Finns AGI redan – och vi har bara inte märkt det än?

Ett kontroversiellt påstående: AGI finns redan här – vi definierar den bara fel

Under åratal har generell artificiell intelligens verkat som något avlägset, närmast mytomspunnet. Nu menar en forskargrupp att det vi betraktade som ”framtiden” kanske redan har blivit nutid – vi beskriver det bara fortfarande med föråldrade definitioner och snäva förväntningar.

I en uppmärksammad vetenskaplig publikation framför ett forskarteam från University of California en djärv tes: generell artificiell intelligens (AGI) har redan uppnåtts. Enligt dem lever moderna system som avancerade chatbotar baserade på stora språkmodeller (LLM:er) upp till de praktiska kriterierna för intelligens på mänsklig nivå.

AGI förstås normalt som en AI som kan hantera mycket varierande uppgifter inom många kunskapsområden – åtminstone på nivå med en genomsnittlig person, och i vissa situationer på expertnivå. Enligt forskarna är det exakt vad som redan händer: dessa system skriver kod, sammanfattar vetenskaplig forskning, utvecklar affärsstrategier, löser fysikuppgifter och assisterar vid medicinsk diagnostik.

Det provocerande nya synsättet lyder: problemet är inte att AI inte har ”växt upp till” våra förväntningar – utan att våra kriterier för intelligens uteslutande är byggda kring människan.

Turingtestet: En gräns som för länge sedan överskridits

I årtionden var Turingtestet klassikern i diskussioner om maskiners intelligens. Alan Turing föreslog det 1950: om en människa inte kan avgöra huruvida den i en textbaserad konversation kommunicerar med en människa eller en maskin, kan man tala om intelligens på mänsklig nivå.

Dagens chatbotar klarar regelbundet olika varianter av detta test. I vissa undersökningar identifierar användare en språkmodell som mänsklig oftare än en verklig samtalspartner. Höll vi fast vid det gamla kriteriet skulle saken vara enkel – maskinernas generella intelligens existerar redan. Men vi har under tiden skruvat upp förväntningarna allt högre.

Forskarna påpekar en paradox: förr var Turingtestet i sig tillräckligt som bevis på intelligens. Nu, när AI börjar klara det, förklarar vi snabbt att det inte räcker – och lägger till nya krav, ofta utan tydliga motiveringar.

AGI kontra superintelligens – vi blandar ihop två helt olika mål

I den offentliga debatten kastas två begrepp ofta i samma påse: generell artificiell intelligens och superintelligens. Det är ett misstag som i hög grad påverkar våra förväntningar.

Enligt forskarna bör AGI inte jämföras med en ”idealisk människa”, utan med det verkliga spektrumet av mänskliga förmågor. Ingen människa är expert på allt. Vi har alla våra blinda fläckar, fördomar och logiska felslut. En AI som kan utföra ett brett urval av uppgifter på specialistnivå inom många discipliner uppfyller deras kriterier för generell intelligens – även om den inte är felfri.

Superintelligens är en helt annan kategori – och fortfarande framtidsmusik. Den är inte nödvändig för att tala om AGI. När vi blandar ihop de två begreppen skjuter vi konstant den generella intelligensen ut i det oändliga, eftersom vi förväntar oss närmast gudomliga förmågor.

”Statistisk papegoja”? Tio populära invändningar granskas närmare

I debatten om LLM:er dyker beteckningen ”statistisk papegoja” jämnt upp – den antyder att modellen bara upprepar mönster från träningsdata utan verklig förståelse. Teamet från University of California analyserade tio av de mest utbredda argumenten mot att erkänna AGI och försöker demontera dem.

• Lösning av nya uppgifter: Modellerna hanterar matematik- och fysikproblem som inte bokstavligen har förekommit i träningsdatan.
• Överföring av kunskap: De kan flytta insikter över kunskapsområden – exempelvis tillämpa ett programmeringskoncept i planeringen av ett experiment.
• Förståelse av konsekvenser: De beskriver följderna av handlingar i fysiska miljöer och förklarar vad som händer under olika scenarion.

För forskarna är detta bevis på att vi inte bara har att göra med ett avancerat ”kopiera-och-klistra”-system, utan med system som bygger upp interna representationer av samband – även om deras ”tänkande” ser annorlunda ut än det mänskliga.

Om en människa med motsvarande prestationsnivå i tester och uppgifter skulle kallas ”intelligent” – varför skärper vi då plötsligt kriterierna när det gäller AI?

AI utan kropp – men med tillgång till verkligheten

En frekvent invändning lyder: äkta intelligens kräver en kropp, sinnen och direkt kontakt med världen. Språkmodeller har visserligen ingen fysisk kropp, men vi kopplar dem i allt högre grad till kameror, mikrofoner och robotar. Det dyker upp system som simultant analyserar text, bilder, ljud och video.

Forskarna påpekar att intelligens inte behöver vara ”förkroppsligad” i traditionell mening för att komma till uttryck i effektivt resonemang. En människa som är blind från födseln utvecklar ändå rika föreställningar om rum och handling – bara via andra kognitiva kanaler. En AI-modell som tränas på enorma datamängder om världen uppnår likaså en form av indirekt ”erfarenhetsbaserad” kunskap.

Parallellt med detta utvecklas robotteknologin snabbt. Begreppet ”Physical AI” – maskiner som kombinerar språkmodeller med fysiska kroppar – är inte längre ett filmscenario. Det är ytterligare ett steg som kan föra maskinernas intelligens närmare den vi intuitivt förstår i vardagen.

Minne, autonomi och inlärningstid – är det verkligen nödvändiga villkor?

Många kritiker upprepar att man utan bestående autobiografiskt minne eller full handlingsautonomi inte kan tala om AGI. Forskarna bakom det vetenskapliga inlägget är oense om denna synpunkt.

