Det europæiske AI-paradoks: hvorfor den næste generation af AI-eksperter allerede er iblandt os
Det falske valg, der dominerer den europæiske AI-debat
Vi lever i en tid med selvudnævnte AI-specialister. De falder i to lejre, der råber forbi hinanden. Den ene lejr erklærer, at vi ikke kan overleve uden AI. Den anden insisterer på, at vi må afvise det fuldstændigt.
Mellem disse yderpunkter? Tavshed. Så godt som intet.
Den første gruppe er formentlig uvidende om, hvad der eksisterede før den nuværende AI. De ved ikke, at AI allerede var her, før det blev kaldt AI. Denne gruppe har brug for at forstå, at den nuværende AI ikke er, hvad den burde være. Vi bevægede os for hurtigt. Vi gik genveje. Resultatet, som kommer snart: ubrugelig AI.
Hvorfor råber denne gruppe så højt om, at vi ikke kan overleve uden AI? De har knyttet en nem indtjeningsmodel til det. Den er ikke skalerbar. De holder fast i det trick, de kender.
Den anden gruppe kender det, der kom før. De forstår de enkelte komponenter. De har været specialister på disse områder i årevis. Denne gruppe har brug for hjælp til at se mulighederne og grænserne. De vil sandsynligvis være de første til at genkende, hvad AI burde være, og hvad der kan opnås på den rigtige måde.
Deres viden passer ind i AI-arkitekturen. I den næste generation af AI, bygget til mennesker, vil disse mennesker finde deres foretrukne plads. Her ligger en enorm mulighed for hurtig omskoling og bidrag. Den indtjeningsmodel, de risikerer at miste, får ny fremdrift.
Kan vi udvinde en udfordrende polarisering fra dette og derefter forbinde den til en nuanceret konklusion?
Det nuværende AI-landskab i Europa
Lad os være konkrete om, hvor Europa står. Tallene fortæller en vigtig historie.
Europa står over for en dokumenteret mangel på AI-talenter. Storbritannien har 168.000 AI-stillinger, der ikke er besat. Tyskland har 102.000. Frankrig har 88.000. Forholdet mellem efterspørgsel og udbud af AI-kompetencer globalt er 3,2 til 1. Kun 10% af verdens førende AI-forskere bor i Europa, og den procentdel falder årligt.
Virksomhedernes AI-adoption i Europa ligger på kun 13,5% fra 2024. AI-talenter udgør 0,41% af EU's arbejdsstyrke. I mellemtiden har USA over 240 teknologivirksomheder med en værdi på mere end 10 milliarder dollars. Europa har 14. Amerikansk AI-venturekapital nåede 68 milliarder dollars i 2024. EU klarede 8 milliarder dollars.
Disse statistikker skaber panik. De driver den første gruppes fortælling: Europa må importere AI, købe AI, adoptere AI hurtigt eller falde bagud for altid.
Men denne fortælling antager, at den nuværende AI er den eneste AI. Den antager, at black-box deep learning er den endelige destination. Den ignorerer, hvad Europa byggede før hypen.
Hvad Europa havde, før AI blev kaldt AI
Mens amerikanske virksomheder skalerende neurale netværk, byggede Europa noget andet. Noget fundamentalt. Noget, som den nuværende AI desperat har brug for.
Formelle metoder og verifikation: Europa har over 25 års dokumenteret ekspertise i at bevise softwarekorrekthed. University of Freiburg, Inria, Formal Methods Europe, virksomheder som Prover Technology, CEA List, Axiomise, PQShield. Disse institutioner og virksomheder forsvandt ikke. De er stadig her. Deres ekspertise er mere relevant end nogensinde.
Constraint programming: The Handbook of Constraint Programming blev udgivet i 2006. CPAIOR-konferencen begyndte i 2004 i Nice i Frankrig. Forskningsgrupper som VeriDIS ved Inria, KU Leuven og RISC ved Johannes Kepler Universitet har udviklet constraint-løsningsteknikker i årtier. Det er ikke teoretisk. Det er fundamentet for optimering, planlægning og beslutningssystemer.
