When the Research Is About Me

On Autism, Knowledge, and the Right to Participate

I read a great deal about autism. I do so partly because I am autistic myself, and partly because, throughout a long academic life, I have been concerned with how knowledge is created.

The two perspectives can no longer be kept entirely apart.

When I read research on autism, I am not merely reading about a scientific phenomenon. I am also reading about people like me.

That is why a recent article in Science left me uneasy.

The article concerns the U.S. Interagency Autism Coordinating Committee, IACC, which has adopted a strategic plan for autism research, treatment, and public services through 2029. The plan recommends a substantial increase in research investment and places greater emphasis, among other things, on regression in children and on environmental, biological, and genetic causes of different forms of autism.

In itself, this need not be problematic. Regression exists. Some children lose abilities they previously had, and researchers still know too little about why this happens. Catherine Lord and Sally Ozonoff, two prominent researchers cited in Science, do not dismiss the need for further research into the phenomenon. On the contrary, they point to important questions that remain unanswered.

The problem lies elsewhere.

It concerns who gets to decide which questions should be asked.

After Robert F. Kennedy Jr. became U.S. Secretary of Health and Human Services, the public members of IACC were replaced. Previously, this part of the committee had included, among others, researchers and representatives of major autism organizations. The number of members who are themselves autistic was reduced from seven to three. According to Science, several of the new members have ties to vaccine-skeptical organizations or support autism treatments that lack solid scientific evidence.

This is where my unease begins.

Not because research should not investigate the causes of autism. Science must of course be free to study genetics, immunology, environmental influences, and developmental trajectories.

But research never takes place entirely outside history and politics.

When a health secretary who has publicly claimed that vaccines may cause autism reorganizes the committee that advises on the direction of autism research, the questions acquire a different resonance. The plan does not explicitly mention vaccines. Yet critics argue that the idea of “triggers” runs beneath the surface, and several committee members have themselves said that they believe vaccines triggered regression in their own children.

This is where the distinction between science and research policy becomes important.

A politician does not need to tell researchers what result they should arrive at. It may be enough to influence which questions receive funding.

The question comes before the answer.

Whoever gets to define the question has already gained considerable influence over the knowledge that will later be produced.

Discovering Yourself in the Research Object

My reaction to this is not merely a matter of principle or philosophy of science.

It is also personal.

What is peculiar is that I myself have spent much of my life on the side of the table usually occupied by the professional.

I worked as a social worker. Later I became a teacher, researcher, and professor. I studied human experience, interpreted interviews, wrote academic texts, and taught students how knowledge about human beings can be developed.

I did all of this before I knew that I was autistic.

Only late in life did I acquire a concept that cast new light on experiences I had already lived with for decades.

This creates a peculiar doubleness when I now read autism research.

I know the researcher’s gaze. I have used it myself.

But I also know what it is like suddenly to find myself on the other side of that gaze.

What was once a field of research now also concerns me.

That does not mean that I retrospectively interpret my entire life as a consequence of autism. That would be just as reductionist as ignoring autism altogether. I became a social worker, teacher, and researcher for many reasons. I lived a life that cannot be reduced to a diagnosis.

But the diagnosis changed the perspective.

It made certain experiences intelligible in a new way. It also made me see more clearly how much can disappear when a person is primarily described from the outside.

Science can record behavior, measure cognitive functions, examine the brain, and analyze genetic differences.

All of this can produce important knowledge.

But none of these investigations, on their own, can tell us what it is like to live an entire life with a particular way of experiencing the world without knowing what it is called.

That knowledge exists only in the life that was lived.

Who Carries the Knowledge?

This is why I react to the reduction in the number of autistic members on the American committee.

Not because autistic people alone should determine what autism research ought to investigate. Lived experience grants no special authority to settle genetic, neurobiological, or epidemiological questions.

But it does provide access to something the researcher cannot simply observe from the outside.

Parents possess one kind of knowledge. Clinicians another. Researchers a third. Autistic people possess experiences from within that cannot be replaced by the other perspectives.

None of these voices is sufficient on its own.

This becomes especially important because autism does not describe one uniform kind of life. I cannot represent a child with extensive support needs. Nor can such a child’s experience serve as a model for my life.

Diversity is not an argument against autistic participation.

It is an argument for more of it.

Horizons That Must Meet

Here Gadamer helps me formulate what is at stake.

For Gadamer, understanding is never merely the neutral registration of an object. We always enter into understanding with a historically formed horizon — our experiences, concepts, questions, and prejudgments in the original sense of the word. This applies to the researcher just as much as to the person being researched.

Understanding emerges when horizons are allowed to challenge and expand one another. Gadamer called this Horizontverschmelzung — the fusion of horizons.

This does not mean that the perspectives become identical.

The researcher should remain a researcher. The autistic participant should not pretend to be a neurobiologist simply because he knows his own life. But neither can the researcher assume that the discipline’s existing concepts have already determined what is important to understand.

If one party has a monopoly on the questions in advance, the encounter has been limited before it has even begun.

