Den europeiska AI-paradoxen: därför finns nästa generation AI-experter redan bland oss
Det falska valet som dominerar den europeiska AI-debatten
Vi lever i en tid av självutnämnda AI-specialister. De delas i två läger som ropar förbi varandra. Det ena lägret förkunnar att vi inte kan överleva utan AI. Det andra insisterar på att vi måste avvisa det helt och hållet.
Mellan dessa ytterligheter? Tystnad. I stort sett ingenting.
Den första gruppen är förmodligen omedveten om vad som fanns före dagens AI. De vet inte att AI redan fanns här innan det kallades AI. Den här gruppen behöver förstå att dagens AI inte är vad den borde vara. Vi rörde oss för snabbt. Vi tog genvägar. Resultatet, som kommer snart: oanvändbar AI.
Varför ropar den här gruppen så högt att vi inte kan överleva utan AI? De har kopplat en enkel intäktsmodell till det. Den är inte skalbar. De håller fast vid det trick de kan.
Den andra gruppen vet vad som kom före. De förstår de enskilda komponenterna. De har varit specialister inom dessa områden i åratal. Den här gruppen behöver hjälp med att se möjligheterna och gränserna. De kommer troligen att vara först med att inse vad AI borde vara, och vad som kan uppnås på rätt sätt.
Deras kunskap passar in i AI-arkitekturen. I nästa generation av AI, byggd för människor, kommer dessa människor att hitta sin föredragna plats. Här ligger en enorm möjlighet till snabb omskolning och bidrag. Den intäktsmodell de riskerar att förlora får ny fart.
Kan vi utvinna en utmanande polarisering ur detta och sedan koppla den till en nyanserad slutsats?
Dagens AI-landskap i Europa
Låt oss vara specifika om var Europa står. Siffrorna berättar en viktig historia.
Europa står inför en dokumenterad brist på AI-talanger. Storbritannien har 168 000 lediga AI-tjänster. Tyskland har 102 000. Frankrike har 88 000. Förhållandet mellan efterfrågan och utbud på AI-kunskaper globalt är 3,2 till 1. Endast 10 % av världens främsta AI-forskare bor i Europa, och den andelen sjunker årligen.
Företagens AI-införande i Europa ligger på bara 13,5 % från och med 2024. AI-talanger utgör 0,41 % av EU:s arbetskraft. Samtidigt har USA över 240 teknikföretag värda mer än 10 miljarder dollar. Europa har 14. USA:s riskkapitalinvesteringar i AI nådde 68 miljarder dollar 2024. EU lyckades med 8 miljarder dollar.
Dessa statistikuppgifter skapar panik. De driver den första gruppens berättelse: Europa måste importera AI, köpa AI, införa AI snabbt eller hamna på efterkälken för alltid.
Men den här berättelsen förutsätter att dagens AI är den enda AI:n. Den förutsätter att black-box-djupinlärning är den slutgiltiga destinationen. Den ignorerar vad Europa byggde före hypen.
Vad Europa hade innan AI kallades AI
Medan amerikanska företag skalade neurala nätverk byggde Europa något annat. Något grundläggande. Något som dagens AI desperat behöver.
Formella metoder och verifiering: Europa har över 25 års dokumenterad expertis i att bevisa programvarukorrekthet. University of Freiburg, Inria, Formal Methods Europe, företag som Prover Technology, CEA List, Axiomise, PQShield. Dessa institutioner och företag försvann inte. De finns fortfarande kvar. Deras expertis är mer relevant än någonsin.
Constraint programming: The Handbook of Constraint Programming publicerades 2006. CPAIOR-konferensen startade 2004 i Nice, Frankrike. Forskningsgrupper som VeriDIS vid Inria, KU Leuven och RISC vid Johannes Kepler-universitetet har utvecklat tekniker för constraint-lösning i decennier. Detta är inte teoretiskt. Det är grunden för optimering, planering och beslutsfattandesystem.