Logikprogrammering og Prolog: Født i Europa. University of Aix-Marseille, 1972-1973. Skaberne Alain Colmerauer og Philippe Roussel. Halvtreds års europæisk forskning. I 2022 fejrede fællesskabet "Fifty Years of Prolog and Beyond." Det er ikke forladt historie. Det er levende ekspertise.
Semantisk web og vidensteknik: SWAD-Europe var et stort europæisk initiativ for det semantiske web inden for W3C. OWL blev en W3C-anbefaling i 2004, ledet af europæiske forskere. I dag publicerer Nature forskning om semantiske vidensgrafer. Ekspertisen forlod aldrig.
Det er det, den anden gruppe ved. Det er deres speciale. Og de ser den første gruppe genopfinde hjul på dårlig vis, ignorere årtiers forskning og skabe systemer, der fejler netop, fordi de mangler disse fundamenter.
Problemet med den første gruppe: uholdbar hype
AI-konsulentmarkedet vil nå 630,7 milliarder dollars i 2032. Det forklarer råberiet. Konsulenter, cloud-leverandører og tjenesteudbydere har knyttet deres forretningsmodel til den nuværende AI. De er nødt til at overbevise europæiske virksomheder om, at de skal tage AI i brug nu eller dø.
Men modellen kan ikke skaleres. Her er hvorfor.
Den nuværende AI lider af eksponentiel fejlophobning. Systemer, der er 98 % præcise pr. trin, bliver 13 % præcise efter 100 trin. Hallucinationer vokser som en snebold. Multimodale systemer mister 31 % af deres ydeevne, når de støder på genererede fejl. Matematikken er ligeglad med forretningsmodeller.
Den første gruppes løsning? Mere træningsdata. Bedre prompts. Verifikationstrin, der tilføjer flere trin til det problem, der skyldes for mange trin. De forsøger at bekæmpe matematik med naturligt sprog.
Det er ikke bæredygtigt. Europæiske virksomheder, der tager disse tilgange i brug, vil opleve den fejlrate på 95 % i produktionen, som MIT og Fortune har dokumenteret. De vil bruge millioner på systemer, der matematisk set er dømt til at fejle i scenarier med flere trin.
Den første gruppe ved det. De kan ikke indrømme det. Deres forretningsmodel afhænger af at fastholde illusionen om, at den nuværende AI virker. Så de råber højere.
Muligheden i den anden gruppe: overset ekspertise
Overvej nu den anden gruppe. De så AI-hypen fra sidelinjen. De så virksomheder genopfinde teknikker, som Europa løste for årtier siden. De så neurale netværk kæmpe med problemer, som constraint programming håndterer elegant.
De holdt sig tilbage, fordi markedet ikke belønnede deres ekspertise. AI-finansiering gik til deep learning. Forskningen i constraint programming fortsatte på universiteter og i specialiserede virksomheder. Formel verifikation forblev afgørende i sikkerhedskritiske brancher. Knowledge engineering drev semantiske webapplikationer, der fungerede pålideligt.
Denne gruppe findes. De er betydelige. Europa har over 10 millioner ICT-specialister. Tyskland har 2,3 millioner. Central- og Østeuropa har 3,5 millioner. Beskæftigelsen blandt udviklere er 84 %. Dette er ikke en lille niche. Det er en massiv arbejdsstyrke med underudnyttet ekspertise.
Her er den afgørende indsigt: EU's AI-forordnings krav om forklarlighed, gennemsigtighed og revisibilitet skaber en reguleringsmæssig efterspørgsel efter netop det, denne gruppe kan.
Formel verifikation beviser systemets korrekthed. Constraint programming giver fortolkelige ræsonnementstier. Logikprogrammering muliggør sporbar beslutningstagning. Knowledge engineering bygger hybride neurosymboliske systemer, der kombinerer læring med ræsonnement.
