KI og bildeskaping

Sammen med Gro Røsland diskuterer jeg bildeskaping med KI på Teams, og hvordan vi kan bruke KI-bilder i et undervisningsopplegg om livsmestring og psykisk helse. Videoen ble laget til HVL-konferansen 2024. Tema er høyere utdanning i framtiden – kunstig intelligens.



Via en rekke eksempler ender vi opp med dette bildet:

Mannsutvalgets rapport, 2024

Mannsutvalget kom med sin utredning i dag. Formålet med utredningen er tredelt:

1. Gi helhetlig oversikt over hvilke likestillingsutfordringer gutter og menn møter gjennom livsløpet.
2. Vurdere om pågående politikk og igangsatte prosesser som ivaretar kjønnsperspektivet.
3. Foreslå tiltak som vil bidra til et likestilt samfunn.

Rapporten ser ut til å inneholde mye viktig og konstruktivt. Her får jeg begrense meg til det som angår høyere utdanning, og lærerutdanning spesielt. Andelen menn i grunnskolen har sunket fra 36 prosent i 1999 til rundt 25 prosent, ifølge Utdanningsdirektoratet. Dette ser langt bedre ut i videregående skole.

Kun én av fem som søker grunnskolelærerutdanningen er menn, og av disse slutter over halvparten i løpet av studiet. En rapport fra OsloMet, 2019, Rekruttering av menn til grunnskolelærerutdanning for trinn 1–7 peker på at den viktigste årsaken er at jenter har mye mer erfaring med barn. Når menn får mer erfaring med barn, for eksempel etter å ha jobbet litt i barnehage eller skolefritidsordning, velger de i større grad å bli lærere.

Jeg merker meg at rapporten slår fast "at tidspunktet for utdanningsvalg spiller en rolle: desto senere et utdanningsvalg tas, desto større er sjansen for å velge kjønnsutypisk." I dag forestiller vi oss at en 19-åring skal velge rett yrkesvei som 19-åring. I lærerutdanningen forventes det også at studentene skal velge hvilket fag de vil ta master i, når det tas opp til første studieår. Det er tullete, kun begrunnet ut fra institusjonenes økonomi – som igjen peker på en underfinansiert masterutdanning i grunnskolelærerutdanningen.

Utvalget foreslår følgende for å minske kjønnsforskjeller i utdanning:

Generativ KI og kreativitet

Kontorveggen min fremstår nok som kaotisk, men jo mer jeg tenker på det desto viktigere blir dette, som en trening for og oppdatering av tenkningen omkring eksisterende og kommende prosjekter. Les: visuell trening (og for min del: vedlikehold) av nevrale nettverk.

Kreativitet er et begrep som noen fag synes å mene de har mer hevd på enn andre. Som underviser og forsker i et såkalt "kreativt" fag, undrer jeg meg ofte over dette. Kanskje er noe av grunnen at jeg  er ingeniør i bunn, fag som av en for meg merkelig grunn ikke betegnes som "kreative".

Ser forresten at jeg har skrevet om Kunstig intelligens og kreativitet tidligere. Det kan hende dette blir en gjenganger.

Meningene er trolig mange om hva kreativitet egentlig er, men i denne sammenhengen definerer jeg det som evne og trang til å finne og utforske problemer. Kanskje går skillet mellom kunstneren og ingeniørens kreativitet ved at kunstneren er mer på jakt etter problemer, mens ingeniøren løser problemer som allerede er identifisert. Så ligger det samtidig mye kreativitet i problemløsning.

Det alle nok kan enes om er at det finner forskjellige former og nivåer for kreativitet. Den kreativiteten som kjennetegner en god kunstner eller ingeniør, arter seg annerledes når de bruker sin kreativitet på sine områder. 

Virkelig bra ting oppstår kanskje på områder der ulike former for kreativitet møtes og blandes. Hvilket bringer meg til maskiner og kreativitet. Tradisjonelt knyttes kreativitet knyttes til mennesker, men dette utfordres av maskiner som benytter kunstig intelligens (KI), som allerede frembringer objekter som fremstår som resultat av kreative prosesser. 

Noe som kjennetegner maskiner er at de er agnostiske når det gjelder tradisjonelle fagområder. En industrirobot bryr seg ikke om den lakkerer en bil eller maler en form for bilde. Ikke minst ser en dette når en begynner å trene fysiske roboter med samme type nevrale nettverk som benyttes i store språkmodeller. På samme vis blir det virkelig fart i resultatene som kommer ut når KI-modeller, i utganspunktet utviklet for verbaltekst, trenes med visuelle data,

KI-teknikkene, basert på såkalt Reinforcement Learning (forsterkende læring), kommer frem til alternative løsninger som fremstår som ytterst kreative – løsninger som kan fremstå som nyskapende og overraskende. Dette kommer nær essensen av "kreativitet".