Gadamer’s idea of Wirkungsgeschichte — historically effected consciousness — is also relevant here. We do not stand outside history when we investigate the world. History is at work within our very understanding.

Autism research, too, has such an effective history.

It carries with it earlier ideas about deviance, deficit, treatment, normality, and causation. New research questions never emerge on entirely untouched ground. That is why we should be particularly attentive when political actors attempt to determine which questions should now come first.

Participation, therefore, is about more than representation.

It is about opening the horizon of understanding itself.

Less Than a Day

There is one moment in the Science article that makes all of this very concrete.

IACC had received more than 5,200 public comments on the plan. Committee members were given them less than a day before the meeting at which the matter was to be considered. An AI-assisted analysis was used to summarize the material. Several federal members protested against the procedure.

Among them was Scott Robertson, who is himself autistic and represents the U.S. Department of Labor.

He said that his autism made it difficult for him to process such a large amount of material in such a short period of time. He did not feel that he had been given equal access to the decision-making process. Thirteen major autism organizations had also asked for more time.

The committee nevertheless proceeded to the vote.

A committee charged with shaping the future of autism policy and research was therefore unable to give an autistic member the time he said he needed in order to participate on equal terms.

It is difficult to imagine a clearer image of the problem.

He was in the room.

But being in the room is not necessarily the same as being allowed to participate.

Research With, Not Only On

I am not afraid of research on autism.

I want more of it.

I want to know more about genetics, development, the brain, sensory processing, and why some children lose abilities they once had. I want to know more about why some autistic people require extensive support throughout their lives, while others live independently.

But research should not only ask what is different about us.

It should also ask what matters to us.

That is the difference between research on people and research with people.

The first can produce excellent science.

The second can make science better able to know which questions are worth asking.

This is what troubles me about the developments in the United States. Not primarily the sums of money to be allocated or any one particular research program, but the direction now being set and who is allowed to help set it.

Throughout a long professional life, I have been one of those who asked the questions.

Now I know that I also belong to the group the questions are asked about.

Perhaps that is precisely why this affects me so deeply.

I want to contribute to our knowledge of autism.

But I do not want merely to be what that knowledge is about.

I also want to participate in the conversation about what is worth knowing.

Reference:

Reardon, S. (2026, August 31). In autism advisory committee’s funding plan, critics see a veiled antivaccine focus. Science. https://doi.org/10.1126/science.zf0u9eh

Throughout a long professional life, I have been one of those who asked the questions.

Now I know that I also belong to the group the questions are asked about.

This essay was written in a conversation with Claude/Anthropic and OpenAI/ChatGPT

 

Når forskningen handler om meg

Om autisme, kunnskap og retten til å delta

Jeg leser mye om autisme. Det gjør jeg dels fordi jeg selv er autist, dels fordi jeg gjennom et langt akademisk liv har vært opptatt av hvordan kunnskap blir til.

De to perspektivene lar seg ikke lenger holde helt fra hverandre.

Når jeg leser forskning om autisme, leser jeg ikke bare om et vitenskapelig fenomen. Jeg leser også om mennesker som meg.

Derfor gjorde et innlegg i Science meg urolig.

Artikkelen handler om den amerikanske Interagency Autism Coordinating Committee, IACC, som har vedtatt en strategisk plan for autismeforskning, behandling og offentlige tjenester fram mot 2029. Planen anbefaler en betydelig økning i forskningsinnsatsen og legger blant annet større vekt på regresjon hos barn og på miljømessige, biologiske og genetiske årsaker til ulike former for autisme.

I seg selv behøver ikke dette være problematisk. Regresjon finnes. Noen barn mister ferdigheter de tidligere har hatt, og forskere vet fortsatt for lite om hvorfor dette skjer. Catherine Lord og Sally Ozonoff, to sentrale forskere som omtales i Science, avviser heller ikke behovet for mer forskning på fenomenet. Tvert imot peker de på viktige spørsmål som ennå ikke er besvart.

Problemet ligger et annet sted.

Det handler om hvem som får bestemme hvilke spørsmål som skal stilles.

Etter at Robert F. Kennedy Jr. ble amerikansk helseminister, ble de offentlige medlemmene av IACC skiftet ut. Tidligere hadde denne delen av komiteen bestått av blant andre forskere og representanter for sentrale autismeorganisasjoner. Antallet medlemmer som selv er autistiske, ble redusert fra sju til tre. Flere av de nye medlemmene har ifølge Science forbindelser til vaksinekritiske miljøer eller støtter behandlinger for autisme som ikke har solid vitenskapelig dokumentasjon.

Her begynner min uro.

Ikke fordi det skal forskes på årsaker til autisme. Vitenskapen må naturligvis kunne undersøke genetikk, immunologi, miljøpåvirkning og utviklingsforløp.

Men forskning foregår aldri helt utenfor historien og politikken.

Når en helseminister som offentlig har hevdet at vaksiner kan være årsak til autisme, omorganiserer komiteen som skal gi råd om retningen for autismeforskningen, får spørsmålene en annen klang. Planen nevner riktignok ikke vaksiner direkte. Likevel påpeker kritikere at forestillingen om «triggere» ligger som en undertekst, og flere medlemmer av komiteen har selv sagt at de mener vaksiner utløste regresjon hos deres barn.

