En ny påstand: AGI eksisterer allerede – vi definerer den bare forkert
I årevis blev generel kunstig intelligens betragtet som noget fjernt, nærmest mytisk. Nu antyder en gruppe forskere, at det, vi kaldte "fremtiden", måske allerede er blevet nutid – vi bruger bare forældede definitioner og alt for snævre forventninger til at beskrive den.
I en meget omtalt publikation i et prestigefyldt videnskabeligt tidsskrift fremsætter et forskerhold fra University of California en dristig tese: generel kunstig intelligens (AGI) er allerede opnået. Ifølge dem opfylder moderne modeller – herunder avancerede chatbots baseret på store sprogmodeller (LLM'er) – de praktiske kriterier for intelligens på menneskeniveau.
AGI forstås normalt som en AI, der kan håndtere en bred vifte af opgaver på tværs af mange domæner – mindst på niveau med en gennemsnitlig person, og i visse situationer på ekspertniveau. Ifølge forskerne er det præcis det, der allerede sker: disse systemer skriver kode, opsummerer videnskabelig forskning, udvikler forretningsstrategier, løser fysikopgaver og assisterer i medicinsk diagnostik.
Det provokerende argument lyder: problemet er ikke, at AI ikke har "vokset sig stor nok" til vores forventninger – problemet er, at vores kriterier for intelligens er bygget eksklusivt til mennesker.
Turing-testen: en grænse der for længst er overskredet
I årtier var Turing-testen klassikeren i diskussioner om maskiners intelligens. Alan Turing foreslog den i 1950: hvis et menneske ikke kan skelne i en tekstbaseret samtale, om det kommunikerer med et menneske eller en maskine, kan man tale om intelligens på menneskeniveau.
Nutidens chatbots består regelmæssigt forskellige varianter af denne test. I flere undersøgelser vurderede brugere en sprogmodel som et menneske hyppigere end en reel samtalepartner. Holdt vi os til det gamle kriterium, ville sagen være enkel – maskiners generelle intelligens eksisterer allerede. Men i mellemtiden har vi hele tiden rykket overliggeren højere op.
Forskerne påpeger et paradoks: engang skulle selve Turing-testen være tilstrækkelig som bevis for intelligens. I dag, når AI begynder at bestå den, erklærer vi hurtigt, at det ikke er nok – og tilføjer nye krav, ofte uden klare begrundelser.
AGI versus superintelligens – vi forveksler to vidt forskellige mål
I den offentlige debat smides to begreber ofte i samme kurv: generel kunstig intelligens og superintelligens. Det er en fejl, der i høj grad påvirker vores forventninger.
| Type AI | Beskrivelse |
|---|---|
| Generel kunstig intelligens (AGI) | Et niveau tæt på mennesker på tværs af mange domæner, med bred opgaveløsning – men ikke perfekt og ikke alvidende. |
| Superintelligens | Et system der klart overgår de dygtigste mennesker på alle centrale områder – fra videnskab til kreativitet og strategi. |
Ifølge forskerne bør vi sammenligne AGI ikke med et "ideelt menneske", men med det reelle spektrum af menneskelige evner. Intet menneske er ekspert i alt. Vi har alle vores blinde vinkler, fordomme og logiske fejl. En AI, der kan udføre en bred vifte af opgaver på specialistniveau inden for mange felter, opfylder deres kriterier for generel intelligens – selv hvis den ikke er fejlfri.
Superintelligens er en helt anden kategori – og stadig fremtidsmusik. Man behøver ikke superintelligens for at tale om AGI. Når vi blander de to begreber, skubber vi generel intelligens i det uendelige og forventer nærmest guddommelige evner.
"Statistisk papegøje"? Ti populære indvendinger under luppen
I debatten om LLM'er dukker betegnelsen "statistisk papegøje" jævnligt op – den antyder, at modellen blot gentager mønstre fra træningsdataene uden nogen reel forståelse. Holdet fra University of California analyserede ti af de mest udbredte argumenter imod at anerkende AGI og forsøger at afmontere dem.