Logic programming en Prolog: Geboren in Europa. Universiteit van Aix-Marseille, 1972-1973. Bedenkers Alain Colmerauer en Philippe Roussel. Vijftig jaar Europees onderzoek. In 2022 vierde de gemeenschap "Fifty Years of Prolog and Beyond." Dit is geen vergeten geschiedenis. Het is levende expertise.
Semantisk webb och kunskapsengineering: SWAD-Europe var ett stort europeiskt initiativ för den semantiska webben inom W3C. OWL blev en W3C-rekommendation 2004, ledd av europeiska forskare. I dag publicerar Nature forskning om semantiska kunskapsgrafer. Expertisen försvann aldrig.
Dit is wat de tweede groep weet. Dit is hun specialisatie. En ze zien de eerste groep wielen opnieuw uitvinden op een slechte manier, decennia aan onderzoek negeren, en systemen creëren die precies falen omdat ze deze fundamenten missen.
Problemet med den första gruppen: ohållbar hype
AI-konsultmarknaden kommer att nå 630,7 miljarder dollar år 2032. Det förklarar ropen. Konsulter, molnleverantörer och tjänsteleverantörer har kopplat sina intäktsmodeller till nuvarande AI. De måste övertyga europeiska företag om att de måste införa AI nu eller dö.
Men modellen är inte skalbart. Här är varför.
Nuvarande AI lider av exponentiell felackumulering. System som är 98 % korrekta per steg blir 13 % korrekta efter 100 steg. Hallucinationer snöbollar. Multimodala system förlorar 31 % prestanda när de stöter på genererade fel. Matematiken bryr sig inte om intäktsmodeller.
Den första gruppens lösning? Mer träningsdata. Bättre prompter. Verifieringssteg som lägger till fler steg till problemet som orsakas av att ha för många steg. De försöker bekämpa matematik med naturligt språk.
Detta är inte hållbart. Europeiska företag som inför dessa metoder kommer att möta den 95-procentiga produktionsfelprocenten som dokumenterats av MIT och Fortune-forskning. De kommer att spendera miljoner på system som matematiskt garanterat misslyckas i flerstegsscenarier.
Den första gruppen vet detta. De kan inte erkänna det. Deras intäktsmodell är beroende av att upprätthålla illusionen att nuvarande AI fungerar. Så de ropar högre.
Möjligheten i den andra gruppen: förbisedd expertis
Betrakta nu den andra gruppen. De såg AI-hypen från sidlinjen. De såg företag återuppfinna tekniker som Europa löste för decennier sedan. De såg neurala nätverk kämpa med problem som constraint programming hanterar elegant.
De höll tyst eftersom marknaden inte belönade deras expertis. AI-finansiering gick till djupinlärning. Forskning om constraint programming fortsatte på universitet och specialiserade företag. Formell verifiering förblev avgörande i säkerhetskritiska branscher. Kunskapsteknik drev semantiska webbapplikationer som fungerade tillförlitligt.
Denna grupp finns. De är betydande. Europa har över 10 miljoner IKT-specialister. Tyskland har 2,3 miljoner. Central- och Östeuropa har 3,5 miljoner. Anställning bland utvecklare är 84 %. Detta är inte en liten nisch. Detta är en massiv arbetskraft med outnyttjad expertis.
Här är den avgörande insikten: EU:s AI-förordning krav på förklarbarhet, transparens och granskningsbarhet skapar regulatorisk efterfrågan på just det som denna grupp kan.
Formell verifiering bevisar systemkorrekthet. Constraint programming ger tolkningsbara resonemangsvägar. Logikprogrammering möjliggör spårbart beslutsfattande. Kunskapsteknik bygger hybrida neurosymboliska system som kombinerar lärande med resonemang.