Det er her skillet mellom vitenskap og forskningspolitikk blir viktig.

En politiker behøver ikke fortelle forskeren hvilket resultat forskningen skal komme fram til. Det kan være tilstrekkelig å påvirke hvilke spørsmål det bevilges penger til å undersøke.

Spørsmålet kommer før svaret.

Den som får definere spørsmålet, har allerede fått betydelig innflytelse over kunnskapen som senere skal produseres.

Å oppdage seg selv i forskningsobjektet

Min reaksjon på dette er ikke bare prinsipielt vitenskapsteoretisk.

Den er også personlig.

Det merkelige er at jeg selv har tilbrakt store deler av livet på den siden av bordet som vanligvis kalles fagpersonens.

Jeg arbeidet som sosialarbeider. Senere ble jeg lærer, forsker og professor. Jeg undersøkte menneskers erfaringer, fortolket intervjuer, skrev vitenskapelige tekster og underviste studenter i hvordan kunnskap om mennesker kan utvikles.

Alt dette gjorde jeg før jeg visste at jeg selv var autist.

Først sent i livet fikk jeg et begrep som kastet nytt lys over erfaringer jeg allerede hadde levd med i flere tiår.

Det skaper en særegen dobbelthet når jeg nå leser autismeforskning.

Jeg kjenner forskerens blikk. Jeg har selv brukt det.

Men jeg kjenner også erfaringen av plutselig å befinne meg på den andre siden av dette blikket.

Det som tidligere var et forskningsfelt, handler nå også om meg.

Det betyr ikke at jeg i ettertid leser hele livet mitt som en følge av autisme. Det ville vært like reduksjonistisk som å overse autismen fullstendig. Jeg var sosialarbeider, lærer og forsker av mange grunner. Jeg levde et liv som ikke kan reduseres til en diagnose.

Men diagnosen forandret perspektivet.

Den gjorde enkelte erfaringer forståelige på en ny måte. Den fikk meg også til å se tydeligere hvor mye som kan forsvinne når et menneske først og fremst blir beskrevet utenfra.

Vitenskapen kan registrere atferd, måle kognitive funksjoner, undersøke hjernen og analysere genetiske forskjeller.

Alt dette kan gi viktig kunnskap.

Men ingen av disse undersøkelsene kan alene fortelle hvordan det er å leve et helt liv med en bestemt måte å erfare verden på uten å vite hva den heter.

Den kunnskapen finnes bare i livet som ble levd.

Hvem bærer kunnskapen?

Derfor reagerer jeg på at antallet autistiske medlemmer i den amerikanske komiteen er redusert.

Ikke fordi autistiske mennesker alene skal bestemme hva autismeforskningen skal undersøke. Levd erfaring gir ingen særrett til å avgjøre genetiske, nevrobiologiske eller epidemiologiske spørsmål.

Men den gir tilgang til noe forskeren ikke kan observere seg fram til uten videre.

Foreldre har én type kunnskap. Klinikere en annen. Forskere en tredje. Autistiske mennesker har erfaringer innenfra som heller ikke kan erstattes av de andre perspektivene.

Ingen av disse stemmene er tilstrekkelige alene.

Det blir særlig viktig fordi autisme ikke beskriver ett ensartet liv. Jeg kan ikke representere et barn med omfattende hjelpebehov. Et slikt barns erfaring kan på sin side ikke brukes som modell for mitt liv.

Mangfoldet er ikke et argument mot autistisk deltakelse.

Det er et argument for mer av den.

Horisonter som må møtes

Her hjelper Gadamer meg til å formulere hva som står på spill.

Hos Gadamer er forståelse aldri bare en nøytral registrering av et objekt. Vi går alltid inn i forståelsen med en historisk formet horisont — våre erfaringer, begreper, spørsmål og fordommer i ordets opprinnelige betydning. Det gjelder forskeren like mye som den som blir forsket på.

Forståelse oppstår når horisonter kan utfordre og utvide hverandre. Gadamer kalte dette Horizontverschmelzung — horisontsammensmeltning.

Det betyr ikke at perspektivene blir identiske.

Forskeren skal fortsatt være forsker. Den autistiske deltakeren skal ikke late som han er nevrobiolog fordi han kjenner sitt eget liv. Men heller ikke forskeren kan forutsette at fagets eksisterende begreper allerede har bestemt hva som er viktig å forstå.

Hvis den ene parten på forhånd har monopol på spørsmålene, blir møtet begrenset før det har begynt.

Her får også Gadamers idé om Wirkungsgeschichte betydning. Vi står ikke utenfor historien når vi undersøker verden. Historien virker i selve forståelsen vår.

Også autismeforskningen har en virkningshistorie.

Den bærer med seg tidligere forestillinger om avvik, mangel, behandling, normalitet og årsak. Nye forskningsspørsmål oppstår aldri på helt bar bakke. Derfor bør vi være særlig oppmerksomme når politiske aktører forsøker å bestemme hvilke spørsmål som nå skal komme først.

