Eksisterer generel kunstig intelligens allerede, og har vi bare ikke opdaget det?

En kontroversiel påstand ryster forskningsmiljøet

I årevis blev generel kunstig intelligens betragtet som noget fjernt og nærmest mytisk. Nu antyder en gruppe forskere, at det, vi har ventet på som "fremtiden", muligvis allerede er blevet nutid – vi beskriver det blot stadig med gamle definitioner og snævre forventninger.

Stadig flere videnskabsfolk hævder, at den grænse, vi har ventet på, måske allerede er blevet overskredet i det stille – uden festfyrværkeri.

Den nye tese: AGI eksisterer allerede, vi definerer den bare forkert

I en meget omtalt publikation i et anerkendt videnskabeligt tidsskrift fremsætter et forskerhold fra University of California en dristig påstand: generel kunstig intelligens (AGI, på engelsk Artificial General Intelligence) er allerede opnået. Efter deres vurdering opfylder moderne modeller – såsom avancerede chatbots baseret på store sprogmodeller (LLM) – de praktiske kriterier for intelligens på menneskeniveau.

AGI forstås normalt som en AI, der kan håndtere meget forskellige opgaver på tværs af mange områder – mindst på niveau med en gennemsnitsperson, og i visse situationer som en ekspert. Ifølge forfatterne er det præcis, hvad der allerede sker: disse systemer skriver kode, opsummerer videnskabelig forskning, udformer forretningsstrategier, løser fysikopgaver og hjælper med medicinsk diagnostik.

Det nye forslag lyder provokerende: problemet er ikke, at AI ikke er "vokset op" til vores forventninger – men at vores kriterier for intelligens udelukkende er bygget omkring mennesket.

Turing-testen: en grænse der for længst er overskredet

I årtier var Turing-testen den klassiske målestok i diskussioner om maskiners intelligens. Alan Turing foreslog den i 1950: hvis et menneske ikke kan afgøre i en tekstbaseret samtale, om det kommunikerer med et menneske eller en maskine, kan man tale om intelligens på menneskeniveau.

Nutidens chatbots klarer regelmæssigt forskellige varianter af denne test. I visse undersøgelser identificerer brugere en sprogmodel som et menneske hyppigere end en rigtig samtalepartner. Holdt vi fast i det gamle kriterium, ville sagen være enkel – maskinernes generelle intelligens eksisterer allerede. Men i mellemtiden har vi hele tiden rykket overliggeren højere op.

Forfatterne påpeger et paradoks: engang skulle selve Turing-testen være tilstrækkelig dokumentation for intelligens. I dag, hvor AI begyndte at bestå den, erklærede vi hurtigt, at det ikke var nok – og tilføjede nye krav, ofte uden klare begrundelser.

AGI versus superintelligens – vi forveksler to 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.

Ifølge forfatterne bør AGI ikke sammenlignes med et "ideelt menneske", men med det reelle spektrum af menneskelige færdigheder. Intet menneske er ekspert i alt. Vi har alle vores blinde vinkler, fordomme og logiske fejltagelser. En AI, der kan udføre en bred vifte af opgaver på ekspertniveau inden for mange felter, opfylder efter deres mening kriterierne for generel intelligens – selv hvis den ikke er ufejlbarlig.

Superintelligens tilhører en helt anden liga og er stadig fremtidens projekt. Man behøver ikke superintelligens for at tale om AGI. Sammenblanding af de to begreber skubber generel intelligens ud i det uendelige, fordi vi venter på nærmest guddommelige evner.

"Statistisk papegøje"? Ti populære indvendinger under lup

I debatten om LLM dukker betegnelsen "statistisk papegøje" jævnligt op – den antyder, at modellen blot gentager mønstre fra træningsdata uden egentlig forståelse. Holdet fra University of California har analyseret ti af de mest almindelige argumenter imod at anerkende AGI og forsøger at afmontere dem.

• Løsning af nye opgaver: modellerne klarer problemer inden for matematik og fysik, der ikke optrådte direkte i træningsdataene.
• Overførsel af viden: de kan flytte indsigt på tværs af fagområder – for eksempel anvende et programmeringskoncept i planlægningen af et eksperiment.
• Forståelse af konsekvenser: de beskriver virkningerne af handlinger i fysiske omgivelser og forklarer, hvad der sker under forskellige scenarier.

For forfatterne er dette bevis på, at vi ikke har at gøre med simpel "kopiér-indsæt på steroider", 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 gælder 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 krop – men vi tilslutter 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 ræsonnement. Et menneske, der er blindfødt, udvikler stadig righoldige begreber om rum og handling – blot via andre erkendelseskanaler. En AI-model, der lærer på enorme datamængder om verden, opnår ligeledes en form for indirekte "erfaringsbaseret viden".

Parallelt udvikler robotteknologien sig hurtigt. Begrebet "Physical AI" – maskiner der kombinerer sprogmodeller med fysiske kroppe – er ikke længere forbeholdt filmscener. Det er endnu et skridt, der kan bringe maskinernes intelligens tættere på den, vi intuitivt forstår til daglig.

Hukommelse, autonomi, læretid – er det virkelig nødvendige betingelser?

Mange kritikere gentager, at man uden varig autobiografisk hukommelse eller fuld handlingsautonomi ikke kan tale om AGI. Forfatterne af det videnskabelige indlæg er uenige i dette standpunkt.

