Kan AI forske på seg selv?

TL;DR (Kort oppsummert)

I oktober 2025 sa OpenAI-sjef Sam Altman at selskapet har som mål å bygge en “ekte, automatisert AI-forsker” innen mars 2028. Bare tre måneder senere sa Anthropics toppsjef Dario Amodei at hans eget selskap kanskje bare er ett til to år unna å automatisere store deler av AI-forskningen sin. Dette er ikke fjern science fiction lenger. Det er et uttalt, kortsiktig mål hos flere av de største AI-laboratoriene i verden. I dag brukes KI allerede til å hjelpe forskere med å kode, teste og evaluere nye modeller raskere. Det AI-selskapene nå jobber mot er noe mer: at KI-systemer selv skal kunne foreslå, gjennomføre og evaluere forskningen som gjør neste generasjons KI bedre, i stor grad uten at et menneske styrer hvert steg underveis. Denne artikkelen forklarer hva som faktisk skjer i dag, hva selskapene selv sier og hvorfor dette henger sammen med et mye eldre, mer spekulativt begrep: intelligenseksplosjonen.

 

---

 

Hva mener vi med at “AI forsker på seg selv”?

Det finnes flere nivåer av dette, og det er verdt å skille dem fra hverandre. Det enkleste nivået, som allerede skjer i stor skala i dag, er at forskere i AI-laboratorier bruker KI-verktøy til å skrive kode raskere, finne feil og automatisere deler av testingen når de utvikler neste modell. Dette er reell effektivisering, men mennesket bestemmer fortsatt retningen.

Det neste nivået, som selskapene nå aktivt jobber mot, er at KI-systemet selv foreslår hypoteser, designer eksperimenter, kjører dem og tolker resultatene, i praksis en “automatisert AI-forsker” eller “automatisert forskningsintern”, med et menneske som i økende grad bare overvåker fremfor å styre hvert steg.

Det mest spekulative nivået er det som kalles rekursiv selvforbedring: at en KI blir god nok til å forbedre sin egen etterfølger, som igjen er enda bedre til å forbedre neste versjon, i en selvforsterkende sløyfe. Dette er kjernen i begrepet intelligenseksplosjon, som først ble beskrevet av statistikeren I.J. Good allerede i 1965, og som filosofen Nick Bostrom senere ga en systematisk, akademisk behandling i boken “Superintelligence” (2014). Ideen er at intelligensen i teorien kan vokse svært raskt når en KI blir god nok til å drive sin egen utvikling videre. Dette er også den mest diskuterte foreslåtte veien mot det vi har skrevet en egen artikkel om: superintelligens.

 

---

 

Hva sier selskapene selv, konkret?

Dette er ikke lenger bare en spekulativ diskusjon blant forskere. De tre store amerikanske laboratoriene har alle uttalt konkrete mål og tidslinjer offentlig:

Selskap	Hvem sa det, og når	Konkret uttalelse
OpenAI	Sam Altman, oktober 2025	Mål om en “ekte, automatisert AI-forsker” innen mars 2028, med et internt delmål om en “automatisert AI-forskningsintern” innen september 2026
Anthropic	Dario Amodei, januar 2026	Deler av selskapets egen AI-forskning kan automatiseres innen ett til to år
Google DeepMind	Demis Hassabis, januar 2026	Utforsker aktivt om modeller kan “fortsette å lære ute i verden” etter at treningen er ferdig

Det er verdt å legge merke til at dette ikke er anonyme spekulasjoner fra utenforstående. Det er lederne for de tre mest innflytelsesrike AI-laboratoriene i verden, de samme laboratoriene vi går grundigere gjennom i vår egen oversikt over hvem som faktisk forsker på KI, som selv, offentlig, har satt automatisert AI-forskning som et uttalt, nært mål for egen virksomhet.

 

---

 

Hva skjer allerede i praksis?

I dag brukes KI internt i laboratoriene til å akselerere deler av utviklingsprosessen: generere og teste kodeendringer, kjøre automatiserte evalueringer av nye modellversjoner og i noen tilfeller foreslå justeringer basert på tidligere resultater. Noen forskningsprosjekter har eksperimentert med det som beskrives som en form for “darwinistisk” seleksjon: å la flere varianter av en modell konkurrere mot hverandre og automatisk beholde de som presterer best, en prosess som ligner naturlig utvalg mer enn tradisjonell menneskestyrt utvikling.

Et konkret forskningsprosjekt som har fått oppmerksomhet er det som er omtalt som “AI Scientist”, et system beskrevet som i stand til å gjennomføre hele den vitenskapelige arbeidsflyten, fra å foreslå forskningsideer og eksperimenter til å skrive opp resultatene, riktignok foreløpig innenfor smale, avgrensede forskningsfelt, ikke på tvers av hele AI-utviklingen.

 

---

 

Er dette det samme som kontrollproblemet?

