Det store spørgsmål: Er generel kunstig intelligens allerede her?
Mens tech-giganter advarer om en fjern fremtid fyldt med superintelligente maskiner, argumenterer en gruppe forskere for noget langt mere opsigtsvækkende. Systemer som ChatGPT har måske allerede nået niveauet for generel kunstig intelligens — ikke om ti år, ikke i 2030, men lige nu.
Det virkelige spørgsmål er ifølge dem ikke, om AI er smart nok. Problemet er, at vores egen forståelse af intelligens halter bagefter.
Hvad forskerne nu tør kalde "generel intelligens"
I et nyligt publiceret stykke i det anerkendte videnskabelige tidsskrift Nature argumenterer forfatterne — herunder en filosof fra University of California — for, at vores definition af generel kunstig intelligens er både alt for streng og alt for uklar på samme tid.
Forestillingen om generel AI lyder ofte som en magisk alvidende maskine: et system, der kan løse ethvert problem, er ekspert i alt og aldrig begår fejl. Men ifølge forskerne passer den beskrivelse ikke engang på mennesker.
Ingen mennesker er specialister på alle områder. En person kan være fremragende i matematik og alligevel fuldstændig fortabt i administrative opgaver. Alligevel betvivler ingen, at vedkommende er "intelligent".
Kernen i deres argument: Anvender vi den samme målestok på maskiner som på mennesker, opnår de bedste AI-modeller allerede regelmæssigt niveau med menneskelige eksperter.
Forskerne foreslår derfor en bredere definition: et system, der på tværs af mange forskellige opgaver kan operere på menneske- eller ekspertniveau. Ikke fejlfrit, ikke almægtigt — men funktionelt sammenligneligt med et veluddannet menneske.
Forskellen på generel AI og superintelligens
Forskerne trækker en skarp grænse mellem to begreber, der ofte forveksles i den offentlige debat:
- Generel AI (AGI): Systemer, der kan udføre opgaver på menneske- eller ekspertniveau inden for mange forskellige domæner.
- Superintelligens: Systemer, der langt overgår selv de dygtigste mennesker på næsten alle tænkelige områder.
Store sprogmodeller som GPT-4 befinder sig klart i den første kategori — men endnu ikke i den anden. Alligevel taler virksomheder som Meta og OpenAI gerne om "superintelligens." Forfatterne mistænker, at det delvist sker for at flytte målstregen konstant højere, så ingen behøver at indrømme, at generel AI allerede er en realitet.
ChatGPT og Turing-testens dilemma
Et af de mest slående argumenter i artiklen er genoplivningen af et klassisk begreb: Turing-testen. Alan Turing foreslog tilbage i 1950, at en maskine kan betragtes som "intelligent", hvis et menneske via tekst ikke længere kan skelne mellem at tale med en person eller en computer.
Ifølge nylige eksperimenter klarer moderne chatbots sig overraskende godt i netop den type test. I nogle forsøg vurderes svar fra ChatGPT hyppigere som "menneskelige" end svar fra rigtige mennesker. For bare få år siden ville et sådant resultat af mange være blevet betragtet som bevis på generel AI — uden videre diskussion.
Nu hvor testen faktisk bestås, synes debatten pludselig at skifte retning. Spørgsmålet bliver: var Turing-testen overhovedet et godt måleredskab? Forskerne kalder det en form for målforskyldning — når AI opfylder en gammel standard, flyttes diskussionen til en ny og ofte mere uklart formuleret norm.
Er sprogmodeller bare "papegøjer"?
En udbredt kritik af AI-chatbots er, at de ikke rigtig forstår, hvad de taler om. De skulle angiveligt blot statistisk "gætte" sig frem til det mest sandsynlige næste ord ud fra milliarder af eksempelsætninger. Det velkendte udtryk "stokastisk papegøje" bruges flittigt i den forbindelse.
Forskerne tager den kritik direkte op og peger på flere centrale forhold:
- Nye matematikopgaver: Avancerede AI-modeller kan løse matematiske problemer, de aldrig tidligere har set — hvilket går langt ud over simpel mønstergenkendelse.
- Tværfaglig ræsonnering: Systemerne kan kombinere viden fra vidt forskellige fagområder på måder, der ikke lader sig reducere til ren statistisk kopiering.
- Konsistent præstation: På tværs af mange discipliner og opgavetyper leverer de bedste modeller resultater, der matcher eller overgår menneskelige eksperters præstationer.
Pointen er ikke, at AI er identisk med menneskelig tænkning. Pointen er, at den funktionelle forskel måske er langt mindre, end mange hidtil har antaget — og at vores begreber ikke har fulgt med udviklingen.
Hvorfor det betyder noget, hvad vi kalder det
Det handler ikke kun om akademiske definitioner. Hvad vi vælger at kalde generel AI har reelle konsekvenser for regulering, sikkerhed og den måde, samfundet forbereder sig på teknologiens udvikling.
Hvis vi konstant rykker grænsen, risikerer vi at vågne op en dag og opdage, at vi aldrig tog stilling til det afgørende spørgsmål — fordi vi hele tiden ventede på næste milepæl. Det er præcis den advarsel, disse forskere ønsker at sende.