Den andra gruppens expertis kartlägger direkt till kraven för nästa generations AI. De behöver inte lära sig AI från grunden. De behöver inse att deras befintliga färdigheter ÄR nästa generation av AI.
Den oanvändbara AI som kommer snart
Vad händer när nuvarande AI-metoder når sina matematiska gränser? Vi ser det redan.
Google AI Overview föreslog att man sätter lim på pizza. CNET:s AI skrev artiklar med en 53-procentig felprocent. Medicinska diagnossystem misslyckades på 80 % av pediatriska fall. Juridiska AI-modeller hallucinerar i 1 av 6 frågor. Dessa är inte gränsfall. De är symptom på grundläggande arkitektoniska problem.
Den hallucinationseffekt som Zhang et al. (2023) identifierade visar att LLM:er överengagerar sig i tidiga misstag och genererar ytterligare falska påståenden för att rättfärdiga dem. Fel sprider sig inte bara. De växer.
98-procentproblemet innebär att system efter 34 resonemangssteg med större sannolikhet har fel än rätt. Efter 100 steg har de fel 86,7 procent av gångerna. Det är därför 95 procent av AI-agenter misslyckas i produktion. Det är därför 95 procent av generativa AI-piloter aldrig når produktion.
Vi närmar oss snabbt oanvändbar AI. System som inte kan litas på för resonemang i flera steg. System som kräver att människor faktagranskar varje utdata. System som kostar mer att åtgärda än de levererar i värde.
Den första gruppen kommer att svara med mer av samma sak. Större modeller. Mer beräkningskraft. Bättre prompts. De är fångade i ett paradigm som matematiken säger inte kan fungera.
Den andra gruppen ser detta annorlunda. De har tillbringat sina karriärer med att bygga system som INTE lider av exponentiell felackumulering. Formella metoder bevisar egenskaper. Villkorslösning hittar optimala lösningar. Logikprogrammering ger sund slutledning. Kunskapsteknik skapar förklarbara system.
Polariseringen blir tydlig. En grupp som fördubblar sina insatser på misslyckade metoder. En annan grupp som innehar de lösningar som marknaden så småningom kommer att kräva.
Europeisk digital suveränitet genom befintlig expertis
EU-kommissionen definierar digital suveränitet som "digital infrastruktur, produkter och tjänster som skyddar Europas säkerhet, strategiska tillgångar och intressen." Berlinförklaringen tillägger "förmågan att agera självständigt och att fritt välja vår egen digitala väg."
Nuvarande ansatser till AI-suveränitet fokuserar på att bygga europeiska versioner av amerikansk AI. Träna stora språkmodeller. Skapa europeiska grundmodeller. Konkurrera på Amerikas villkor.
Detta missar poängen. Europas väg till AI-suveränitet handlar inte om att göra det Amerika gör, bara lokalt. Det handlar om att göra det Europa gör bäst, på ett annat sätt.
EU:s AI-förordnings betoning på förklarbarhet, transparens och människocentrerad design är ingen slump. Den speglar europeiska värderingar. Den speglar också europeiska tekniska styrkor. Regleringen skapar efterfrågan på system som kan förklaras, verifieras och granskas.
Vem kan bygga dessa system? Inte de djupinlärningsspecialister som byggde svarta lådor-modellerna. Formella metoder-experterna som har bevisat systemkorrekthet i 25 år. Forskarna inom villkorsprogrammering som har byggt tolkningsbara optimeringssystem i två decennier. Kunskapsingenjörerna som har skapat förklarbara semantiska system sedan början av 2000-talet.
Detta är den europeiska fördelen. Europa behöver inte importera AI-expertis. Europa behöver inse att dess befintliga tekniska expertis ÄR nästa generations AI-expertis.
Omskolningsmöjligheten mitt framför ögonen
Europeiska kommissionens kompetenspakt har nått 2,6 miljoner individer genom initiativ för uppkvalificering och omskolning. CEDEFOP rapporterar att mer än 25 procent av Europas vuxna arbetstagare redan experimenterar med AI på jobbet.
