Fenomenet «ukjente kjente» – kunnskap vi har, men glemmer – har blitt en økende utfordring i dagens teknologidrevne samfunn. Spørsmålet er: Kan kunstig intelligens (KI) være løsningen, eller vil det forverre situasjonen?

Begrepet «ukjente kjente» refererer til informasjon eller kunnskap vi egentlig besitter, men som vi ikke er bevisste på. Det er som å eie en skjult skatt av verdifull informasjon som ikke blir brukt.

I vår informasjonsoverflod er det oppsiktsvekkende at vi fortsatt overser velkjent kunnskap. Med konstant strømming av data kan det være utfordrende å skille mellom hva som er relevant og hva som er støy, noe som ofte resulterer i at vi ignorerer informasjon vi allerede har.

Dette fenomenet er spesielt problematisk i situasjoner som krever raske og informerte beslutninger. Feilvurderinger kan få alvorlige konsekvenser for både enkeltpersoner og samfunnet som helhet.

En dramatisk illustrasjon av «ukjente kjente» kan sees under Nav-skandalen i 2019, hvor mange trygdemottakere ble straffet urettmessig etter at vesentlig informasjon om EØS-regelverket ble oversett. Dette resulterte i fengselsdommer og enorme økonomiske belastninger for de berørte, samtidig som tilliten til Nav og rettssystemet ble sterkt svekket.

Lignende problemer ble oppdaget med Bybanen i Bergen, hvor kritisk informasjon ble utelatt i prosjektplanleggingen. Dette resulterte i betydelige forsinkelser og kostnadsoverskridelser, nok en gang med svekket tillit som følge.

Men kan KI være løsningen på problemene som «ukjente kjente» gir opphav til? Mange eksperter mener at KI har potensial til å avdekke mønstre og informasjon vi mennesker ofte overser. Systemene er utformet for å være mer objektive enn mennesker, og de kan prosessere enorme datamengder mye raskere.

Imidlertid avhenger KI av kvaliteten på dataene det bruker. Hvis systemene trenes med feilaktige eller partiske data, kan de faktisk forsterke fenomenet med «ukjente kjente». Det er også viktig å huske at data tolkes av mennesker, noe som ytterligere øker risikoen for feilvurderinger.

Konsekvensene av «ukjente kjente» i AI kan være dramatiske. Feilaktige vurderinger kan føre til partiske eller diskriminerende beslutninger. For eksempel har automatiserte rekrutteringsverktøy ofte vist seg å favorisere visse grupper, basert på historiske data med innebygde fordommer. Dette kan underminere rettferdighet og føre til juridiske problemer.

På et større nivå kan slike feil også hemme innovasjon. Systemer som er basert på mangelfulle data kan mislykkes i å oppdage nye trender eller utviklingen av viktige nye konsepter, noe som kan føre til tap av konkurranseevne og utviklingsmuligheter i næringslivet.

Så, hva kan gjøres for å redusere dette problemet i KI? En mulig tilnærming er å sikre hyppig kvalitetssikring og oppdatering av datagrunnlaget. Mange feil oppstår fra utdaterte eller mangelfulle data, og regelmessige oppdateringer kan sikre at KI-systemene opererer med relevant informasjon.

Det er også avgjørende å inkludere et bredt spekter av perspektiver i utviklingen av KI. Ved å involvere eksperter fra ulike felt kan vi skape et mer helhetlig syn på problemene, noe som reduserer sjansen for skjevheter.

Til slutt må utdanning og opplæring av de som utvikler og bruker KI være en prioritet. Med en solid forståelse av KI-teknologiens muligheter og begrensninger kan vi minimere feilkilder og sikre at etiske retningslinjer blir fulgt.

Kunstig intelligens kan være en nøkkelkomponent i å løse problemet med «ukjente kjente», men det krever en strategisk tilnærming som omfavner både teknologi og etiske hensyn. Ved å kombinere gode data med etiske rammer kan KI bidra til å gjøre oss mer effektive og samtidig mer innsiktsfulle.