Den stora frågan: Är generell artificiell intelligens redan här?

Medan teknikjättar varnar för en avlägsen framtid fylld av superintelligenta maskiner argumenterar en grupp forskare för något mycket mer anmärkningsvärt. System som ChatGPT kan möjligen redan ha nått nivån för generell artificiell intelligens — inte om tio år, inte 2030, utan just nu.

Den verkliga frågan är enligt dem inte huruvida AI är smart nog. Problemet ligger i att vår egen förståelse av intelligens haltar efter.

Vad forskarna nu vågar kalla ”generell intelligens”

I en nyligen publicerad artikel i den ansedda vetenskapliga tidskriften Nature argumenterar författarna — däribland en filosof från University of California — för att vår definition av generell artificiell intelligens samtidigt är både alldeles för strikt och alldeles för oklar.

Föreställningen om generell AI låter ofta som en magisk allvetande maskin: ett system som löser vilket problem som helst, är expert på allt och begår aldrig misstag. Men enligt forskarna stämmer den beskrivningen inte ens på människor.

Inga människor är specialister inom alla områden. En person kan vara briljant i matematik men samtidigt fullständigt vilsen i administrativa uppgifter. Ändå ifrågasätter ingen att vederbörande är ”intelligent”.

Kärnan i deras argument: Tillämpar vi samma måttstock på maskiner som på människor når de bästa AI-modellerna redan regelbundet upp till nivån hos mänskliga experter.

Forskarna föreslår därför en bredare definition: ett system som över många olika uppgifter kan prestera på mänsklig nivå eller expertnivå. Inte felfritt, inte allsmäktigt — utan funktionellt jämförbart med en välutbildad människa.

Skillnaden mellan generell AI och superintelligens

Forskarna drar en skarp gräns mellan två begrepp som ofta förväxlas i den offentliga debatten:

Generell AI (AGI): System som kan utföra uppgifter på mänsklig nivå eller expertnivå inom många olika domäner.
Superintelligens: System som vida överträffar även de skickligaste människorna inom nästan alla tänkbara områden.

Stora språkmodeller som GPT-4 befinner sig tydligt i den första kategorin — men ännu inte i den andra. Ändå talar företag som Meta och OpenAI gärna om ”superintelligens.” Författarna misstänker att det delvis sker för att ständigt flytta ribban högre, så att ingen behöver erkänna att generell AI redan är verklighet.

ChatGPT och Turingtestets dilemma

Ett av de mest slående argumenten i artikeln är återupplivandet av ett klassiskt begrepp: Turingtestet. Alan Turing föreslog redan 1950 att en maskin kan betraktas som ”intelligent” om en människa via text inte längre kan skilja mellan att tala med en person eller en dator.

Enligt nyligen genomförda experiment klarar moderna chatbotar sig förvånansvärt bra i just den typen av test. I vissa försök bedöms svar från ChatGPT oftare som ”mänskliga” än svar från verkliga människor. För bara några år sedan skulle ett sådant resultat av många ha betraktats som bevis på generell AI — utan vidare diskussion.

Nu när testet faktiskt klaras verkar debatten plötsligt skifta riktning. Frågan blir: var Turingtestet överhuvudtaget ett bra mätinstrument? Forskarna kallar det en form av målförskjutning — när AI uppfyller en gammal standard flyttas diskussionen till en ny och ofta mer vagt formulerad norm.

Är språkmodeller bara ”papegojor”?

En utbredd kritik mot AI-chatbotar är att de inte riktigt förstår vad de talar om. De skulle enligt uppgift bara statistiskt ”gissa” sig fram till det mest sannolika nästa ordet utifrån miljarder exempelmeningar. Det välkända uttrycket ”stokastisk papegoja” används flitigt i sammanhanget.

Forskarna tar kritiken direkt och pekar på flera centrala förhållanden:

Nya matematikuppgifter: Avancerade AI-modeller kan lösa matematiska problem de aldrig tidigare sett — vilket går långt utöver enkel mönsterigenkänning.
Tvärvetenskapligt resonemang: Systemen kan kombinera kunskap från vitt skilda ämnesområden på sätt som inte låter sig reduceras till ren statistisk kopiering.
Konsekvent prestation: Över många discipliner och uppgiftstyper levererar de bästa modellerna resultat som matchar eller överträffar mänskliga experters prestationer.

Poängen är inte att AI är identisk med mänskligt tänkande. Poängen är att den funktionella skillnaden kanske är långt mindre än många hittills har antagit — och att våra begrepp inte har hängt med i utvecklingen.

Varför det spelar roll vad vi kallar det

Det handlar inte bara om akademiska definitioner. Vad vi väljer att kalla generell AI får verkliga konsekvenser för reglering, säkerhet och det sätt som samhället förbereder sig på teknikens utveckling.

Om vi ständigt flyttar gränsen riskerar vi att vakna upp en dag och upptäcka att vi aldrig tog ställning till den avgörande frågan — eftersom vi hela tiden väntade på nästa milstolpe. Det är precis den varning dessa forskare vill sända.