Generell AI er for omfattende å utvikle for et lite team.

Slik løser du det

Vårt råd er å snevre inn fokuset fra generell AI til å lage en spesifikk AI engine, se på lokale cases (for eksempel Dwarfheim og Kybernesis), og sikre klare avtaler med samarbeidende bedrifter om eierskap til motoren. Bakgrunnen er enkel: generell AI — altså systemer som skal kunne løse nær sagt alle oppgaver — krever enorme ressurser, data og fagfolk, og er rett og slett for stort for et lite studentteam. Ved å spisse innsatsen mot ett konkret, avgrenset problem kan dere faktisk få noe ferdig og verdifullt. Kort om begrepene: En «AI engine» (AI-motor) er en spesialisert programvarekjerne som løser én bestemt type oppgave godt — for eksempel å gjenkjenne mønstre i en spesifikk type data eller styre adferd i et spill — i motsetning til en altomfattende generell AI. Å se på «lokale cases» betyr å studere virkelige eksempler i nærmiljøet. Dwarfheim er et trondheimsbasert spillselskap, og Kybernesis er et lokalt teknologi-/oppstartsmiljø; begge kan gi inspirasjon og kanskje konkrete samarbeid. Hvorfor avtaler om eierskap er kritisk: når dere utvikler motoren i samarbeid med en bedrift, må det være krystallklart hvem som eier resultatet, hvem som kan bruke det videre, og hvem som tjener på det. Uklarhet her kan ødelegge både samarbeid og fremtidig verdi. Konkrete steg: (1) Velg ÉN konkret, avgrenset oppgave motoren skal løse svært godt. (2) Kontakt lokale aktører som Dwarfheim og Kybernesis for innsikt, testdata eller pilotsamarbeid. (3) Inngå en skriftlig avtale om eierskap (IP — immaterielle rettigheter), bruksrett og fordeling FØR dere starter utviklingen. (4) Bygg en enkel første versjon og test den på et reelt case. En vanlig fallgruve er å gape over for mye og aldri bli ferdig, eller å starte utvikling for en bedrift uten avtale og senere oppdage at man ikke eier sitt eget arbeid. Spiss tidlig, og få papirene på plass.