Den traditionella berättelsen antyder att dessa arbetstagare behöver lära sig djupinlärning, neurala nätverk, transformatorarkitekturer. De behöver bli som den första gruppen.
Detta är bakvänt. De arbetstagare Europa redan har besitter exakt de färdigheter som nästa generations AI behöver. De behöver bara inse att deras expertis är värdefull i AI-sammanhang.
En specialist på formell verifiering behöver inte lära sig neurala nätverk. De behöver tillämpa sin verifieringsexpertis på villkorsbaserade AI-system. En forskare inom villkorsprogrammering behöver inte byta till djupinlärning. De behöver inse att deras tekniker för villkorslösning ÄR nästa generation av AI-resonemang. En kunskapsingenjör behöver inte överge den semantiska webben för stora språkmodeller. De behöver bygga hybridsystem som kombinerar lärande med resonemang.
Omskolningsutmaningen handlar inte om att lära europeiska specialister AI från grunden. Det handlar om att hjälpa dem se att deras decennier av expertis ÄR AI. Den AI som nuvarande ansatser misslyckas med att leverera.
Den intäktsmodell de riskerar att förlora är inte borta. Den omvandlas. Företag som förstår formell verifiering, villkorsuppfyllelse och kunskapsteknik kommer att vara de som bygger AI-system som faktiskt fungerar i produktion. De AI-system som följer EU:s regler. De AI-system som europeiska företag kan lita på.
Den nyanserade slutsatsen: polarisering som möjlighet
Polariseringen mellan "vi måste ha AI" och "vi behöver inte AI" är falsk. Båda positionerna missar nyansen.
Den nyanserade verkligheten: Europa behöver AI, men inte den nuvarande AI:n. Europa behöver nästa generations AI byggd på europeiska styrkor. Förklarlig, verifierbar, effektiv, människocentrerad. Den AI som EU:s AI-förordning kräver. Den AI som europeiska företag faktiskt behöver. Den AI som europeiska specialister redan vet hur man bygger.
Den första gruppens berättelse om att vi måste anamma nuvarande AI eller gå under är farlig. Den leder europeiska företag att investera i system som kommer att misslyckas. Den vidmakthåller beroendet av amerikansk teknik. Den ignorerar europeisk expertis.
Den andra gruppens skepsis mot nuvarande AI är berättigad, men deras slutsats att vi inte behöver AI är fel. Vi behöver AI. Vi behöver bara RÄTT AI. AI byggd på grunder som de har utvecklat i decennier.
Möjligheten ligger i syntesen: att inse att expertisen för nästa generations AI redan finns i Europa. Det är de över 10 miljoner ICT-specialisterna. Det är experterna på formella metoder med över 25 års erfarenhet. Det är constraint programming-forskarna med två decenniers arbete. Det är kunskapsingenjörerna som byggde den semantiska webben.
Dessa människor behöver inte ersättas av AI-specialister från andra håll. De behöver ges möjlighet att inse att deras expertis ÄR expertis för nästa generations AI. De behöver se bron mellan sina nuvarande färdigheter och de AI-system som Europa faktiskt behöver.
Bij Dweve bouwen we aan die brug. Core biedt het formele verificatiekader. Loom implementeert domeinspecialisten op basis van constraints. Nexus biedt de orkestratielaag. Spindle biedt het kennisbeheer. Elk onderdeel benut Europese technische sterktes. Elk onderdeel creëert kansen voor Europese specialisten om hun expertise toe te passen op AI van de volgende generatie.
Polariseringen är inte ett problem. Den är en möjlighet. Sammandrabbningen mellan hype och verklighet kommer att tvinga europeiska företag att inse vad som faktiskt fungerar. När nuvarande AI misslyckas kommer europeiska företag att söka alternativ. Dessa alternativ finns. De är byggda på 25–50 år av europeisk forskning. De bärs av över 10 miljoner europeiska specialister. De behöver bara erkännas som nästa generation av AI.