Deltakelse handler dermed om mer enn representasjon.

Det handler om å åpne selve forståelseshorisonten.

Mindre enn ett døgn

Det er ett øyeblikk i Science-artikkelen som gjør dette svært konkret.

IACC hadde mottatt mer enn 5200 offentlige kommentarer til planen. Komitémedlemmene fikk dem mindre enn ett døgn før møtet der saken skulle behandles. En KI-basert analyse ble brukt til å sammenfatte materialet. Flere føderale medlemmer protesterte mot framgangsmåten.

Blant dem var Scott Robertson, som selv er autist og representerer det amerikanske arbeidsdepartementet.

Han sa at autismen hans gjorde det vanskelig å bearbeide så mye materiale på så kort tid. Han opplevde ikke at han hadde fått likeverdig tilgang til beslutningsprosessen. Tretten store autismeorganisasjoner hadde dessuten bedt om mer tid.

Likevel gikk komiteen videre til avstemning.

En komité som skal forme framtidens politikk og forskning om autisme, klarte altså ikke å gi et autistisk medlem den tiden han sa han trengte for å delta på like vilkår.

Det er vanskelig å finne et tydeligere bilde på problemet.

Han var med i rommet.

Men det er ikke nødvendigvis det samme som å få delta.

Forskning med, ikke bare på

Jeg er ikke redd for forskning på autisme.

Jeg ønsker mer av den.

Jeg vil gjerne vite mer om genetikk, utvikling, hjernen, sansebearbeiding og hvorfor enkelte barn mister ferdigheter de tidligere hadde. Jeg vil vite mer om hvorfor noen autistiske mennesker trenger omfattende hjelp gjennom hele livet, mens andre lever selvstendige liv.

Men forskningen bør ikke bare spørre hva som er annerledes ved oss.

Den bør også spørre hva som betyr noe for oss.

Det er forskjellen mellom forskning på mennesker og forskning med mennesker.

Den første kan gi fremragende vitenskap.

Den andre kan gjøre vitenskapen bedre i stand til å vite hvilke spørsmål som er verdt å stille.

Det er dette som uroer meg ved utviklingen i USA. Ikke først og fremst summene som skal bevilges eller ett bestemt forskningsprogram, men retningen som nå pekes ut og hvem som får være med på å peke.

Jeg har gjennom et langt yrkesliv vært en av dem som stilte spørsmålene.

Nå vet jeg at jeg også tilhører gruppen spørsmålene stilles om.

Kanskje er det nettopp derfor dette berører meg så sterkt.

Jeg vil gjerne bidra til kunnskapen om autisme.

Men jeg vil ikke bare være det kunnskapen handler om.

Jeg vil også delta i samtalen om hva det er verdt å vite.

Referanse:

Reardon, S. (2026, August 31). In autism advisory committee’s funding plan, critics see a veiled antivaccine focus. Science. https://doi.org/10.1126/science.zf0u9eh

Jeg har gjennom et langt yrkesliv vært en av dem som stilte spørsmålene.

Nå vet jeg at jeg også tilhører gruppen spørsmålene stilles om.

Essayet er skrevet i en samtale med Claude/Anthropic og OpenAI/ChatGPT

 

When the Machine Can Do the Work – Why Should Humans Still Do It?

In a recent contribution to Nature, Daron Acemoglu raises a question that easily disappears amid both the excitement and the anxiety surrounding artificial intelligence. He is not primarily asking how intelligent AI might become. He is asking what direction we want its development to take.

The title is programmatic: Don’t let AI tools replace humans. We should not develop artificial intelligence primarily to replace people, he argues, but to strengthen human expertise and expand human opportunities.

It is an important distinction. But perhaps the question goes even deeper.

What is at stake is not only the human being as a worker.

It is the human being as a participant.

As more and more tasks can be performed by machines, we need to ask what work actually means to us. Is work primarily the production of a result? Or is work also a way of entering the world – through skill, responsibility, cooperation, recognition and participation?

That question is much older than artificial intelligence.

When Efficiency Becomes the Measure

If work is understood primarily as production, the technological logic is simple.

If a machine can perform the work faster, more cheaply and better than a human being, then the machine should take over.

We have followed this logic for a long time. Machines have taken over physically demanding labour, industrial robots have assumed repetitive tasks, and computers have automated large parts of calculation and administration.

Acemoglu points to research suggesting that automation since 1980 has contributed to growing inequality in the United States by reducing demand for workers who perform routine tasks. He also refers to the effects of industrial robots: productivity increased, while some communities that were particularly exposed to automation experienced declines in employment and wages.

Artificial intelligence extends this logic into areas we have long regarded as forms of human knowledge work. It can write, translate, analyse, program and summarize large amounts of information. It can assist in diagnosis, teaching and research.

The question, then, is no longer simply how much work can be automated.

We must ask what happens to human practice when it is automated.