För det första är det inte alla människor som har ett sammanhängande, detaljerat minne om sitt eget liv – och det fråntar dem inte intelligens. För det andra fungerar AI ofta som ett verktyg inom ramar som fastställts av programmerare och användare. Förväntningen om full autonomi som villkor för intelligens är enligt forskarna godtycklig.

En annan invändning handlar om inlärningskostnader: AI kräver gigantiska datamängder, medan människor lär sig mycket utifrån få exempel. Det är sant – men forskarna föreslår att fokusera på slutresultatet framför processen. Om ett system efter intensiv ”träning” kan agera brett och effektivt, bör skillnaden i inlärningsvägen inte diskvalificera det som intelligent.

AI-hallucinationer kontra mänskliga fel

Det mest känsliga ämnet är hallucinationer – situationer där modellen med full övertygelse producerar falsk information: icke-existerande källor, uppfunna fakta, fiktiva citat. Forskarna erkänner att detta problem existerar, men hävdar att omfattningen minskar med varje ny modellgeneration.

Data är dock inte entydiga. Vissa oberoende undersökningar tyder på att andelen hallucinationer förblir hög i vissa uppgiftstyper – och ibland till och med ökar när vi ber om allt mer komplexa analyser. Även OpenAI uppskattar att ungefär ett av tio svar från nästa generations modeller fortfarande kommer att innehålla ett allvarligt faktafel.

Skillnaden mellan AI och människor handlar inte om att den ena tar fel och den andra inte gör det – utan om karaktären av dessa fel och sättet de kontrolleras på.

Människor är heller inte immuna: vi är offer för minnesförvrängningar, vidarebefordrar obekräftade uppgifter och faller i psykologiska fällor. När AI tar fel är felet mer synligt, mätbart och ofta bättre undersökt. I praktiken betyder det att AI-system kräver kontrolllager, verifiering och ansvarsfull implementering – särskilt inom hälsa, juridik och ekonomi.

Ser vi inte den nya intelligensen på grund av vår egen antropocentrism?

Kärntanken i texten är ganska obehaglig: kanske vill vi inte erkänna att en ny form av intelligens har uppstått, eftersom vi är alldeles för förälskade i vår egen spegelbild. Det faller oss helt enkelt inte in att något utan ett mänskligt ansikte, en kropp eller känslor i den form vi känner dem, kunde vara ”lika intelligent” som vi.

Denna antropocentrism har praktiska konsekvenser. Om vi ihärdigt fasthåller att AGI ”ännu inte är här”, är det lättare att bagatellisera de verkliga effekterna av nuvarande system: påverkan på arbetsmarknaden, utbildning, informationssäkerhet och politik. Det är också lättare att hysa föreställningar om superintelligens som något närmast mytiskt, som en gång ”plötsligt kommer att dyka upp” – i stället för att märka den gradvisa förskjutningen av gränser här och nu.

Det är inte tillfälligt att vissa teknikledare – som Mark Zuckerberg – i allt högre grad använder begreppet ”superintelligens”. Det skapar en känsla av att de verkliga utmaningarna ännu inte har anlänt, och att det vi har idag fortfarande bara är ”avancerade verktyg”. Ändå är dessa verktyg redan kapabla att organisera kunskap i en skala som en enskild människa bara kan drömma om.

Vad betyder det i praktiken för vanliga användare?

Accepterar vi att AGI i praktisk mening redan existerar, förändras flera saker på en gång. Vi slutar att betrakta AI som en kuriositet och börjar se den som en samarbetspartner – en som verkligen kan avlasta oss, men också stärka oss, till exempel:

• I kontorsarbete – genom att automatisera rapporter, presentationer och dataanalyser,
• I utbildning – genom att personalisera inlärningstempo och förklara svåra begrepp i ett enklare språk,
• I medicin – genom att hjälpa till med analys av bilder och dokumentation samt peka på möjliga scenarion,
• I kreativitet – genom att generera skisser, idéer och innehållsvarianter, som människor sedan förfinar.

För det andra växer betydelsen av ämnen som reglering, ansvarighet för fel, modelltransparens och sysselsättningseffekter. Det blir svårare att säga ”det är bara en algoritm som ger förslag”, när den algoritmen verkligen matchar eller överträffar experter på många uppgifter.

Slutligen är det värt att tillägna sig några praktiska vanor: alltid kontrollera centrala fakta, behandla AI:s svar som en hypotes snarare än en uppenbarad sanning, och medvetet kalibrera förtroendet – annorlunda i kreativa uppgifter än i juridiska eller hälsorelaterade sammanhang.

En ny definition av intelligens – utmaningen under kommande år

Den debatt som texten har satt igång kommer inte att sluta snabbt. Den berör något mycket grundläggande: vad vi överhuvudtaget förstår med intelligens. Är det en uppsättning förmågor som kan mätas med tester? Eller snarare förmågan att anpassa sig, lösa nya problem och lära av misstag – oavsett ”mediet”, vare sig det är hjärna, kisel eller något helt tredje?

I takt med AI:s utveckling kan det visa sig att vi behöver flera parallella definitioner: en för forskningsbruk, en för juridisk reglering och en för vardagens samtal. Precis som vi har olika hälsobegrepp – biologiska, psykologiska, sociala – kan maskinernas intelligens undkomma en enda beskrivning.

För den vanliga användaren blir något annat avgörande: att lära sig samexistera med dessa system, utnyttja deras styrkor och skydda sig mot deras svagheter. Inte genom att vänta på den dag någon officiellt proklamerar ”AGI:s ankomst” – för den dagen har kanske redan passerat. Det var bara ingen som klippte bandet vid.