praktisk forståelse av kunstig intelligens ved å tenke over noe av vår egen.

1.

For det første: Kunnskap har et liv. Den blir født, den forfaller, og den dør.

Den har en livssyklus. Og fordi den har en livssyklus, gjennomgår kunnskap evolusjon.

Etter hvert som det vi vet utvikler seg, blir vi alle smartere. Det kalles Flynn-effekten. Flynn-effekten er observasjonen av at menneskeheten har blitt omtrent 3 IQ-poeng smartere hvert tiår.

IQ-tester normeres stadig på nytt slik at gjennomsnittet forblir 100, så en enkel måte å tenke på Flynn-effekten på er i persentiler. En person som lå i 92. persentil for intelligens i 1950, ville bare ligget i 50. persentil i dag. Vi ble alle smartere.

1950 er også samme år som Turing-testen ble oppfunnet. Det var den første testen for å avgjøre om eller når en maskin er smartere enn mennesker. Det betyr at Turing-testen i 1950 var mye lettere for en maskin å bestå. For lista for «menneskelig» intelligens lå lavere.

Og det er evolusjonens kraft. Kunnskap fører alltid til mer kunnskap.

Ulempen er at verden kan bli smartere, mens du som individ kan bli dummere. Kunnskap forfaller. Tenk på det som en halveringstid. Halveringstiden til et radioaktivt grunnstoff er tiden det tar før halvparten av det har henfalt. Kunnskapens halveringstid er tiden det tar før halvparten av den har blitt foreldet.

Her er noen eksempler fra nettopp Cambridge.

I 1978 bidro Sir Roy Calne til å innføre ciklosporin i transplantasjonsmedisinen. Dette var viktig for å forhindre organavstøtning. De første kliniske studiene ble gjennomført i Cambridge. Innen 2001 hadde et annet legemiddel, takrolimus, blitt den dominerende behandlingen i sin klasse ved nyretransplantasjoner i USA. Så man kan si at den medisinske kunnskapen om ciklosporinbehandling hadde en halveringstid på 23 år.

Det er et ufullkomment mål, men det er en nyttig modell for å vurdere ingeniører i fagfelt som utvikler seg raskt. Vi gjør dette i teknologibransjen. Implikasjonen er: «På hvilket tidspunkt i denne ingeniørens karriere er halvparten av det vedkommende vet, helt foreldet?»

På hvilket tidspunkt i karrieren deres vil det skje med dere? Svaret avhenger av hvor mye tid dere bruker på å lære nye ting.

Dessverre dør også kunnskap i sjeldne tilfeller. Det finnes språk som ikke lenger har noen talere. Det finnes visdom som dør sammen med en eldre person.

Dette er grunnen til at mennesker har bygget biblioteker i mer enn 4000 år. Og da nettet kom, la vi uendelig mye mer av det vi vet ut på det. Så kunnskap dør, men det trenger den ikke. Kanskje som en medfødt del av den menneskelige tilstand har mennesker følt en sterk trang til å bevare kunnskap. Vi tar hele tiden vare på den og øker verdens samlede kunnskap. Det er en god ting.

Jeg bør påpeke: Kunnskap er som en levende ting, men den er ikke levende. Bare dere er levende. Jeg tror bare at dere er mer levende når dere lærer noe nytt.

Dette er forresten grunnen til at Perplexity finnes. Men jeg er ikke her for å snakke om Perplexity. Jeg er her for å snakke om dere, og om kunnskapens økonomi. Noe som bringer meg til mitt andre poeng.

2.

For det andre: Kunnskap er ikke penger. Men den oppfører seg som penger.

Penger har en tidsverdi. Renter får dem til å vokse, og inflasjon får dem til å krympe. Med nok tid får både renter og inflasjon en rentes rente-effekt.

Når hundre tusen pund har samme kjøpekraft som førti tusen (sannsynligvis om rundt 23 år), trenger dere 250 000 pund for å gå i null. 23 år etter det igjen ville dere trenge 625 000 pund.

Når noe vokser med rentes rente, øker gevinstene eller tapene eksponentielt over tid.

Det er derfor det mest grunnleggende økonomiske prinsippet er at man alltid bør la pengene vokse med rentes rente i et tempo som overgår inflasjonen. For hvis du ikke vokser, krymper du. Det er på samme måte med kunnskap.

Akkurat som verdien av et pund vil verdien av det dere vet i dag, synke over tid. Og akkurat som vanlig verdifall vil det bare skje litt hver dag. Det vil være så lite at dere knapt legger merke til det. Helt til dere en dag våkner og ikke har noe igjen. Kunnskapen deres vil ikke lenger ha samme markedsverdi. Dette er uunngåelig. Husk at Pytagoras' læresetning en gang var noe bare eliten fikk lov til å kjenne til. Men alle her lærte den i sjuende klasse.

Vi blir alle smartere, for alltid. Som jeg nevnte, er dette hele formålet med universitetet. Med litt flaks kan det dere studerte her i Cambridge, en dag langt inn i fremtiden bli pensum for sjuendeklassinger.

Det er en god ting om det skjer. Det betyr fremskritt. Men det betyr også at de økonomiske målene deres krever at dere aldri slutter å lære. Dere må lære med en rente som er høyere enn kunnskapens inflasjonsrate.

Sagt på en annen måte: Dere må doble det dere vet, i et tempo som overgår halveringstiden for deres egen kunnskap. Dette tar tid. Men når dere ser verden i lys av rentes rente, må dere se den med et langt tidsperspektiv.