Den anden gruppes ekspertise matcher direkte kravene til næste generations AI. De behøver ikke at lære AI fra bunden. De skal anerkende, at deres eksisterende færdigheder ER næste generation af AI.
Den ubrugelige AI, der kommer snart
Hvad sker der, når de nuværende AI-tilgange rammer deres matematiske grænser? Vi ser det allerede.
Google AI Overview foreslog at lægge lim på pizza. CNET's AI skrev artikler med en fejlrate på 53 %. Systemer til medicinsk diagnosticering fejlede i 80 % af pædiatriske tilfælde. Juridiske AI-modeller hallucinerer i 1 ud af 6 forespørgsler. Det er ikke kanttilfælde. Det er symptomer på fundamentale arkitektoniske problemer.
Den hallucinations-sneboldeffekt, som Zhang et al. (2023) har identificeret, viser, at LLM'er fastholder tidlige fejl og genererer yderligere falske påstande for at retfærdiggøre dem. Fejl forplanter sig ikke bare. De vokser.
98-procent-problemet betyder, at systemer efter 34 ræsonneringstrin er mere tilbøjelige til at tage fejl end at have ret. Efter 100 trin tager de fejl i 86,7 % af tilfældene. Det er derfor, at 95 % af AI-agenter fejler i produktion. Det er derfor, at 95 % af generative AI-pilotprojekter aldrig når til produktion.
Vi nærmer os hurtigt ubrugelig AI. Systemer, som ikke kan betros til flertrinsræsonnering. Systemer, som kræver manuel faktatjek af hvert eneste output. Systemer, som koster mere at rette op på, end de leverer i værdi.
Den første gruppe vil svare med mere af det samme. Større modeller. Mere regnekraft. Bedre prompts. De er fanget i et paradigme, som matematikken siger ikke kan fungere.
Den anden gruppe ser anderledes på det. De har brugt deres karrierer på at bygge systemer, der IKKE lider af eksponentiel fejlophobning. Formelle metoder beviser egenskaber. Constraint solving finder optimale løsninger. Logikprogrammering giver sund ræsonnering. Knowledge engineering skaber forklarbare systemer.
Polariseringen bliver tydelig. Én gruppe, der fordobler indsatsen på fejlbehæftede tilgange. En anden gruppe, der sidder med de løsninger, som markedet før eller siden vil efterspørge.
Europæisk digital suverænitet gennem eksisterende ekspertise
EU-Kommissionen definerer digital suverænitet som "digitale infrastrukturer, produkter og tjenester, der beskytter europæisk sikkerhed, strategiske aktiver og interesser." Berlin-erklæringen tilføjer "evnen til at handle selvstændigt og frit vælge vores egen digitale vej."
Nuværende tilgange til AI-suverænitet fokuserer på at bygge europæiske versioner af amerikansk AI. At træne store sprogmodeller. At skabe europæiske fundamentmodeller. At konkurrere på Amerikas præmisser.
Dette misser pointen. Europas vej til AI-suverænitet er ikke at gøre, hvad Amerika gør, bare lokalt. Det er at gøre, hvad Europa gør bedst, på en anden måde.
EU's AI-forordnings vægt på forklarlighed, gennemsigtighed og menneskecentreret design er ikke tilfældig. Den afspejler europæiske værdier. Den afspejler også europæiske tekniske styrker. Forordningen skaber efterspørgsel efter systemer, der kan forklares, verificeres og revideres.
Hvem kan bygge disse systemer? Ikke deep learning-specialisterne, der byggede black-box-modeller. Formelle metode-eksperter, der har bevist systemkorrekthed i 25 år. Forskere i constraint programming, der har bygget fortolkelige optimeringssystemer i to årtier. Vidensteknikere, der har skabt forklarbare semantiske systemer siden begyndelsen af 2000'erne.
Dette er den europæiske fordel. Europa behøver ikke at importere AI-ekspertise. Europa skal anerkende, at dets eksisterende tekniske ekspertise ER næste generations AI-ekspertise.
