AI ger forskarna vingar – men klipper bort nyfikenheten

Kampen mot AI-datacentren har bara börjat

Lokala protester och skärpta regleringar mot AI-datacenter ökar runt om i världen. Motståndet drivs av oro för energiförbrukning, vattenanvändning och miljöpåverkan – och enligt The Verge är det här bara inledningen på en längre strid.

Motståndet mot AI-datacenter växer globalt. Lokalsamhällen och miljöaktivister riktar allt hårdare kritik mot anläggningarna för deras höga energiförbrukning och stora vattenanvändning. The Verge konstaterar i en ny analys att kampen mot datacentren precis har tagit sin början och att både lokala protester och politiska regleringar är på uppgång.

Bakgrunden är att AI-boomen har drivit en explosionsartad utbyggnad av datacenterkapacitet världen över. Dessa anläggningar kräver enorma mängder el för att driva servrarna och ännu mer för att kyla dem – ofta med vatten. Det skapar konflikter med lokala intressen, elnät som redan är hårt belastade och klimatmål som länder och kommuner har förbundit sig till.

För Sverige är frågan högst relevant. Landet har flera befintliga och planerade datacenter, bland annat i Luleå och Västerås, som delvis lockat hit av tillgången på förnybar energi och kallt klimat. Men i takt med att det globala motståndet organiseras och sprider sig kan liknande debatter och krav på reglering väntas även här. Svenska kommuner och energibolag kan snart behöva ta ställning till hur mycket kapacitet de är beredda att upplåta – och till vilket pris.

Matematikprofessorn lät AI rädda 27 år gamla Java-appletar

Fältmedaljvinnaren Terence Tao använde en AI-kodningsagent för att porta sina egna Java-appletar från 1999 till JavaScript – ett arbete som tog några timmar och dessutom avslöjade två buggar i originalkoden som Tao själv inte kände till.

Agenten identifierade två buggar i originalkoden som jag inte kände till, så det slutade som en nettonolla vad gäller kodkvalitet.

Terence Tao

Matematikprofessorn Terence Tao, känd som en av vår tids främsta matematiker, beskriver på sin blogg hur han nyligen använde en modern AI-kodningsagent för att återuppliva sina gamla Java-appletar. Appletarna skapades ursprungligen 1999 för hans kurser i komplex analys och linjär algebra, men hade blivit icke-funktionella när webbläsarna slutade stödja Java. Med AI-agentens hjälp portades de till JavaScript på bara några timmar och finns nu i ett nytt repository.

Det som gör berättelsen mer än en teknisk kuriositet är vad agenten hittade längs vägen. Den introducerade visserligen en mindre bugg i den portade koden, men upptäckte samtidigt två buggar i Taos original från 1999 – buggar som hade legat oupptäckta i 27 år. Tao konstaterar torrt att det "slutade som en nettonolla vad gäller kodkvalitet". Exemplet illustrerar hur AI-kodningsagenter inte bara översätter kod utan också kan fungera som en form av automatiserad kodgranskning, med förmåga att identifiera logikfel som mänskliga ögon missat.

Tao noterar att hans intresse för maskinassisterad matematik sträcker sig ända tillbaka till samma år som appletarna skapades. Att han nu, som en av världens mest citerade matematiker, offentligt delar sina erfarenheter av AI-kodning ger tyngd åt diskussionen om hur dessa verktyg faktiskt fungerar i praktiken – inte bara i marknadsföring.

Mindwalk låter dig se vad din kodningsagent egentligen gjorde

Ett nytt open source-verktyg visualiserar AI-kodningsagenters sessioner som en lysande karta över kodbasen. Mindwalk läser loggar från Claude Code och Codex lokalt och visar exakt var agenten sökte, läste och redigerade – utan att data lämnar din maskin.

Rita kodbasen som en nattkarta och spela upp sessionen som ljus som rör sig genom den: där agenten sökte, läste och redigerade lyser kartan upp – allt annat förblir mörkt.

Ricko Yu (författare)

Mindwalk är ett visualiseringsverktyg byggt i Go med en React/Three.js-frontend som spelar upp AI-kodningsagenters sessioner på en tredimensionell karta över kodbasen. Verktyget läser sessionsloggar från Claude Code och Codex helt lokalt – ingen data skickas utanför användarens maskin. Sessionen återges som ljuspunkter som rör sig genom en mörk karta, där varje fil agenten rörde vid lyser upp.

Poängen är att en sessionslogg berättar vad en agent gjorde, men inte hur den förstod uppgiften. Mindwalk försöker fylla det gapet genom att visa agentens "fotavtryck" i kodbasen: vilka delar den behandlade som relevanta, var den utforskade innan den agerade, och om dess räckvidd matchade det användaren hade i åtanke. Verktyget håller två separata artefakter: en trace med normaliserade fil-touch-händelser och en citymap med en deterministisk layout av kodbasen.

I takt med att AI-kodningsagenter används i allt större och mer komplexa kodbaser växer behovet av just den här typen av granskningsverktyg. Att kunna se vad en agent faktiskt rörde vid – och vad den ignorerade – är värdefull information för alla som vill förstå och kvalitetssäkra AI-genererad kod. Mindwalk är ett tidigt men konkret svar på det behovet.