Wat je moet onthouden
- Polariseringen är falsk. "Vi måste ha AI" kontra "vi behöver inte AI" missar nyansen. Europa behöver nästa generations AI byggd på europeiska styrkor, inte importerad nuvarande AI.
- De huidige AI schiet tekort. Exponentiële foutaccumulatie maakt systemen met meerdere stappen onbruikbaar. 95% van de AI-pilots haalt de productiefase niet. De wiskunde geeft niet om verdienmodellen.
- Europese expertise bestaat. 25+ jaar formele methoden. 20+ jaar constraint programming. 50+ jaar logisch programmeren. 20+ jaar kennistechniek. Dit is geen geschiedenis. Het is de basis van AI van de volgende generatie.
- EU:s AI-förordning kräver det Europa har. Förklarlighet, transparens, granskningsbarhet. Detta är inte bördor för europeiska specialister. Detta är vad de har byggt i decennier.
- Över 10 miljoner ICT-specialister. Europa har en betydande arbetskraft med relevant expertis. De behöver inte lära sig AI från grunden. De behöver inse att deras befintliga färdigheter ÄR nästa generations AI.
- Omskolningsmöjligheten är enorm. Pact for Skills nådde 2,6 miljoner människor. 25 % av europeiska arbetstagare experimenterar med AI. Utmaningen är att inse att befintlig expertis är tillämplig på AI, inte att importera utländsk expertis.
- Europeisk AI-suveränitet kommer inifrån. Inte genom att kopiera amerikanska angreppssätt, utan genom att utnyttja europeiska styrkor inom formella metoder, constraint programming och kunskapsengineering för att bygga AI som faktiskt fungerar.
De kern
Debatten om europeisk AI-suveränitet fokuserar på fel fråga. Det handlar inte om huruvida Europa behöver AI eller inte. Det handlar om VILKEN TYP av AI Europa behöver.
Nuvarande AI, byggd på djupinlärning och neurala nätverk, når matematiska gränser. Exponentiell felackumulering. Hallucinationer som snöbollar. 95 % produktionsfel. Detta är inte den framtid som europeiska företag kan förlita sig på.
Nästa generations AI, byggd på formell verifiering, constraint satisfaction och kunskapsengineering, växer redan fram i Europa. Den bygger på 25–50 år av europeisk forskning. Den sysselsätter över 10 miljoner europeiska specialister. Den överensstämmer med kraven i EU:s AI-förordning. Den fungerar faktiskt.
De eerste groep zal blijven roepen dat Europa huidige AI moet omarmen of ten onder gaat. Hun verdienmodel hangt ervan af. De tweede groep zal sceptisch blijven en niet zien dat hun expertise juist de volgende generatie AI is.
Den nyanserade sanningen ligger däremellan. Europa behöver AI-suveränitet. Men vägen till suveränitet är inte att importera amerikansk teknik. Det är att ge europeiska specialister möjlighet att bygga den AI de redan vet hur man skapar. Den AI som är byggd på grunder de har utvecklat i decennier. Den AI som EU:s AI-förordning kräver. Den AI som faktiskt kommer att fungera i produktion.
Nästa generation AI-experter är inte något Europa behöver hitta eller utbilda från grunden. De finns redan här. De har funnits här i 25–50 år. De behöver bara inse att deras expertis är precis vad nästa generations AI kräver.
Redo att bygga europeisk AI-suveränitet på europeisk grund? Dweves villkorsbaserade plattform drar nytta av decennier av europeisk forskning inom formella metoder, villkorsprogrammering och kunskapsteknik. Inga amerikanska misslyckanden att importera. Bara att bygga vidare på europeiska styrkor. Konsumenter får för närvarande tillgång till Dweve endast via inbjudan.