Det er derfor det beste trikset for å la formuen vokse med rentes rente er å begynne ung, og det nest beste er å dø gammel. Warren Buffet begynte å investere da han var 11 år, men 99 % av formuen hans ble bygget opp etter at han fylte 65.

Noe som antyder den siste likheten mellom kunnskap og penger. Dere må bruke den.

Når du har kapital, setter du den i arbeid. Når du har kunnskap, særlig eksepsjonell kunnskap, bør du sette den i arbeid. Gjør noe med den. Det er forskjellen mellom oppfinnelse og innovasjon. Oppfinnelse spør: «har du laget noe?» Innovasjon spør: «Utgjorde det en forskjell?»

Og hvis dere vil utgjøre en forskjell, må dere handle ut fra kunnskapen. Bare handling utløser nye spørsmål, undersøkelser og ny kunnskap. Dere må alltid lære, og alltid handle.

Det er her kunstig intelligens kommer inn, og det leder meg til mitt tredje og siste poeng.

3.

Formålet med KI er å akselerere menneskelig kunnskap og velstand.

Tenk på de to første tingene jeg har sagt i kveld. Jeg sa at kunnskap har en livslignende karakter, og at vi bør pleie og fremme den, fordi mennesker generelt drar nytte av det. Så sa jeg at kunnskap har en økonomisk karakter. At vi bør dyrke den, fordi alle mennesker i bunn og grunn drar nytte av det.

Hvis dere tror på disse to tingene, må dere også tenke litt annerledes om KI.

I stedet for å være besatt av å oppnå AGI eller gjøre teknologi smart for teknologiens egen skyld, ville dere konkludere med at grunnen til å bygge bedre og mer nøyaktig KI er å tjene mennesker.

Dere ville konkludere med at KIs høyeste og viktigste formål er å gjøre mennesker smartere og mer velstående.

Hvis dette minner mye om universitetets formål – vel, her er vi.

Tenk på fagfellevurdering igjen. Den ble oppfunnet i 1831. I år lanserte Perplexity et veldig enkelt produkt kalt Model Council, basert på en idé fra en av forskerne som var med på å grunnlegge OpenAI. Du stiller tre KI-modeller det samme spørsmålet. Hver av dem undersøker og svarer, og deretter vurderer en «ordstyrer»-modell hvor de er uenige og enige, og resonnerer seg frem til et endelig svar.

Model Council erstatter ikke fagfellevurdering. Formålet er i stedet å bringe den akademiske, undersøkende ånden ut til flere mennesker. Vi kan utvide universitetets etos utover disse veggene, og ut i hele verden.

Vi kan hjelpe flere mennesker med å faktisk ha rett, ikke bare føle at de har rett eller høres ut som om de har rett. Å søke sannhet og kunnskap vitenskapelig. Universets bue går mot at alle skal få større tilgang til mer kunnskap. Det er bra for mennesker å ha kunnskap. Og det er menneskene som drar nytte av det.

Jeg avslutter med en kort historie om selskapet mitt.

Da vi startet, var vi bare tre KI-forskere, med flere spørsmål enn visjon. Så, da vi skulle få inn person nummer fire, bestemte vi oss for at det var på tide å skaffe helseforsikring. Helseforsikring i USA er komplisert selv for amerikanere. Jeg er ikke fra USA, så det var enda mer forvirrende for meg.

Google-resultatene var til ingen hjelp. Og det vanlige en gründer gjør i en slik situasjon, er å ringe noen som har gjort det før. Som en investor eller en annen gründer. Men det var sent på kvelden. Jeg ville få det gjort, så jeg måtte finne kunnskapen selv.

Problemet med det er at når du gjør undersøkelsene selv, googler du deg gjennom SEO-optimaliserte forsikringsnettsteder som alle gir dårlige råd og konkurrerer om å virke mest troverdige.

Det var da jeg bygde den første versjonen av Perplexity.

Den gjorde undersøkelsene for meg. Og jeg fikk den til å oppgi kilder for svarene. Så jeg kunne verifisere og fortsette å stille flere spørsmål. Og så ordnet jeg helseforsikringen vår. Det var løst. Videre til neste problem. Og neste problem, og neste problem. Og her er vi i dag.

Moralen i den historien er at du ikke lenger trenger å «kjenne noen». Du kan bare lære deg ting og gjøre dem. Jeg har allerede fortalt dere at løftet med KI er at man kan få tilgang til all kunnskap. Moralen i denne historien er at hvem som helst kan få tilgang til all kunnskap.

Dette er det ultimate løftet med KI. Hvem som helst kan nå være nysgjerrig. Hvem som helst kan bygge hva som helst. Hvem som helst kan nå tre inn i kunnskapens tempel. Det er til nytte for alle.

Og det er gode nyheter for dere. Det betyr at det viktigste dere kan gjøre, resten av livet, er å være nysgjerrige. De mest suksessrike blant dere vil være de som har flest spørsmål. Og de beste spørsmålene.

Så mitt råd til dere er å bli så nysgjerrige som dere kan. Ikke nøy dere med å scrolle gjennom sosiale medier på telefonen. Ikke nøy dere med en KI-agent som bare bestiller bord på restaurant – gjør ordentlig arbeid med den. Og tro aldri på en chatbot som sier at dere allerede har rett.

Tro på den undersøkende ånden. Tro på det dere kan lære med KI. Tro på det dere skaper når dere gjør det. Og for oss alle: Sørg for at det blir bra.

Takk.