- Løsning af nye opgaver: modellerne håndterer matematik- og fysikproblemer, der ikke optrådte direkte i træningsdataene.
- Overførsel af viden: de kan flytte indsigt mellem domæner – for eksempel anvende et koncept fra programmering i planlægningen af et eksperiment.
- Forståelse af konsekvenser: de beskriver resultater af handlinger i fysiske omgivelser og forklarer, hvad der sker i forskellige scenarier.
For forskerne er dette bevis for, at vi ikke har at gøre med avanceret "kopiér-indsæt", men med systemer der opbygger indre repræsentationer af sammenhænge – selv om deres "tænkning" ser anderledes ud end den menneskelige.
Hvis et menneske med et tilsvarende præstationsniveau i tests og opgaver ville blive kaldt "intelligent" – hvorfor skærper vi så pludselig kriterierne, når det handler om AI?
AI uden krop – men med adgang til virkeligheden
En hyppig indvending lyder: ægte intelligens kræver en krop, sanser og direkte kontakt med verden. Sprogmodeller har faktisk ingen fysisk krop, men vi kobler dem i stigende grad til kameraer, mikrofoner og robotter. Der opstår systemer, der simultant analyserer tekst, billeder, lyd og video.
Forskerne påpeger, at intelligens ikke behøver at være "legemliggjort" i traditionel forstand for at komme til udtryk i effektiv ræsonnering. Et menneske, der er blindfødt, udvikler stadig rige begreber om rum og handling – blot via andre kognitive kanaler. En AI-model, der trænes på enorme datamængder om verden, opnår også en form for indirekte "erfaringsbaseret viden".
Sideløbende udvikler robotteknologien sig hurtigt. Begrebet "Physical AI" – maskiner der kombinerer sprogmodeller med fysiske kroppe – er ikke længere science fiction. Det er endnu et skridt, der kan bringe maskiners intelligens tættere på den, vi intuitivt forstår i hverdagen.
Hukommelse, autonomi, læringstid – er det virkelig nødvendige betingelser?
Mange kritikere hævder, at uden varig autobiografisk hukommelse eller fuld handleautonomi kan man ikke tale om AGI. Forfatterne til det videnskabelige indlæg er uenige.
For det første har ikke alle mennesker en sammenhængende, detaljeret erindring om eget liv – og det fratager dem ikke intelligens. For det andet fungerer AI ofte som et værktøj inden for rammer fastsat af programmører og brugere. At kræve fuld autonomi som betingelse for intelligens er ifølge forskerne vilkårligt.
En anden indvending handler om læringsomkostninger: AI kræver gigantiske datamængder, mens et menneske lærer mange ting fra blot få eksempler. Det er sandt – men forskerne foreslår at se på slutresultatet frem for processen. Hvis et system efter intensiv "træning" kan agere bredt og effektivt, bør forskellen i læringsvejen ikke diskvalificere det som intelligent.
AI-hallucinationer og menneskelige fejl
Det mest følsomme emne er hallucinationer – situationer hvor modellen med fuld overbevisning producerer falske oplysninger: ikke-eksisterende kilder, opfundne fakta, konstruerede citater. Forskerne erkender, at problemet eksisterer, men hævder, at dets omfang mindskes med hver ny modelgeneration.
Dataene er dog ikke entydige. Visse uafhængige undersøgelser tyder på, at hallucinationsraten forbliver høj i bestemte opgavetyper – og nogle gange ligefrem stiger, når man beder om stadig mere komplekse analyser. Selv OpenAI vurderer, at i næste generations modeller vil cirka én ud af ti svar stadig indeholde en alvorlig faktuelt fejl.
Forskellen mellem AI og mennesker handler ikke om, hvem der tager fejl og hvem der ikke gør – men om karakteren af disse fejl og måden de kontrolleres på.
Det er værd at bemærke, at mennesker også er underlagt hukommelsesillusioner, videreformidler ukontrollerede oplysninger og falder i psykologiske fælder. Når AI tager fejl, er fejlen mere synlig, målbar og ofte bedre dokumenteret. I praksis betyder det, at AI-systemer kræver kontrollag, verificering og ansvarlig implementering – særligt inden for sundhed, jura og økonomi.
