Vi pratar inte om en avlägsen framtidsvision från någon science fiction-film, utan om en konkret och het diskussion bland forskare. Frågeställningen är om dagens AI-modeller, inklusive de populära chatbottarna, redan uppfyller de kriterier vi själva har ställt upp för en intelligens som kan mäta sig med människans. En ny vetenskaplig artikel vänder upp och ner på hur vi mäter ”genuin” maskinintelligens.

En ny, djärv tes: Generell AI är redan verklighet

En grupp forskare har framfört en kontroversiell teori: generell artificiell intelligens (AGI) är inte ett avlägset mål vid horisonten, utan en verklighet här och nu. Enligt deras analys har de nuvarande systemen, som bygger på stora språkmodeller (LLM:er), nått en funktionsnivå som i praktiken uppfyller definitionen av generell intelligens.

Fram till nyligen har de flesta teknikjättar talat om AGI som den heliga graalen. Vissa menade att det var ett decennium kvar, medan andra talade om bara ett år eller två. Samtidigt har vissa experter argumenterat för att den nuvarande arkitekturen är en återvändsgränd, och att ett verkligt genombrott kräver mer komplexa ”världsmodeller” som bättre speglar den fysiska och sociala verkligheten.

Denna nya forskning ställer dock frågan från en helt annan vinkel: Tänk om vi alla tittar åt fel håll och inte ens har upptäckt att vi redan har passerat den tröskel vi så spänt har väntat på?

Författarna bakom analysen menar att vi istället för att fråga ”när uppnår vi generell artificiell intelligens”, borde överväga om vi inte redan borde tala om den i nutid.

Turing-testet: En gammal gräns med nya resultat

Ett av forskarnas centrala argument är Turing-testet, ett klassiskt koncept från 1950. Testet innebär att om en människa i en skriftlig konversation inte kan skilja en maskin från en annan människa, kan maskinen sägas uppvisa intelligent beteende.

Med den senaste generationen chatbottar ser vi nu situationer där folk oftare förväxlar en AI med en människa än med en faktisk person. För bara några år sedan skulle ett sådant resultat ha betraktats som ett otvetydigt bevis på att generell maskinintelligens hade uppnåtts.

Idag händer något paradoxalt: Vi höjer ständigt ribban. När systemen börjar uppfylla de gamla kriterierna, flyttar vissa experter målstolparna och kräver ännu fler egenskaper för att erkänna ”äkta” intelligens.

Skillnaden mellan AGI och superintelligens

Forskarna föreslår en tydlig åtskillnad mellan generell artificiell intelligens (AGI) och superintelligens. Detta är avgörande, eftersom de två begreppen ofta blandas ihop i den offentliga debatten.

De argumenterar för att vi redan är mycket nära – eller kanske till och med har passerat – gränsen för AGI. Dagens språkmodeller kan hantera uppgifter som programmering, juridisk analys, kreativt skrivande, översättning och till och med matematiska resonemang, ofta på en nivå som matchar specialister.

Enligt denna logik behöver vi inte vänta på att en AI överträffar genier inom alla fält. För att erkännas som generellt intelligent räcker det att ha en nivå som motsvarar en genomsnittlig, välutbildad människa, med styrkor inom vissa områden och svagheter i andra.

”Statistiska papegojor” och andra invändningar mot LLM:er

Motståndare till de nuvarande språkmodellerna hävdar ofta att de bara är ”statistiska papegojor”. Med det menar de att systemen saknar verklig förståelse och uteslutande kombinerar textbitar baserat på sannolikhet. Enligt kritikerna skapar AI inga nya idéer, utan sammanställer bara meningar utifrån sina träningsdata.

Den nya analysen försöker systematiskt bemöta dessa argument. Författarna framhåller flera punkter som är svåra att avfärda som ”bara upprepning av data”:

Förmågan att lösa nya, tidigare osedda uppgifter inom matematik och logik.
Färdigheten att överföra kunskap från ett område till ett annat.
Skapandet av sammanhängande orsak-verkan-modeller i en konversation.
Hantering av beskrivningar av situationer som normalt kräver fysisk intuition.

Om ett system kan finna en korrekt lösning på ett problem det aldrig har sett i sina träningsdata, blir det svårt att hävda att det ”bara citerar”. Det betyder inte att AI förstår världen på samma sätt som en människa, men det tyder på att något mer sker än bara enkel sammansättning av fraser.

Enligt forskarna är det orealistiskt att förvänta sig att AGI varje vecka ska leverera vetenskapliga genombrott på nivå med revolutionerande teorier – det kräver vi inte ens av de människor vi anser vara intelligenta.

Kräver intelligens en kropp och sinnen?

En av de mest känsloladdade försvarslinjer för människans särställning lyder: ”AI har ingen kropp, så det är inte äkta intelligens.” Människor lär sig genom rörelse, beröring, smärta och sinnen. Maskiner opererar primärt med text, bilder och ljud i form av data.