Omskolingsmuligheden, der er lige for øjnene af os
Europa-Kommissionens pagt om kompetencer har nået 2,6 millioner mennesker gennem opkvalificerings- og omskolingsinitiativer. CEDEFOP rapporterer, at mere end 25% af europæiske voksne arbejdstagere allerede eksperimenterer med AI på arbejdet.
Den traditionelle fortælling antyder, at disse arbejdstagere skal lære deep learning, neurale netværk, transformer-arkitekturer. De skal blive som den første gruppe.
Dette er bagvendt. De arbejdstagere, Europa allerede har, besidder præcis de færdigheder, som næste generations AI har brug for. De skal bare anerkende, at deres ekspertise er værdifuld i AI-sammenhæng.
En specialist i formel verifikation behøver ikke at lære neurale netværk. De skal anvende deres verifikationsekspertise på constraint-baserede AI-systemer. En forsker i constraint programming behøver ikke at skifte til deep learning. De skal anerkende, at deres constraint-løsningsteknikker ER næste generation af AI-ræsonnering. En videnstekniker behøver ikke at forlade semantisk web til fordel for store sprogmodeller. De skal bygge hybride systemer, der kombinerer læring med ræsonnering.
Omskolingsudfordringen er ikke at lære europæiske specialister AI fra bunden. Det er at hjælpe dem med at se, at deres årtiers ekspertise ER AI. Den AI, som nuværende tilgange ikke formår at levere.
Den indtjeningsmodel, de risikerer at miste, er ikke væk. Den er under forandring. Virksomheder, der forstår formel verifikation, constraint satisfaction og vidensteknik, vil være dem, der bygger AI-systemer, der faktisk fungerer i produktion. De AI-systemer, der overholder EU-reglerne. De AI-systemer, som europæiske virksomheder kan stole på.
Den nuancerede konklusion: polarisering som mulighed
Polariseringen mellem "vi skal have AI" og "vi har ikke brug for AI" er falsk. Begge positioner misser nuancen.
Den nuancerede virkelighed: Europa har brug for AI, men ikke den nuværende AI. Europa har brug for næste generation af AI bygget på europæiske styrker. Forklarlig, verificerbar, effektiv, menneskecentreret. Den AI, som EU's AI-forordning kræver. Den AI, som europæiske virksomheder reelt har brug for. Den AI, som europæiske specialister allerede ved, hvordan man bygger.
Den første gruppes fortælling om, at vi må tage den nuværende AI til os eller dø, er farlig. Den får europæiske virksomheder til at investere i systemer, der vil fejle. Den fastholder afhængigheden af amerikansk teknologi. Den ignorerer europæisk ekspertise.
Den anden gruppes skepsis over for den nuværende AI er berettiget, men deres konklusion om, at vi ikke har brug for AI, er forkert. Vi har brug for AI. Vi har bare brug for den RETTE AI. AI bygget på fundamenter, de har udviklet i årtier.
Muligheden ligger i syntesen: at anerkende, at næste generation af AI-ekspertise allerede findes i Europa. Det er de 10+ millioner ICT-specialister. Det er formal methods-eksperterne med 25+ års erfaring. Det er constraint programming-forskerne med to årtiers arbejde. Det er knowledge engineers, der byggede den semantiske web.
Disse mennesker skal ikke erstattes af AI-specialister fra andre steder. De skal styrkes til at anerkende, at deres ekspertise ER næste generation af AI-ekspertise. De skal se broen mellem deres nuværende kompetencer og de AI-systemer, som Europa reelt har brug for.
Hos Dweve bygger vi den bro. Core leverer rammen for formel verifikation. Loom implementerer constraint-baserede domænespecialister. Nexus leverer orkestreringslaget. Spindle leverer knowledge governance. Hver komponent udnytter europæiske tekniske styrker. Hver komponent skaber muligheder for, at europæiske specialister kan anvende deres ekspertise på næste generation af AI.