The Teacher Knows More Than She Can Say

Acemoglu uses the teacher as an example. Artificial intelligence can be developed to replace teachers, but it can also help them identify where students are struggling and provide more individually tailored support.

The difference is fundamental.

In the first case, we ask how we can manage without the teacher.

In the second, we ask how the teacher can become better able to be a teacher.

But why should there be a difference if AI can in fact transmit information just as well as, or better than, the teacher?

Here Heidegger can help us.

Hubert Dreyfus drew on Heidegger’s philosophy to illuminate the difference between knowing that and knowing how. Human competence does not consist only of explicit rules or information that can be formulated. It is embodied, situated and embedded in a world of meanings.

Heidegger’s concept of Zuhandenheit points precisely towards this form of practical involvement. When we master a tool or a practice, we do not normally stand outside the situation and analyse it. We are already involved in it.

The experienced teacher does not necessarily apply a rule when she senses that a student has not understood. She may hear it in the way a question is asked, see it in a hesitation, or notice that the atmosphere in the room has changed. Some of this can be described afterwards, but the skill comes before the description.

That does not mean that an AI system could never detect the same signs.

The point is different.

The teacher’s knowledge is not merely information about the teaching situation. It is a form of know-how within the situation.

She is herself part of what is happening.

Work as Participation

This also changes the question of work.

Work is, of course, about income and production. But through work we also learn how to do something, enter into relationships, and become participants in institutions and practices that existed before us and will continue after us.

We are given tasks that others expect us to carry out. Someone may become dependent on what we do. We gain experience, responsibility and perhaps a sense of mastery.

Work is not automatically meaningful. It can be monotonous, degrading and unnecessary. Much work should indeed be automated.

But if the value of work is measured only in terms of productivity, something disappears from the calculation.

A society can produce more while at the same time giving fewer people the opportunity to experience that they contribute to something on which others also depend.

This is why Acemoglu’s distinction between replacing people and strengthening them matters. Technology does not have one predetermined social purpose, he argues. AI can be developed for substitution, but it can also be designed to complement people and enhance their capabilities and productivity.

But technology does not choose between these possibilities.

We do.

Technology Has No Destiny

We often speak about artificial intelligence as though it were the weather.

AI is going to take over.

AI will make us redundant.

AI will transform working life.

But AI does none of this by itself.

Someone develops the systems. Someone finances them. Someone decides what problems they are supposed to solve and what forms of efficiency are to be rewarded.

This is why Acemoglu emphasizes politics. Among other things, he proposes changing economic incentives that favour automation, strengthening public expertise on artificial intelligence, and developing a better legal framework for data.

The details can be debated.

The underlying point is harder to dismiss:

The direction of technology is not destiny.

It is shaped by economic priorities, political decisions and ideas about what counts as progress.

And that means the question ultimately becomes philosophical.

What do we want technology to do to the way we live together?

The Machine Should Be Allowed to Take Over

This does not mean that human work should be protected from machines.

Quite the opposite.

If a machine can perform dangerous work, it should often do so. If a computer can complete in seconds a calculation that once took several days, there is little reason to preserve the slower calculation in the name of human dignity.

And if artificial intelligence can free doctors, teachers, researchers or social workers from hours of routine administration, the result may be more human work, not less.

The decisive distinction therefore does not lie between the human being and the machine.

It lies between different forms of work.

What can profitably be left to the machine?

And what should human beings continue to do because the task involves presence, judgement, participation or responsibility?

Here we come close to Hannah Arendt.

Labour, Work and Action

In The Human Condition, Arendt distinguishes between labour, work and action.

Labour is tied to the necessities of life and to the repetitive processes that sustain it. Work creates the more durable human world – things, institutions and works. But action is of a different kind.

Through action and speech, a human being reveals not only what they are, but who they are.

Action takes place between people. It cannot be fully controlled in advance. When we act, we set something in motion whose consequences we cannot entirely foresee. This is why Arendt connects action with natality – the human capacity to begin something new.

This gives the question of AI a different direction.

A machine can produce a result.

It may even produce a result better than mine.

But action in Arendt’s sense is not only about the result.

It is about someone appearing among others and setting something in motion.

Who Stands Behind This?

Here, I think, we encounter an important boundary.

An AI can write a text.

But who stands behind the text?

It can suggest a medical assessment.

But who meets the patient?

It can analyse research data.

But who says: I can defend this finding?

It can recommend a particular course of action to a teacher.

But who stands before the child and must live with the consequences?

“I did this. I stand by it.”

That is something different from being able to identify the cause of an outcome.

To be responsible means that the action can be attributed to a particular person who exists in a world together with other human beings, and who can be asked why she acted as she did.

For Arendt, this is connected to a who.

It is this “who” that appears through action.

Within such an understanding, the problem with AI is not primarily that the machine lacks intelligence. It may become capable of imitating ever more forms of intelligent behaviour.

But it has no natality in Arendt’s sense. It is not born into a shared world in which, through a lived life, it becomes a particular who among others.

We should therefore be careful not to confuse the result of an action with the action itself.

When the Tool Shapes the User

At the same time, artificial intelligence is more than a passive tool.