Nei, og det er en viktig distinksjon. Denne artikkelen handler om selve mekanismen og trenden: hvorvidt og hvor raskt KI faktisk blir i stand til å automatisere sin egen forskning. Vår egen artikkel om kontrollproblemet handler om et annet, om enn beslektet, spørsmål: hva som skjer med vår evne til å styre og kontrollere et KI-system hvis og når det blir betydelig kraftigere enn oss, uavhengig av akkurat hvordan det kom dit. Man kan tenke på det slik: denne artikkelen beskriver en mulig vei mot et svært mektig KI-system, mens kontrollproblem-artikkelen beskriver hva som kan gå galt når vi eventuelt er der.

Blant forskere og tenkere som har diskutert dette lenge, finnes det også en reell uenighet om selve tempoet. Fremtidsforskeren Ray Kurzweil har argumentert for en gradvis, om enn akselererende, utvikling, mens forskeren Eliezer Yudkowsky lenge har advart om et langt raskere, mer plutselig forløp. Denne uenigheten har aldri blitt avgjort. Den har bare blitt dyrere å ta feil om, ettersom KI-systemene har blitt kraftigere.

 

---

 

Hvor realistisk er dette på kort sikt?

Det er verdt å holde to ting sanne samtidig. På den ene siden er dette ikke lenger ren spekulasjon: konkrete, navngitte mål med årstall er satt av toppledere i de mest ressurssterke AI-laboratoriene i verden. På den andre siden er ingen av disse målene nådd ennå per i dag, og historisk sett har AI-bransjen en tendens til å bomme på egne, optimistiske tidsfrister (samme mønster ser du igjen i debatten om når AGI faktisk kommer). Det klokeste er trolig å ta selskapenes egne uttalte mål på alvor som en indikasjon på retning og prioritering, uten å anta at datoene de selv har satt nødvendigvis holder.

 

---

 

Vanlige spørsmål

Gjør AI allerede AI-forskning i dag, helt uten mennesker?

Nei, ikke fullstendig. I dag brukes KI til å effektivisere deler av forskningsprosessen (kode, testing, evaluering), men mennesker styrer fortsatt retningen og de store beslutningene. Det AI-selskapene selv har som uttalt mål, er å flytte stadig mer av denne prosessen over til KI-systemet selv, med et menneske som i økende grad overvåker fremfor å styre hvert steg.

Hva er en “intelligenseksplosjon”?

Det er et begrep, først beskrevet av statistikeren I.J. Good i 1965 og senere gitt en systematisk, akademisk behandling av filosofen Nick Bostrom, for en tenkt situasjon der en KI blir god nok til å forbedre sin egen etterfølger, som igjen blir enda bedre til å forbedre neste versjon, i en selvforsterkende sløyfe som i teorien kan gå svært raskt. Det er fortsatt et omstridt og ubevist scenario, ikke en observert hendelse.

Er dette det samme som kontrollproblemet?

Nei. Denne artikkelen handler om selve mekanismen: om og hvor fort KI kan automatisere sin egen forskning. Kontrollproblemet handler om et annet spørsmål: hvordan vi kan beholde kontroll over et KI-system som blir betydelig kraftigere enn oss, uansett hvordan det ble slik. De to temaene henger sammen, men svarer på ulike spørsmål.

Bør jeg være bekymret for dette nå?

De fleste seriøse forskere og selskapsledere selv beskriver dette som en utvikling verdt å følge nøye med på, ikke noe som skjer i morgen. Samtidig er det påfallende at ledere for de mest innflytelsesrike AI-laboratoriene i verden nå snakker om dette som et konkret, kortsiktig mål for egen virksomhet, ikke lenger som fjern spekulasjon.

 

---

 

Oppsummering og kilder

AI-selskaper jobber i dag aktivt og offentlig mot å automatisere store deler av sin egen forskning. Sam Altman i OpenAI har satt 2028 som mål for en “ekte, automatisert AI-forsker”, Dario Amodei i Anthropic sier deler av dette kanskje bare er ett til to år unna, og Demis Hassabis i Google DeepMind har beskrevet et lignende skifte offentlig. I dag brukes KI allerede til å effektivisere deler av utviklingsprosessen, men full automatisering er ikke nådd. Dette er distinkt fra, men beslektet med, det bredere kontrollproblemet: hva som skjer med vår evne til å styre et KI-system som blir betydelig kraftigere enn oss.

Det viktigste å huske:

• OpenAI-sjef Sam Altman har satt mars 2028 som mål for en “ekte, automatisert AI-forsker”
• Anthropics Dario Amodei sa i januar 2026 at deler av dette kanskje er ett til to år unna
• I dag brukes KI til å effektivisere deler av forskningsprosessen, ikke til fullstendig automatisering
• Dette er distinkt fra kontrollproblemet, som handler om hva som skjer etter at KI blir svært kraftig

Kilder brukt i denne artikkelen:

• Institute for Progress: How Should the US Prepare for Increasingly Automated AI R&D?
• Axios: Models that improve on their own are AI’s next big thing (jan. 2026)
• Import AI 455: AI systems are about to start building themselves
• Wikipedia: Nick Bostrom
• Wikipedia: I. J. Good (opphavet til begrepet “intelligence explosion”, 1965)
• Axios: Google DeepMind CEO Demis Hassabis is stepping aside (aug. 2026)

Sist oppdatert: August 2026