Et spørsmål som gjentatte ganger har dukket opp under DIGEX-konferansene, er hvorvidt maskiner – i form av maskinlæring og kunstig intelligens – vil ta over jobbene til mennesker (geologene).
De som jobber med digitalisering innen olje- og gassbransjen, i serviceindustrien eller innen akademia – eller de som tidligere har deltatt på våre DIGEX-konferanser, vet at svaret trolig er hverken ja eller nei.
Vi stilte spørsmålet til chatroboten ChatGPT og fikk svar:
Svaret er slett ikke ulikt hva vi tidligere har lært av foredragsholdere på DIGEX-konferansene. Det er ikke grunn til å tro at kunstig intelligens vil ta over jobbene til (lete)geologene, men sannsynligvis heller hjelpe dem å gjøre en bedre jobb.
Datamaskiner er veldig gode på å behandle store mengder data svært raskt, de kan utføre repetitive oppgaver uten å bli slitne eller kjede seg, og de er objektive.
Det arbeidet mennesker kan bruke måneder og år på, kan maskinene gjøre på timer eller minutter. For geologene vil fordelen være at de – etter at maskinene har gjort grovarbeidet – kan bruke mer tid på analyser, tolkning og ta beslutninger basert på store datasett.
Slik kan, som ChatGPT påpeker, kunstig intelligens komplementere og forbedre arbeidet geologene gjør, heller enn å erstatte dem.
Et spørsmål om tillit
ChatGPT blir for øvrig temaet for paneldiskusjonen ChatGPT in the Subsurface – A Question of Truth or Dare under den første dagen av konferansen.
Diskusjonen vil blant annet ta opp spørsmål rundt de praktiske aspektene ved å bruke språkmodeller som ChatGPT er bygget på (GPT-3) i undergrunnen. Kan vi stole på dataene som språkmodellene henter og presenterer for brukeren? Og hvilke bruksmuligheter finnes?
Diskusjonen vil bli moderert av Lukas Mosser (Aker BP). Bekreftede paneldebattanter er Line Eikvil (Norsk Regnesentral), Michaël van der Haven (CGI), David Wade (Equinor) og Jesse Lord (Kadme).
DIGEX er konferansen der representanter fra olje-, gass- service-, dataselskaper og akademia deler sine ideer og erfaringer rundt hvordan digitalisering endrer måten de jobber på og hvordan bedre bruk av mer data kan bidra til nye funn, økt produksjon, en mer effektiv verdikjede og forbedret HMS.