All tools also shape the people who use them.

The hammer makes certain actions possible. The car changes our experience of distance. The smartphone has altered our relationship to availability, memory and attention.

In the same way, artificial intelligence will not merely help us with tasks that already exist.

It will change the tasks themselves.

The writer who uses AI writes differently.

The researcher who uses AI conducts research differently.

The teacher who uses AI teaches differently.

We should therefore not ask only what artificial intelligence does for us.

We must also ask what working with artificial intelligence does to us.

Does the tool make us more skilful?

Does it sharpen our attention?

Does it expand our judgement?

Or do we gradually become less willing to undertake the slow work that experience, knowledge and understanding sometimes require?

No technology can answer that question on our behalf.

What Kind of Society Do We Want?

Towards the end of his essay, Acemoglu writes that the future of AI should not be determined by the dreams of a small group of technologists. It should instead be shaped through democratic choices about what kind of society we wish to build.

Perhaps this is the most important thought in the entire article.

Because the question of artificial intelligence is ultimately a question about our view of the human being.

Is the good society the society that produces as much as possible with as few people as possible?

Or is productivity only one good among several?

We also need participation, belonging, learning and the opportunity to contribute. And we need places where people can still appear before one another as responsible persons.

So I return to the teacher.

Perhaps a future AI will know more than she does. Perhaps it will identify the student’s academic difficulties more quickly, find the best explanation and suggest the most effective teaching method.

The teacher should be allowed to benefit from all of this.

But the next morning, it is still she who opens the classroom door.

She meets the students.

She must decide what to do with what she knows.

And when a child later asks why she acted as she did, she cannot answer:

The algorithm decided.

She must be able to say:

I assessed the situation.

I chose.

I stand by it.

Perhaps this is precisely what we should preserve as machines become capable of doing more and more of the work.

Not the human being as the most efficient producer.

But the human being as a participant.

As the one who begins something.

And as the one who can answer when someone asks:

Why did you do that?

Reference

Acemoglu, D. (2026). Don’t let AI tools replace humans. Nature, 656, 795.

I assessed the situation.

I chose.

I stand by it.

This essay was written in a conversation with Claude/Anthropic and OpenAI/ChatGPT

 

Når maskinen kan gjøre arbeidet – hvorfor skal mennesket fortsatt gjøre det?

Daron Acemoglu stiller i et innlegg i Nature et spørsmål som lett forsvinner i både begeistringen og frykten omkring kunstig intelligens. Han spør ikke først og fremst hvor intelligent KI kan bli. Han spør hvilken retning vi ønsker at utviklingen skal ta.

Tittelen er programmatisk: Don’t let AI tools replace humans. Vi bør ikke utvikle kunstig intelligens først og fremst for å erstatte mennesker, skriver han, men for å styrke menneskelig ekspertise og utvide menneskers muligheter.

Det er et viktig skille. Men kanskje går spørsmålet enda dypere.

For det som står på spill, er ikke bare mennesket som arbeidstaker.

Det er mennesket som deltaker.

Når stadig flere oppgaver kan utføres av maskiner, må vi spørre hva arbeid egentlig betyr for oss. Er arbeid først og fremst produksjon av et resultat? Eller er arbeid også en måte å tre inn i verden på – gjennom ferdighet, ansvar, samarbeid, anerkjennelse og deltagelse?

Det spørsmålet er langt eldre enn kunstig intelligens.

Når effektiviteten blir målestokken

Dersom arbeid først og fremst forstås som produksjon, er den teknologiske logikken enkel.

Kan en maskin gjøre arbeidet raskere, billigere og bedre enn et menneske, bør maskinen overta.

Vi har fulgt denne logikken lenge. Maskiner har overtatt fysisk krevende arbeid, industriroboter repetitive arbeidsoppgaver og datamaskiner store deler av beregning og administrasjon.

Acemoglu viser til forskning som tyder på at automatiseringen siden 1980 har bidratt til økende ulikhet i USA ved å redusere etterspørselen etter mennesker som utfører rutineoppgaver. Han viser også til industrirobotene: Produktiviteten økte, mens enkelte lokalsamfunn som ble sterkt eksponert for automatiseringen, opplevde fall i sysselsetting og lønn.

Kunstig intelligens utvider denne logikken til områder vi lenge har oppfattet som menneskelig kunnskapsarbeid. Den kan skrive, oversette, analysere, programmere og sammenfatte store mengder informasjon. Den kan bistå i diagnostikk, undervisning og forskning.

Dermed blir spørsmålet ikke lenger bare hvor mye arbeid som kan automatiseres.

Vi må spørre hva som skjer med menneskelig praksis når det automatiseres.

Læreren vet mer enn hun kan si

Acemoglu bruker læreren som eksempel. Kunstig intelligens kan utvikles for å erstatte læreren, men den kan også hjelpe læreren til å oppdage hvor elevene strever og gi bedre individuelt tilpasset støtte.

Forskjellen er grunnleggende.

I det første tilfellet spør vi hvordan vi kan klare oss uten læreren.