Ser vi ikke den nye intelligens på grund af vores egen antropocentrisme?
Den centrale tanke i Nature-artiklen er ganske ubehagelig: måske ønsker vi ikke at indrømme, at en ny form for intelligens er opstået, fordi vi elsker vores eget selvbillede for højt. Vi bryder os simpelthen ikke om tanken om, at noget uden et menneskeligt ansigt, en krop eller følelser i en form vi kender, kunne være "lige så intelligent" som os.
Den antropocentrisme har praktiske konsekvenser. Hvis vi vedvarende fastholder, at AGI "stadig er foran os", bliver det lettere at bagatellisere de reelle effekter af nutidens systemer: indvirkningen på arbejdsmarkedet, uddannelse, informationssikkerhed og politik. Det bliver også lettere at nære forestillinger om superintelligens som noget nærmest mytisk, der en dag "pludselig dukker op" – frem for at bemærke den gradvise forskydning af grænser her og nu.
Det er ikke tilfældigt, at visse teknologiledere som Mark Zuckerberg i stigende grad bruger termen "superintelligens". Den skaber en fornemmelse af, at de virkelige udfordringer endnu ikke er ankommet, og at det vi har i dag stadig blot er "avancerede værktøjer". Men disse værktøjer kan allerede organisere viden i en skala, som et enkelt menneske kun kan drømme om.
Hvad betyder det i praksis for almindelige brugere?
Hvis vi accepterer, at AGI i praktisk forstand allerede eksisterer, ændrer flere ting sig på én gang. For det første holder vi op med at betragte AI som en kuriositet og begynder at se den som en samarbejdspartner – én der reelt kan aflaste os, men også forstærke os, for eksempel:
- I kontorarbejde – ved at automatisere rapporter, præsentationer og dataanalyser,
- I uddannelse – ved at personalisere læringstempo og forklare svære begreber i et enklere sprog,
- I medicin – ved at hjælpe med billedanalyse og journaldokumentation samt pege på mulige scenarier,
- I kreativitet – ved at generere skitser, idéer og indholdsvarianter, som mennesket derefter forfiner.
For det andet vokser betydningen af emner som regulering, ansvarlighed for fejl, modeltransparens og indvirkning på beskæftigelse. Det bliver sværere at sige "det er bare en algoritme, der foreslår noget", når denne algoritme reelt matcher eller overgår eksperter i mange opgaver.
Endelig er det klogt at tilegne sig nogle praktiske vaner: altid dobbelttjekke centrale fakta, behandle AI's svar som en hypotese snarere end en åbenbaret sandhed, og bevidst kalibrere sit tillidsniveau – forskelligt i kreative opgaver og forskelligt i juridiske eller helbredsrelaterede spørgsmål.
En ny definition af intelligens – en udfordring for de kommende år
Den diskussion, som Nature-artiklen har sat i gang, slutter ikke hurtigt. Den berører noget meget dybtliggende: hvordan vi overhovedet forstår intelligens. Er det et sæt evner der kan måles med tests? Eller er det snarere evnen til at tilpasse sig, løse nye problemer og lære af fejl – uanset "bæredygtighed", hvad enten det er en hjerne, silicium eller noget helt andet?
I takt med AI's udvikling kan det vise sig, at vi har brug for flere parallelle definitioner: én til forskningsbrug, en anden til juridisk regulering og endnu en til hverdagens samtaler. Ligesom vi har forskellige sundhedsbegreber – biologiske, psykologiske, sociale – kan maskiners intelligens undslippe én simpel beskrivelse.
For den almindelige bruger bliver noget andet afgørende: at lære at sameksistere med disse systemer, drage fordel af deres styrker og beskytte sig mod svaghederne. Uden at vente på den dag, nogen annoncerer AGI's "officielle ankomst" – for den dag er måske allerede passeret. Bare ingen klippede snoren.
