Gi meg tall så jeg kan slå i bordet

UiO har fått millioner til Senter for tverrfaglig utdanning. Det satses på kunstig intelligens gjennom omdiskuterte Honoursstudiet, økonomiinteresserte kan velge bachelor i økonomi og datavitenskap, og samfunnsvitere kan ta 40-gruppe i datavitenskap. Men betyr en usikker framtid og frykt for kunstig intelligens at alle må kode, finne tall og standardavvik?

Selv om feltarbeid, dybdeintervjuer og observasjon betraktes som samfunnsviternes metoder, har de jobba kvantitativt siden sosiologen Ibn Khaldun tok i bruk statistikk på 1300-tallet. Siden den gang har de analysert alt som kan telles: inntekt, barn, biler, sofaer, galleribesøk og så videre.

Det som er nytt, og årsaken til at kunstig intelligens har eksplodert, er 1) at vi har ekstremt mye mer data, og 2) langt bedre datamaskiner. Alt kan gjøres om til tall. Ved vektorisering av tekstdata kan stortingstaler, NOUer, tweeter, intervjuer, dagbøker, handlelister – alt av tekst – gjøres om til tall og analyseres kvantitativt. Vi kan analysere mer og raskere. Vi kan lage pene grafer og visualisere de plutselig åpenbare sammenhengene i samfunnet. Og med 95 prosent konfidensintervall!

Hva er faren? Vel, tall er mektig. Mange ser på matematikk som verdinøytralt. Én ting er at 1+1 = 2 er politisk nøytralt. 2 prosent rente er derimot ikke det, heller ikke 2 nye jagerfly eller 2.0 i snitt i karaktersegregerte Oslo. I hvert fall ikke Ropstads «klarer du én klarer du to».

Sistnevnte minner oss på politikernes panikk fordi samlet fruktbarhetstall (STF) er 1,4. Få vet dessverre at tallet er konstruert på en slik måte at det ikke fanger opp om kvinner utsetter å få barn. Dagens 45-åringer har fått ca to barn hver, selv om samlet fruktbarhetstall ikke har vært i nærheten av 2,0 i deres levetid. På lang sikt går befolkingen ned om STF er under 2,1. På kort sikt skjuler tallet noen viktige innsikter om samfunnet.

I tillegg har vi de som har latt tallene ta over. I boka «Hysj, vi regner» viser Roman Linneberg Eliassen til en undersøkelse der økonomer mener derivasjon er langt nyttigere enn kunnskap om den virkelige verden. Med objektivitet for øyet er virkeligheten for abstrakte, matematiske modeller som ikke evner å forklare høyst reelle fenomener som finanskriser. Jaja, økonomene har alltid vært virkelighetsfjerne, eller? Opprinnelig sprang faget ut av moralfilosofi, og gjennom historien har økonomene vært langt mer metodisk mangfoldig, ifølge Eliassen. Før matematikken tok fullstendig over.

Økonomer siterer sosiologer og statsvitere langt sjeldnere enn omvendt. Økonomene ser ingen grunn til å drive med tverrfaglighet, og er eneste studiet på SV som kan velge 40-gruppe i sitt eget fagfelt. Om det er matematikken som har gjort økonomene til fagfeltssjåvinister vet jeg ikke. Men når de for en gangs skyld utvider horisonten, ser de til maskinlæring og KI og oppretter det tverrfaglige studiet økonomi og datavitenskap. Ingen motkrefter tar økonomien tilbake til da den var et metodisk flerfoldig fagfelt.

Spør du tallene hvorfor kvinner får færre barn, er det tyst. Matematikk kan være et verktøy for å avdekke aspekter ved virkeligheten, men det kan en rekke ulike metoder. Vi bør absolutt forstå hva som ligger bak tallene som presenteres som upolitiske faktum. Men ulike situasjoner krever ulike verktøy. Jordfeilmåler er nyttig, men elektrikeren har flere verktøy. Og det trengs en motvekt til mer tall, vektorisering og maskinlæring. Hvor er feltarbeid, dybdeintervjuer og observasjoner i andre fagfelt?

Vi kan skaffe oss flere tall, så alle sammen kan slå i bordet med 95 prosent sikkerhet. Eller vi kan ha både tall, erfaringer og ideer. Tverrfaglighet er ikke synonymt med at alle skal kunne kode, gjøre om tekst til tall og finne standardavvik for å forkaste nullhypoteser. I en mer kompleks verden, i stadig raskere endring, bør ikke frykten for at mennesker er overflødige bety at alle skal hoste opp tall. Vi må forstå deres begrensninger. Ikke minst bør studentene forlate universitetet med en breddfull verktøykasse.