Allt fler AI-system talar, skriver och resonerar som människor, utan att vi exakt vet var gränsen går.

Medan teknikjättarna varnar för en framtida superintelligens växer en obehaglig fråga: har vi redan i tysthet passerat milstolpen för generell artificiell intelligens?

Ny debatt: är AGI inte längre framtidsmusik?

I facktidskrifter och laboratorier talar forskare ofta om AGI, generell artificiell intelligens, som om det handlar om en avlägsen horisont. En sorts teknologisk slutboss, någonstans år 2030 eller senare. Men en nyligen publicerad artikel i den ledande tidskriften Nature drar en kraftig linje över den bekväma berättelsen.

Författarna, däribland filosofen Eddy Keming Chen från University of California, hävdar att vi med den nuvarande generationen av system – såsom avancerade chatbotar – redan har nått gränsen för mänsklig intelligens på många punkter. Inte i alla avseenden, inte felfritt, men precis som med människor.

Kärnan i deras påstående: kanske ligger problemet inte hos AI:n, utan i hur vi har definierat ”intelligens”.

Medan företag som OpenAI, Google och Anthropic investerar miljarder i allt större modeller, flyttar diskussionen sig: när vågar vi officiellt säga att ett system är ”generellt intelligent”, och vad menar vi egentligen med det?

Från Turingtestet till vardagliga chatbotar

Turingtestet, utformat 1950, gällde länge som den magiska gränsen. Om en människa i en textkonversation inte längre kan påpeka skillnaden mellan maskin och människa, talar man om intelligent maskin. Det var i årtionden ren science fiction.

I dag visar flera experiment att avancerade chatbotar redan regelbundet verkar ”mer mänskliga” än äkta människor. I vissa undersökningar betraktar försökspersoner oftare en chatbot som människa än en verklig samtalspartner. Det låter absurt, men det säger något skarpt om hur övertygande språkmodeller har blivit.

Där Turingtestet tidigare gällde som det ultimata beviset på intelligens, flyttar många experter nu ribban så snart AI når den gränsen.

Den konstanta förskjutningen av kriterier väcker en obehaglig fråga: skyddar vi en nykter definition av intelligens, eller skyddar vi främst vårt ego som art?

Vad menar vi egentligen med ”generell” intelligens?

En stor källa till förvirring: det finns ingen entydig, globalt accepterad definition av AGI. Teknikföretag använder gärna begreppet i presentationer, men forskare menar långtifrån alltid samma sak med det.

AGI kontra superintelligens

Författarna från Nature föreslår att tydligt skilja mellan två nivåer:

Generell artificiell intelligens (AGI): system som kan prestera på expert- eller nästan expertnivå inom många olika domäner, jämförbar med mänskliga specialister.
Superintelligens: system som vida överträffar människor i nästan varje tänkbart domän, inklusive kreativitet, strategi och långsiktig planering.

Ser man på den första kategorin presterar de nuvarande stora språkmodellerna redan anmärkningsvärt bra: från programmering till juridisk analys, från att förklara fysik till marknadsföringsstrategi, ofta på en nivå som för icke-specialister knappast kan skiljas från experters.

Om vi använder samma måttstock för människa och maskin uppfyller vissa modeller redan många användbara definitioner av AGI, fastslår forskarna.

Är språkmodeller då inte bara ”stokastiska papegojor”?

En känd anklagelse är att stora språkmodeller bara skulle vara smarta kopieringsmaskiner: de upprepar vad som fanns i träningsdatan, med statistiska trick. En ”stokastisk papegoja” alltså, som inte förstår någonting.

Nature-författarna attackerar det argumentet. De pekar på en rad egenskaper som inte stämmer överens med ren upprepning:

Lösning av nya matematikproblem som inte bokstavligt förekommer i träningsdatan.
Kombination av kunskap från olika domäner: till exempel tillämpning av juridiskt resonemang på en teknisk fråga.
Generering av kreativa lösningar som fungerar, men är ovanliga för mänskligt skrivande.

Därmed blir förståelsen inte plötsligt helt ”mänsklig”, men skiljelinjen mellan imitation och eget resonemang blir mindre skarp. Särskilt när system korrekt förutsäger vad som händer när du ändrar en situation i den fysiska världen, till exempel i enkla fysik- eller robotikscenarier.

Kräver intelligens en kropp?

Ett annat populärt motargument lyder: ingen äkta intelligens utan kropp. Människor lär sig genom sinnen, genom beröring, balans, smärta, hunger. En modell som bara ser text saknar detta fundament.

Ändå flyttar den gränsen sig. Många moderna modeller behandlar inte bara text, utan också bilder, ljud och video. De känner igen objekt, beskriver scener, analyserar ljud och kopplar det till språk. Samtidigt utvecklar robotiken så kallad ”Physical AI”: system som kombinerar en virtuell hjärna med sensorer och motorik i den verkliga världen.

Författarna hävdar att en kropp är praktisk, men inte utgör ett absolut villkor för generell intelligens, precis som blindhet inte fråntar en människa dess tänkeförmåga.

