En udskudt model og en fortælling, der allerede kører
OpenAI har valgt ikke at rulle GPT-6.1 Astra ud. Begrundelsen lyder på sikkerhed. Medierne gentager straks rammen om eksistentiel risiko, humanity-level threats og dommedagsscenarier. Den ramme er ikke uskyldig. Den gør OpenAI til den ansvarlige aktør, som holder igen af hensyn til menneskeheden. Samtidig flytter den blikket væk fra skader, der allerede sker: algoritmiske fordomme, massivt vand- og energiforbrug, underbetalte dataarbejdere og geopolitisk afhængighed. Spørgsmålet er, om sikkerheds-narrativet er en red herring, der beskytter virksomhedens omdømme og børsnotering mere end befolkningen.
Australske myndighedssider: en konkret skade, ikke en fodnote
Da flere australske regeringshjemmesider blev ramt af fejl og utilgængelighed, blev det hurtigt kaldt en teknisk fejl. Men offentlige hjemmesider er ikke en teknisk detalje. De er borgernes adgang til sundhedsinformation, skat, socialhjælp og valg. Når automatiske systemer fejlklassificerer eller blokerer indhold, rammer det mennesker, der har brug for myndighederne. En AI-model behøver ikke være selvbevidst for at gøre skade. Den skal blot styre, hvilken information der vises, hvilke ansøgninger der prioriteres, og hvem der bliver set. Det australske tilfælde viser, at sikkerhed i praksis handler om demokratisk infrastruktur, ikke om science fiction.
Alignment, RLHF og den tekniske sikkerhedsramme
I debatten beskrives sikkerhed ofte som alignment. Det vil sige reinforcement learning from human feedback, RLHF, red teaming, evalueringer og guardrails. Det er nyttige værktøjer. Men alignment er et teknisk mål, der kan måles i tests. Det siger intet om magt. Hvem definerer, hvad modellen må sige? Hvem ejer compute? Hvem sidder i sikkerhedsrådene? Når OpenAI udskyder GPT-6.1 Astra, kan det være ansvarligt. Det kan også være risikostyring for et selskab, der vil undgå søgsmål, regulering og dårlig presse før en børsnotering. Sikkerhedsteams rapporterer til en CEO, et board og investorer. Deres incitamenter er ikke de samme som en sygeplejerske i Nairobi eller en lærer i Manila.
Ressourceforbrug og det globale syd
Træning af store sprogmodeller kræver compute, og compute kræver materialer. Nvidia H100 GPU'er, datacentre, vand til køling og elektricitet. Et enkelt træningsrun kan bruge gigawatt-timer og millioner liter vand. Mineraler som cobalt fra DR Congo, lithium fra Chile og rare earths fra Kina og Myanmar udvindes ofte under farlige forhold. Dataarbejdere i Kenya, Uganda, Indien og Venezuela renser datasæt for vold, had og misbrug. Mange får lav løn og udvikler PTSD. Global South bærer omkostningerne, mens modellerne sælges i Global North. Dette er nutidig skade, ikke et spekulativt scenarie om en fremtidig superintelligens.
Arbejde, der forsvinder og arbejde, der skjules
Når OpenAI udskyder GPT-6.1 Astra, tales der sjældent om arbejdsmarkedet i det globale syd. Automatisering rammer callcentre i Filippinerne, tekstilproduktion i Bangladesh og landbrugsrådgivning i Kenya. Samtidig skabes der skjulte job: dataannotering, indholdsmoderering og lokal sprogvask. Arbejdet er usikkert, lavtlønnet og psykisk belastende. Modellerne trænes på underbetalte menneskers vurderinger, men de mennesker får hverken aktier, pension eller stemme i sikkerhedsrådene. Det er en socioøkonomisk konsekvens, der ikke kan afvises som en teknisk fejl. Hvis sikkerhed skal betyde noget, må den også handle om løn, arbejdsvilkår og fordeling af værdien fra AI.
Hvem lytter, når sikkerhed defineres af dem med mest at tabe
Sikkerhedsprotokoller skrives ofte af de virksomheder, der har mest at tabe. De høres i EU, i USA og i UK AI Safety Institute. NGO'er, fagforeninger, borgergrupper og forskere i global syd inviteres sjældent med, når træningsgrænser, modelkort og compute-tærskler fastlægges. Hvis sikkerhed defineres som eksistentiel risiko, bliver regulering til licenser og tekniske standarder. Store aktører kan håndtere licenser. Små aktører kan ikke. Det beskytter markedspositionen for OpenAI, Google DeepMind og Anthropic. Spørgsmålet er, om protokollerne beskytter befolkningen, eller om de beskytter børsnoteringen og omdømmet.
Demokratisk kontrol frem for teknisk alignment
Sikkerhed er ikke kun et spørgsmål om at få en model til at sige pæne ting. Det er et spørgsmål om ejerskab, gennemsigtighed, klageadgang og erstatning. Borgere bør kunne se, hvordan en algoritme påvirker deres sag. De bør kunne klage til et uafhængigt organ. Offentlige algoritmiske konsekvensvurderinger, uafhængig revision og datarettigheder er mere konkrete end dommedagsprofetier. EU's AI Act og GDPR er skridt i den retning, men de bliver papirtigre, hvis tilsynet er underfinansieret og personalet rekrutteres fra de samme virksomheder. Public compute, offentlige data commons og kooperativer kan give modmagt. Sikkerhed skal demokratiseres, ikke outsources til dem, der bygger systemerne.
En tredje vej: menneskelig trivsel og global lighed
Valget står ikke mellem hurtig innovation og eksistentiel undergang. Den ramme er falsk. En tredje vej vurderer teknologier efter sundhed, arbejde, klima og lighed. Hvis GPT-6.1 Astra udskydes, bør spørgsmålet ikke kun være, om den kan slippe ud af kontrol. Det bør være, om den gør livet bedre for flere, om den bruger ressourcer retfærdigt, og om den kan holdes ansvarlig, når den svigter. OpenAI og andre selskaber bør ikke have monopol på at definere sikkerhed. Historisk har Bretton Woods-institutioner og Parisaftalen vist, at globale regler kan formes, men også at magt forvrænger dem. Sikkerhed er ikke en teknisk parameter. Det er en politisk beslutning om, hvem der beskyttes, og hvem der betaler.