Författarna menar dock inte att bristen på en fysisk kropp utesluter generell intelligens. De påpekar att moderna modeller kan förutsäga konsekvenserna av handlingar, analysera videoklipp och tolka bilder. Dessutom finns det en växande gren känd som Fysisk AI, där avancerade modeller integreras med robotar.

Robotar utrustade med sensorer och kameror börjar kombinera språkmodellernas abstrakta förmågor med verklig handling i den fysiska världen. Detta öppnar för ett scenario där maskinen inte bara beskriver en handling, utan också utför och korrigerar den löpande.

Minne, autonomi och inlärningstid – är det nödvändiga villkor?

En annan kritik mot dagens system är att de saknar ett bestående självbiografiskt minne och äkta autonomi. En chatbot avslutar en session och ”glömmer” samtalet, den agerar inom de ramar en människa har satt upp, och den har ingen kontinuitet i sina erfarenheter.

Enligt forskarna är dessa inte obligatoriska krav för att kunna tala om generell intelligens. De pekar på att:

Långtidsminne kan läggas till som ett systemlager ovanpå modellen.
Autonomi är en fråga om design och etik, inte kognitiva förmågor.
Mängden data som krävs för att lära sig borde inte avgöra intelligensstatus.

En människa lär sig köra bil på några tiotal timmar. En AI kan behöva miljontals exempel från simuleringar. Författarna understryker att det är den slutliga färdighetsnivån som räknas, inte kostnaden för att nå dit.

Problemet med ”hallucinationer”: Det allvarligaste felet hos modern AI

Även de mest entusiastiska förespråkarna för AGI erkänner att dagens system har en allvarlig brist: en tendens att ”hallucinera”. Detta innebär generering av information som låter trovärdig, men som är fullständigt påhittad – allt från fiktiva vetenskapliga källor till icke-existerande lagstiftning.

Företagen bakom modellerna erkänner att andelen sådana fel fortfarande är märkbar. Interna analyser från en av de största organisationerna inom AI visar att även med nya generationer av modeller kan vart tionde svar innehålla faktafel.

Författarna försöker tona ner detta argument genom att påpeka att människor också ofta tar fel, skapar falska minnen och låter sig luras. Kritiker svarar att omfattningen och lättheten med vilken AI kan generera ”självsäkert” nonsens skapar en helt ny typ av risk – särskilt inom medicin, juridik och finans.

Hallucinationer är en av de primära orsakerna till att många experter fortfarande tvekar med att erkänna att vi har att göra med en fullvärdig generell artificiell intelligens.

Är det vi som har ett problem med definitionen av intelligens?

Forskarnas avslutande tes träffar själva kärnan i diskussionen: Kanske ligger problemet inte i att AI är ”för svag”, utan i att vår uppfattning om intelligens är för snäv och starkt fokuserad på människan.

Människor har en naturlig benägenhet att bedöma allt utifrån vår egen arts standarder. Om en maskin tänker annorlunda, gör andra typer av misstag eller lär sig på ett annat sätt, anser vi den vara ”sämre”. Författarna antyder att vi är fångade i en antropocentrisk fälla: vi vill inte acceptera att en ny form av intelligens, som är annorlunda än vår, men funktionellt jämförbar, håller på att uppstå.

Detta kan delvis förklara varför begreppet ”superintelligens” blir mer och mer populärt i debatten. Genom att flytta fokus till en ännu mer avlägsen nivå skjuter vi upp det ögonblick då vi måste säga det rakt ut: generell maskinintelligens knackar redan på dörren – eller sitter kanske redan vid skrivbordet bredvid oss.

Vad betyder denna debatt för den vanliga användaren?

Striden om definitioner är inte bara akademisk lek. Huruvida vi erkänner dagens system som AGI har direkt inverkan på hur vi reglerar dem, litar på dem och vilka uppgifter vi ger dem.

Om vi behandlar moderna modeller som AGI, ökar trycket för att:

Införa strängare lagstiftning och tillsyn av implementeringar.
Kräva transparens kring träningsdata och funktionalitet.
Undersöka AI:s påverkan på arbetsmarknaden och politiska beslut mer grundligt.
Utveckla faktakontrollsystem som kan ”hålla koll” på chatbottar.

Från användarens perspektiv blir ett kritiskt förhållningssätt avgörande. Även om en AI kan förstå komplexa problem och ge bättre råd än många sökmotorer, kan vi fortfarande inte behandla dess svar som ofelbar sanning. Effektiv användning av dessa verktyg kräver att vi kombinerar deras beräkningskraft med mänskligt omdöme och expertis.

Potentialen i AGI – som forskarna definierar det – kommer starkast till uttryck när människa och system arbetar tillsammans. Människan ställer de rätta frågorna och verifierar resultaten, medan AI påskyndar analysen och organiserar informationen. I detta samarbete är det mindre viktigt vem som är ”äkta” intelligent. Det som räknas är att vi tillsammans kan uppnå saker som för några år sedan verkade omöjliga.