I det andre spør vi hvordan læreren kan bli bedre i stand til å være lærer.

Men hvorfor skulle det være en forskjell dersom KI faktisk kan overføre informasjon like godt eller bedre?

Her kan Heidegger hjelpe oss.

Hubert Dreyfus brukte Heideggers filosofi til å vise forskjellen mellom å vite at og å vite hvordan. Menneskelig kompetanse består ikke bare av eksplisitte regler eller informasjon som kan formuleres. Den er kroppslig, situert og innvevd i en verden av betydninger.

Heideggers begrep Zuhandenheit peker nettopp mot denne formen for praktisk omgang. Når vi behersker et redskap eller en praksis, står vi vanligvis ikke utenfor situasjonen og analyserer den. Vi befinner oss allerede i den.

Den erfarne læreren følger ikke nødvendigvis en regel når hun oppfatter at en elev ikke har forstått. Hun kan høre det på måten spørsmålet blir stilt, se det i en nøling eller merke at stemningen i rommet har endret seg. Noe av dette kan senere beskrives, men ferdigheten kommer før beskrivelsen.

Det betyr ikke at en KI aldri kan oppdage de samme tegnene.

Poenget er et annet.

Lærerens kunnskap er ikke bare informasjon om undervisningssituasjonen. Den er en kunnen i situasjonen.

Hun er selv en del av det som skjer.

Arbeid som deltagelse

Da blir også spørsmålet om arbeid et annet.

Arbeid handler selvfølgelig om inntekt og produksjon. Men gjennom arbeidet lærer vi også å gjøre noe, inngår i relasjoner og blir deltagere i institusjoner og praksiser som eksisterte før oss og fortsetter etter oss.

Vi får oppgaver som andre forventer at vi utfører. Noen blir avhengige av det vi gjør. Vi får erfaring, ansvar og kanskje en følelse av mestring.

Arbeid er ikke automatisk meningsfullt. Det kan være monotont, nedbrytende og unødvendig. Mye arbeid bør nettopp automatiseres.

Men dersom arbeidets verdi bare måles gjennom produktivitet, forsvinner noe fra regnskapet.

Et samfunn kan produsere mer samtidig som færre mennesker får anledning til å erfare at de bidrar til noe som også andre er avhengige av.

Det er derfor Acemoglus skille mellom å erstatte og å styrke mennesker er viktig. Teknologien har ikke ett forhåndsbestemt sosialt formål, skriver han. KI kan utvikles for substitusjon, men også for å komplettere mennesker og øke deres ferdigheter og produktivitet.

Men teknologien velger ikke mellom disse mulighetene.

Det gjør vi.

Teknologien har ingen skjebne

Vi snakker ofte om kunstig intelligens som om den var været.

KI kommer til å overta.

KI vil gjøre oss overflødige.

KI vil forandre arbeidslivet.

Men KI gjør ingenting av dette av seg selv.

Noen utvikler systemene. Noen finansierer dem. Noen bestemmer hvilke problemer de skal løse, og hvilke former for effektivitet som skal belønnes.

Derfor legger Acemoglu vekt på politikk. Han foreslår blant annet å endre økonomiske insentiver som favoriserer automatisering, bygge sterkere offentlig kompetanse om kunstig intelligens og utvikle et bedre juridisk rammeverk for data.

Detaljene kan diskuteres.

Det grunnleggende poenget er vanskeligere å avvise:

Teknologiens retning er ikke skjebne.

Den formes gjennom økonomiske prioriteringer, politiske beslutninger og forestillinger om hva som teller som fremskritt.

Og dermed blir spørsmålet til slutt filosofisk.

Hva ønsker vi at teknologien skal gjøre med vår måte å leve sammen på?

Maskinen skal få overta

Det betyr ikke at menneskelig arbeid skal beskyttes mot maskinen.

Tvert imot.

Hvis en maskin kan gjøre farlig arbeid, bør den ofte gjøre det. Hvis en datamaskin kan utføre på sekunder en beregning som tidligere tok flere dager, er det ingen grunn til å bevare den langsomme beregningen av hensyn til menneskelig verdighet.

Og dersom kunstig intelligens kan frigjøre legen, læreren, forskeren eller sosialarbeideren fra timer med rutinepreget administrasjon, kan resultatet bli mer menneskelig arbeid, ikke mindre.

Det avgjørende skillet går derfor ikke mellom menneske og maskin.

Det går mellom forskjellige former for arbeid.

Hva kan med fordel overlates til maskinen?

Og hva bør mennesket fortsatt gjøre fordi oppgaven innebærer nærvær, skjønn, deltagelse eller ansvar?

Her nærmer vi oss Hannah Arendt.

Arbeid, verk og handling

I The Human Condition skiller Arendt mellom labor, work og action.

Labor er knyttet til livets nødvendigheter og de gjentagende prosessene som opprettholder livet. Work skaper den mer varige menneskelige verden – ting, institusjoner og verk. Men action, handlingen, er av en annen karakter.

Gjennom handling og tale viser mennesket ikke bare hva det er, men hvem det er.