Polariseringen er ikke et problem. Den er en mulighed. Sammenstødet mellem hype og virkelighed vil tvinge europæiske virksomheder til at anerkende, hvad der reelt virker. Når den nuværende AI fejler, vil europæiske virksomheder søge alternativer. De alternativer findes. De er bygget på 25-50 års europæisk forskning. De ligger hos 10+ millioner europæiske specialister. De skal bare anerkendes som næste generation af AI.
Det, du skal huske
- Polariseringen er falsk. "Vi skal have AI" over for "vi har ikke brug for AI" overser nuancen. Europa har brug for næste generation af AI bygget på europæiske styrker, ikke importeret nuværende AI.
- Den nuværende AI fejler. Eksponentiel fejlophobning gør systemer med flere trin ubrugelige. 95 % af AI-piloter når aldrig i produktion. Matematikken er ligeglad med forretningsmodeller.
- Europæisk ekspertise findes. 25+ års formal methods. 20+ års constraint programming. 50+ års logikprogrammering. 20+ års knowledge engineering. Det er ikke historie. Det er fundamentet for næste generation af AI.
- EU's AI-forordning kræver det, Europa har. Forklarlighed, gennemsigtighed, revisabilitet. Det er ikke byrder for europæiske specialister. Det er det, de har bygget i årtier.
- 10+ millioner ICT-specialister. Europa har en betydelig arbejdsstyrke med relevant ekspertise. De skal ikke lære AI fra bunden. De skal anerkende, at deres eksisterende kompetencer ER næste generation af AI.
- Omskolingsmuligheden er enorm. Pagten for kompetencer nåede 2,6 millioner mennesker. 25 % af europæiske arbejdstagere eksperimenterer med AI. Udfordringen er at anerkende, at eksisterende ekspertise gælder for AI, ikke at importere fremmed ekspertise.
- Europæisk AI-suverænitet kommer indefra. Ikke ved at kopiere amerikanske tilgange, men ved at udnytte europæiske styrker inden for formal methods, constraint programming og knowledge engineering til at bygge AI, der reelt virker.
Bundlinjen
Debatten om europæisk AI-suverænitet fokuserer på det forkerte spørgsmål. Det handler ikke om, hvorvidt Europa har brug for AI eller ej. Det handler om, hvilken slags AI Europa har brug for.
Den nuværende AI, bygget på deep learning og neurale netværk, rammer matematiske grænser. Eksponentiel fejlophobning. Hallucinationer, der vokser som snebolde. 95 % fejlrate i produktionen. Det er ikke den fremtid, europæiske virksomheder kan stole på.
Næste generations AI, bygget på formel verifikation, begrænsningsoptimering og knowledge engineering, er allerede ved at opstå i Europa. Den bygger på 25-50 års europæisk forskning. Den beskæftiger 10+ millioner europæiske specialister. Den lever op til kravene i EU's AI-forordning. Den virker faktisk.
Den første gruppe vil fortsætte med at råbe, at Europa må tage den nuværende AI til sig eller dø. Deres forretningsmodel afhænger af det. Den anden gruppe vil forblive skeptisk og overse, at deres ekspertise netop er næste generations AI.
Den nuancerede sandhed ligger midt imellem. Europa har brug for AI-suverænitet. Men vejen til suverænitet er ikke at importere amerikansk teknologi. Det er at styrke europæiske specialister til at bygge den AI, de allerede ved, hvordan de skaber. Den AI, der er bygget på fundamenter, de har udviklet i årtier. Den AI, som EU's AI-forordning kræver. Den AI, der faktisk vil virke i produktionen.
Næste generations AI-eksperter er ikke nogen, Europa skal finde eller uddanne fra bunden. De er allerede her. De har været her i 25-50 år. De skal bare anerkende, at deres ekspertise er præcis det, næste generations AI kræver.
Klar til at bygge europæisk AI-suverænitet på europæiske fundamenter? Dweves begrænsningsbaserede platform bygger på årtiers europæisk forskning i formelle metoder, begrænsningsprogrammering og knowledge engineering. Ingen import af amerikanske fejltagelser. Bare byg videre på europæiske styrker. Tilmeld dig vores venteliste.