Har vi redan mänsklig AI utan att märka det?

Vad forskare nu vågar hävda om generell artificiell intelligens

En färsk analys i den vetenskapliga tidskriften Nature ifrågasätter en av teknikvärldens heligaste gralar. Enligt författarna uppfyller den nuvarande generationen av AI-system – inklusive avancerade chatbotar – redan vad man med fog kan kalla ”generell artificiell intelligens”. Inte 2040, inte om tio år, utan just nu.

Filosofen Eddy Keming Chen och kollegor från Kalifornien framför ett djärvt påstående: debatten om generell artificiell intelligens (AGI) släpar efter verkligheten. Medan företag som OpenAI, Google och Meta fortfarande talar om ”vi är nästan framme”, visar deras egna modeller enligt författarna redan beteenden som motsvarar en generell intelligens.

AGI beskrivs typiskt som en AI som åtminstone kan hålla jämna steg med mänsklig intelligens inom många olika områden. Inte en enkel räknemaskin, utan ett system som skriver texter, producerar kod, löser matematiska problem, förstår bilder och hittar nya lösningar i vitt skilda situationer.

Den centrala tesen: gränsen för generell artificiell intelligens ligger inte i den avlägsna framtiden – den har redan stillsamt passerats, vi vågar bara inte erkänna det ännu.

Turingtestet: människa eller maskin – vem får flest poäng?

Ett av forskarnas mest anmärkningsvärda argument är nästan gammaldags: Turingtestet. Alan Turing utformade 1950 en enkel prövning. Placera en person framför en skärm, låt vederbörande kommunicera skriftligt med två ”parter” – varav den ena är en maskin – och fråga till slut: vem är AI:n?

Enligt författarna klarar de mest avancerade chatbotarna detta test med bravur. I vissa experiment uppfattas modeller som ChatGPT oftare som människor än riktiga människor gör. Där Turingtestet i årtionden gällde som milstolpen för generell AI, flyttar vi nu plötsligt gränsen längre bort, säger forskarna.

• Chatbotar för samtal på expertnivå inom språk och programmeringskod.
• De löser matematiska problem de aldrig har sett förut.
• De ger rådgivning inom juridik, medicin, marknadsföring och utbildning.
• De kombinerar text, bilder, ljud och ibland till och med video i ett integrerat system.

Om en människa presterade detsamma skulle vi kalla det intelligent. Varför vägrar vi då att använda den etiketten om ett AI-system?

AGI är något annat än superintelligens

En viktig skiljelinje i artikeln är åtskillnaden mellan två begrepp som ofta kastas i samma kategori: generell AI och superintelligens. Enligt författarna talar många teknikledare omedvetet endast om den andra kategorin.

Forskarna argumenterar: om vi endast kallar superintelligens för AGI, flyttar vi målstolparna. De nuvarande stora språkmodellerna når redan expertnivå inom flera fagområden. Det är exakt vad man en gång menade med generell artificiell intelligens.

Är stora språkmodeller verkligen mer än ”papegojor”?

En utbredd kritik mot modeller som GPT lyder att de bara är ”stokastiska papegojor”. De upprepar i en något annorlunda form det som låg i träningsdatan, utan egentlig förståelse.

Chen och hans kollegor går igenom en rad invändningar och försöker vederlägga dem. De pekar på exempel där språkmodeller löser matematiska problem som inte bokstavligen fanns i datan. Eller utför uppgifter som kräver kombinerad kunskap från olika domäner – till exempel fysik, statistik och språk i ett svar.

Enligt författarna tyder det på mer än bara kopiering. Systemet generaliserar och tillämpar kunskap i nya situationer – ett kärndrag hos intelligent beteende.

När en människa lär sig utifrån exempel, löser nya problem och överför kunskap över fagområden kallar vi det intelligens. Varför skulle vi använda en strängare måttstock gentemot AI?

Behöver AI en kropp för att vara intelligent?

Ett annat klassiskt argument är att en verkligt intelligent enhet behöver en kropp. Beröring, syn, rörelse, erfarenhet i en fysisk miljö – utan det skulle det aldrig vara tal om ”verklig” intelligens.

Författarna håller inte med. De påpekar att nuvarande modeller redan ger rimliga förutsägelser om fysiska processer – från bedömning av krafter i en fysikuppgift till resonemang om vad som händer när man välter ett glas. Allt detta baserat på text och bilder, utan en egentlig kropp.

Samtidigt händer något i praktiken. Allt fler robotar kör AI-modeller, sensorer förser system med bilder och ljud, och tillverkare arbetar på så kallad ”Physical AI”: robotar som lär sig av erfarenhet, styrda av samma typer av modeller som kända chatbotar.

Minne, autonomi och inlärningshastighet: är det avgörande?