Handlingen foregår mellom mennesker. Den kan ikke fullt ut kontrolleres på forhånd. Når vi handler, setter vi noe i gang som får følger vi ikke helt kjenner. Derfor forbinder Arendt handling med natalitet – menneskets evne til å begynne noe nytt.

Dette gir KI-spørsmålet en annen dreining.

En maskin kan produsere et resultat.

Den kan til og med produsere et resultat som er bedre enn mitt.

Men handling i Arendts betydning handler ikke bare om resultatet.

Den handler om at noen trer frem blant andre og setter noe i gang.

Hvem står for dette?

Her tror jeg vi finner en viktig grense.

En KI kan skrive en tekst.

Men hvem står for teksten?

Den kan foreslå en medisinsk vurdering.

Men hvem møter pasienten?

Den kan analysere forskningsdata.

Men hvem sier: Dette funnet kan jeg forsvare?

Den kan anbefale læreren en bestemt handling.

Men hvem står foran barnet og må leve med konsekvensene?

«Jeg gjorde dette. Jeg står for det.»

Det er noe annet enn å kunne identifisere årsaken til et resultat.

Å stå ansvarlig innebærer at handlingen kan tilskrives en bestemt person som befinner seg i en verden sammen med andre mennesker, og som kan bli spurt hvorfor hun gjorde som hun gjorde.

Hos Arendt er dette knyttet til et hvem.

Det er dette «hvem» som trer frem i handlingen.

Innenfor en slik forståelse er problemet med KI ikke først og fremst at maskinen mangler intelligens. Den kan kanskje etterligne stadig flere former for intelligent atferd.

Men den har ingen natalitet i Arendts betydning. Den er ikke født inn i en felles verden hvor den gjennom et levd liv blir et bestemt hvem blant andre.

Derfor bør vi være forsiktige med å forveksle handlingens resultat med handlingen selv.

Når redskapet former brukeren

Samtidig er kunstig intelligens mer enn et passivt redskap.

Alle redskaper former også den som bruker dem.

Hammeren gjør bestemte handlinger mulige. Bilen forandrer vår erfaring av avstand. Smarttelefonen har forandret vårt forhold til tilgjengelighet, hukommelse og oppmerksomhet.

Kunstig intelligens vil på samme måte ikke bare hjelpe oss med oppgaver som allerede eksisterer.

Den vil forandre oppgavene.

Forfatteren som bruker KI, skriver annerledes.

Forskeren som bruker KI, forsker annerledes.

Læreren som bruker KI, underviser annerledes.

Derfor bør vi ikke bare spørre hva kunstig intelligens gjør for oss.

Vi må også spørre hva arbeidet med kunstig intelligens gjør med oss.

Gjør redskapet oss dyktigere?

Skjerper det oppmerksomheten?

Utvider det dømmekraften?

Eller blir vi gradvis mindre villige til å gjøre det langsomme arbeidet som erfaring, kunnskap og forståelse noen ganger krever?

Ingen teknologi kan besvare det spørsmålet på våre vegne.

Hva slags samfunn ønsker vi?

Mot slutten av innlegget skriver Acemoglu at KI-fremtiden ikke bør bestemmes av drømmene til en liten gruppe teknologer. Den bør formes gjennom demokratiske valg om hva slags samfunn vi ønsker å bygge.

Kanskje er dette den viktigste tanken i hele teksten.

For spørsmålet om kunstig intelligens handler til slutt om menneskesyn.

Er det gode samfunnet det samfunnet som produserer mest mulig med færrest mulig mennesker?

Eller er produktivitet bare ett gode blant flere?

Vi trenger også deltagelse, tilhørighet, læring og muligheten til å bidra. Og vi trenger steder hvor mennesker fortsatt kan stå frem for hverandre som ansvarlige personer.

Da vender jeg tilbake til læreren.

Kanskje kan en fremtidig KI vite mer enn henne. Kanskje kan den oppdage elevens faglige problemer raskere, finne den beste forklaringen og foreslå den mest effektive undervisningsmetoden.

Alt dette bør læreren få hjelp til.

Men neste morgen er det fortsatt hun som åpner døren til klasserommet.

Hun møter elevene.

Hun må avgjøre hva hun skal gjøre med det hun vet.

Og når et barn senere spør hvorfor hun handlet som hun gjorde, kan hun ikke svare:

Algoritmen bestemte det.

Hun må kunne si:

Jeg vurderte situasjonen.

Jeg valgte.

Jeg står for det.

Kanskje er det nettopp dette vi bør bevare når maskinen etter hvert kan gjøre stadig mer av arbeidet.

Ikke mennesket som den mest effektive produsenten.

Men mennesket som deltaker.

Som den som begynner noe.

Og som den som kan svare når noen spør:

Hvorfor gjorde du det?

Referanse:

Acemoglu, D. (2026). Don’t let AI tools replace humans. Nature, 656, 795.

Jeg vurderte situasjonen.

Jeg valgte.

Jeg står for det.

Essayet er skrevet i en samtale med Claude/Anthropic og OpenAI/ChatGPT