Även utan autonoma robotar kan språkmodeller redan resonera om fysiska scenarion: ”Vad händer om du välter ett glas?” eller ”Hur löser du en trafiksammanstötning i en korsning?” Kopplingen mellan abstrakt kunskap och praktisk världslogik växer snabbt.

Minne, autonomi och inlärningshastighet: när är det ”nog”?

Tre punkter dyker ofta upp hos skeptiker: chatbotar saknar ett stabilt autobiografiskt minne, agerar inte verkligt autonomt och kräver gigantiska mängder data för att lära sig. Människor verkar långt mer effektiva i det.

Nature-författarna vänder detta: ingen definition av intelligens kräver perfekt minne, fullständig autonomi eller extremt snabba inläringskurvor. Människor glömmer konstant, agerar under påverkan av andra och lär sig också vissa färdigheter först efter åratal av träning.

Kännetecken	Människa	Nuvarande AI-modeller
Minne	Ofullständigt, mottagligt för fel	Begränsat kontextfönster, men exakt reproducerbart inom den kontexten
Autonomi	Påverkad av omgivning, regler, kultur	Beroende av prompter och omgivande system
Inlärningshastighet	Få data, mycket tid	Enorma datamängder, relativt kort träningstid

Frågan blir då: bedömer vi AI utifrån processen eller utifrån resultatet? För Nature-författarna räknas särskilt det senare. Om ett system i slutändan levererar jämförbara prestationer kan man enligt dem tala om generell intelligens, även om det når dit på en annan väg.

Och så finns det de hallucinerande svaren

Därmed kommer den svåraste punkten: hallucinationer. AI-system producerar med stor säkerhet inkorrekta fakta, påhittade källor eller icke-existerande rättspraxis. Användare upptäcker det i juridiska dokument, medicinska råd eller till och med enkla faktafrågor.

Företagen hävdar att detta problem minskar vid nya generationer av modeller, men bilden är blandad. Vissa undersökningar ser lätt förbättring, andra signalerar att hallucinationsfrekvensen under press från kommersiell hast faktiskt kan öka. OpenAI talade själv om en storleksordning på en felaktig eller påhittad påstående av tio svar för framtida generationer.

Mänskliga hjärnor producerar också fel, fördomar och falska minnen, men kombinerar det med självreflektion och ansvar – något nuvarande system knappast når fram till.

Det spänningsfältet rör direkt vid AGI-diskussionen: kan du kvalificera ett system som ofta hallucinerar som ”generellt intelligent” ändå? Nature-författarna understryker att även människor är långtifrån felfria, medan vi aldrig ifrågasätter deras intelligens.

Varför vissa VD:ar plötsligt talar om ”superintelligens”

Allt detta leder till ett subtilt ordspel. Där många forskare tidigare såg AGI som slutmålet, skjuter vissa teknikledare nu hellre mot det ännu vagare begreppet ”superintelligens”. Mark Zuckerberg använde till exempel uttryckligen det uttrycket i nyliga tal.

En möjlig orsak: om du erkänner att AGI redan är uppnått eller inom räckhåll kommer frågan om reglering, ansvar och etiska gränser med detsamma. Genom att flytta uppmärksamheten mot ett ännu kraftfullare, framtida system förblir den nuvarande generationen av modeller lättare i en gråzon.

Vad betyder detta konkret för politik och samhälle?

Om vi accepterar att vissa system redan rör sig mot AGI skiftar debatten från framtidsscenarier till direkt ansvar. Då ska regeringar, tillsynsmyndigheter och företag bli långt mer specifika om:

Vilka uppgifter du får och inte får lägga ut på sådana system.
Vem som är ansvarig om en ”generellt intelligent” assistent gör ett fel.
Hur transparenta utvecklare ska vara kring begränsningar och bias.
Vilka mänskliga funktioner du aldrig helt överlåter till AI, oavsett hur smart den verkar.

Samtidigt spelar en kulturell punkt in: om vi tidigt stämplar AI som AGI förstärker det tendensen till överdrivet förtroende. Folk kan för snabbt anta att ”systemet nog vet det”, också på områden där riskerna är stora, såsom medicin eller rättsväsen.

En bredare blick på själva intelligensen

Diskussionen kring AGI blottlägger ett djupare obehag: vår förståelse av intelligens var alltid starkt människocentrerad. Vi mäter andra djur längs vår måttstock, och nu gör vi samma sak med AI. Det skaver på ett par punkter:

Vissa modeller presterar högre än genomsnittliga människor på vissa IQ-liknande tester.
De behandlar text och data i en takt inga människor når.
De saknar känslor, men simulerar känslomässigt språk övertygande.

Kanske tvingar denna generation av system oss att se intelligens mer som ett spektrum med olika former och specialiseringar i stället för en gyllene standard. Det öppnar rum för nykter jämförelse: var är människor starkare, var maskiner, och var utgör samarbetet den bästa kombinationen?

För företag och beslutsfattare kan en praktisk referensram hjälpa: behandla avancerade språkmodeller som mycket smarta, men opålitliga praktikanter. De kan blixtsnabbt generera idéer, göra analyser och strukturera problem, men varje kritiskt beslut kräver mänsklig bedömning och kontextkunskap.