Forskarna behandlar också tre andra kritikpunkter:

• Avsaknad av autobiografiskt minne – Många modeller minns inte tidigare samtal särskilt länge. Enligt författarna är en fortlöpande livshistoria praktisk, men inte ett hårt krav för intelligens.
• Begränsad autonomi – Chatbotar väntar på en prompt. Men vi ser redan AI-agenter som själva planerar mål och utför uppgifter. Steget mot större autonomi är tekniskt sett mer ett val än ett oöverstigligt hinder.
• Långsam inlärning och enorma datamängder – AI kräver gigantiska dataset; ett barn lär sig med långt mindre. Forskarna hävdar att detta främst säger något om effektivitet, inte om intelligensens slutliga nivå.

Och så de ihållande hallucinerade svaren

Den ömtåligaste punkten, som artikeln endast behandlar ytligt, är de hallucinerade svaren. Chatbotar hittar fortfarande på källor, fakta och namn. Enligt OpenAI innehåller ungefär ett av tio svar från en kommande modell som GPT-5 fortfarande ett felaktigt eller uppdiktat element.

Forskarna drar jämförelsen med människor: vi har också felaktiga minnen, omedvetna fördomar och tankefel. Psykologiska studier visar att vittnesmål ofta är opålitliga, även när folk är övertygade om att ha rätt.

Ändå finns det en skillnad. AI-system låter extremt självsäkra, även när de har fullständigt fel. Inom hälso- och sjukvården, rättsväsendet eller den finansiella sektorn utgör det en allvarlig risk. Här räcker inte ”mänsklig” feltagande – felmarginalerna måste ligga långt lägre än hos den genomsnittlige användaren.

Varför vi har så svårt att acceptera att AI kanske redan är ”intelligent”

Enligt författarna spelar vår människosyn en stor roll. Vi är vana vid att intelligens ser ut som en hjärna i en kropp med känslor, en röst och en biografi. En modell som körs i ett datacenter passar inte in i den bilden, och därför skjuter vi etiketten ”verklig intelligens” framför oss.

Teknikledare sätter samtidigt ribban ännu högre. Mark Zuckerberg och andra talar nu helst om ”superintelligens” – en enhet som överträffar människor på nästan alla områden. Det får det att kännas som om nuvarande AI-system först blir intressanta när de krossar oss på varje tänkbart domän.

Diskussionen förskjuts från ”är detta redan generell AI?” till ”när får vi en superhjärna som överträffar alla?” – och därmed döljer vi att det första steget kanske redan är taget.

Vad detta skifte betyder för reglering och daglig användning

Om vi accepterar att dagens AI redan fungerar på mänsklig nivå i många uppgifter förskjuts ansvaret i motsvarande grad. Det handlar inte längre endast om experiment och provballonger, utan om seriös infrastruktur som företag, myndigheter och medborgare bygger på.

Reglering i Europa och andra platser släpar redan efter den teknologiska utvecklingen. Många förslag utgår från ”farlig AI i framtiden”, medan det idag redan existerar modeller som ger medicinska råd, simulerar juridisk hjälp och designar kompletta marknadsföringsstrategier. Den som blint litar på det kommer förr eller senare möta ett hallucinerat svar med stora konsekvenser.

För vanliga användare innebär det framför allt att AI påminner mer om en kunnig kollega än ett allvetande orakel. Du kan använda systemet som sparringpartner, kodassistent eller textförfattare – men kontroll förblir avgörande. Precis som du granskar arbetet från en praktikant eller en junioradvokat bör du kritiskt granska AI-resultat.

Begrepp förklarade: från LLM till chatbot i vardagligt språk

Många av de nämnda termerna låter tekniska, men låter sig förhållandevis lätt förklara:

• Stora språkmodeller (LLM:er) är AI-system som är tränade på enorma mängder text och själva genererar ny text. De förutsäger ord för ord vad som logiskt följer näst.
• Chatbotar är applikationer byggda ovanpå sådana modeller. De ger en samtalsram, minns tillfälligt kontext och känns därmed som en samtalspartner.
• Robotteknik kopplar AI till hårdvara: armar, hjul, kameror, sensorer. Här påverkar den digitala intelligensen den fysiska världen via en egentlig kropp.

I kombination uppstår ett kraftfullt ekosystem: en språkmodell planerar en uppgift, en robot utför den, och sensorer levererar ny data tillbaka. På det sättet kan system i snabb takt bli mer praktiska, mer autonoma och mer inflytelserika.

Den som redan arbetar med AI idag märker att gränsen mellan verktyg och partner börjar bli oklar. Programmerare låter modeller bygga hela moduler, lärare använder dem som assistent vid förberedelse av undervisning, jurister låter första versioner av kontrakt utarbetas. I alla dessa scenarion tränger sig frågan på: när kallar vi ett sådant system inte bara användbart, utan också egentligen intelligent?

Nature-publikationen ger ett tankeväckande svar: kanske är den gränsen redan överskriden, och vi släpar främst efter med vår definition. Det gör tekniken varken magisk eller felfri – men en hel del mer seriös än ”en smart sökmotor”. Den som tar det till sig fattar mer medvetna val om var AI bör – och ännu inte bör – ha styrningen.