For det første har ikke ethvert menneske en sammenhængende og detaljeret erindring om sit eget liv – og det fratager dem ikke intelligens. For det andet fungerer AI ofte som et redskab inden for rammer fastsat af programmører og brugere. At kræve fuld autonomi som betingelse for intelligens er efter forskernes mening vilkårligt.

En anden indvending handler om læringens omkostninger: AI kræver gigantiske datamængder, mens mennesker lærer meget fra ganske få eksempler. Det er sandt, men forfatterne opfordrer til at fokusere på slutresultatet frem for processen. Hvis et system efter intensiv "træning" kan operere bredt og effektivt, bør forskellen i læringsvejen ikke diskvalificere det som intelligent.

AI-hallucinationer versus menneskelige fejl

Det mest følsomme emne er hallucinationer – situationer hvor modellen med fuld overbevisning frembringer falske oplysninger: ikke-eksisterende kilder, opdigtede fakta og fiktive citater. Artiklens forfattere erkender, at problemet eksisterer, men hævder, at omfanget mindskes med hver ny modelgeneration.

Dataene er dog ikke entydige. Visse uafhængige undersøgelser tyder på, at andelen af hallucinationer forbliver høj i bestemte opgaver – og nogle gange endda stiger, når vi beder om stadig mere komplekse analyser. Selv OpenAI vurderer, at around én ud af ti svar i næste generations modeller stadig vil indeholde en alvorlig faktuel fejl.

Forskellen mellem AI og mennesker handler ikke om, hvem der tager fejl, og hvem der ikke gør – men om fejlenes karakter og måden at kontrollere dem på.

Vigtigt at bemærke er, at mennesker også lider under hukommelsesforvrængninger, gentager ukontrollerede oplysninger og falder i psykologiske fælder. Når AI fejler, er fejlen mere synlig, målbar og ofte bedre undersøgt. I praksis betyder det, at AI-systemer kræver kontrollag, verifikation og ansvarlig implementering – særligt når det drejer sig om sundhed, jura eller økonomi.

Overser vi en ny intelligens på grund af vores egen antropocentrisme?

Kernetanken i teksten er ganske ubehagelig: måske ønsker vi ikke at indrømme, at der er opstået en ny form for intelligens, fordi vi elsker vores eget spejlbillede for højt. Tanken om, at noget uden menneskeansigt, krop eller følelser i den form, vi kender, kunne være "lige så intelligent" som os, passer os simpelthen ikke.

Denne antropocentrisme har praktiske konsekvenser. Hvis vi vedholdende fastholder, at AGI "endnu ligger foran os", er det lettere at bagatellisere de reelle virkninger af nuværende systemer: indflydelse på arbejdsmarkedet, uddannelse, informationssikkerhed og politik. Det er også lettere at fodre forestillingerne om superintelligens som noget nærmest mytisk, der engang "pludselig dukker op" – i stedet for at bemærke den gradvise grænseforskydning her og nu.

Det er ikke tilfældigt, at visse teknologiledere – som Mark Zuckerberg – med stadig større begejstring bruger termen "superintelligens". Det giver en fornemmelse af, at de virkelige udfordringer endnu ikke er ankommet, og at det, vi har i dag, stadig blot er "avancerede værktøjer". Alligevel kan disse værktøjer allerede organisere viden i en skala, som et enkelt menneske kun kan drømme om.

Hvad betyder det i praksis for almindelige brugere?

Accepterer vi, at AGI i praktisk forstand allerede eksisterer, ændres adskillige ting på én gang. Vi holder op med at betragte AI som en kuriositet og begynder at se den som en samarbejdspartner. En 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 analyse af billeder og dokumentation samt pege på mulige scenarier,
• i kreativitet – ved at generere skitser, idéer og indholdsvarianter, som mennesket derefter forfiner.

Dernæst vokser betydningen af emner som regulering, ansvar for fejl, modelgennemsigtighed og indvirkning på beskæftigelsen. Det er sværere at sige "det er bare en algoritme, der foreslår noget", når den algoritme reelt matcher eller overgår eksperter i mange opgaver.

Endelig er det værd at tilegne sig nogle praktiske vaner: altid at tjekke centrale fakta, behandle AI's svar som en hypotese frem for en åbenbaret sandhed og bevidst sætte grænser for tillid – anderledes ved kreative opgaver, anderledes ved juridiske eller sundhedsmæssige spørgsmål.

En ny definition af intelligens – udfordringen i de kommende år

Den debat, som teksten har udløst, slutter ikke hurtigt. Den berører noget meget dybtliggende: hvordan vi overhovedet forstår intelligens. Er det et sæt evner der kan måles med tests? Eller snarere evnen til at tilpasse sig, løse nye problemer og lære af fejl – uanset "bæreren", 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 forskningsmæssige formål, en anden til juridisk regulering og endnu en til hverdagssamtaler. Ligesom vi har forskellige sundhedsbegreber – biologiske, psykologiske og sociale – kan maskinernes intelligens unddrage sig én enkel beskrivelse.

For den almindelige bruger bliver noget andet afgørende: at lære at leve med disse systemer, udnytte deres styrker og beskytte sig mod deres svagheder. Ikke ved at vente på den dag, nogen officielt annoncerer "AGI's ankomst" – for måske er den dag allerede passeret, og ingen nåede at klippe snoren.