Er generel kunstig intelligens allerede her, uden at vi har opdaget det?

En provokerende påstand: AGI eksisterer allerede – vi definerer den bare forkert

Forestil dig, at den grænse, vi har ventet så længe på, allerede er overskredet – stille og roligt, uden fanfare eller dramatiske overskrifter. Det er præcis, hvad en voksende gruppe forskere nu hævder.

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

Den nye tese: AGI er her, men vi definerer den forkert

I en meget omtalt publikation i et anerkendt videnskabeligt tidsskrift fremsætter et forskerhold fra University of California en dristig påstand: generel kunstig intelligens – også kaldet AGI (Artificial General Intelligence) – er allerede opnået. Ifølge dem opfylder moderne modeller, som avancerede chatbots baseret på store sprogmodeller (LLM), de praktiske kriterier for intelligens på menneskelig niveau.

AGI forstås normalt som en AI, der kan håndtere meget forskellige opgaver på tværs af mange fagområder – mindst på niveau med en gennemsnitlig person, og i visse sammenhænge på ekspertniveau. Ifølge forskerne sker præcis dette allerede: disse systemer skriver kode, opsummerer videnskabelig forskning, udarbejder forretningsstrategier, løser fysikopgaver og assisterer ved medicinsk diagnostik.

Det nye argument er provokerende enkelt: problemet er ikke, at AI ikke er "vokset op" til vores forventninger – problemet er, at vores kriterier for intelligens blev bygget eksklusivt til mennesker.

Turing-testen: En grænse der for længst er overskredet

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

Nutidens chatbots består regelmæssigt forskellige varianter af denne test. I en række undersøgelser vurderede brugerne faktisk oftere, at sprogmodellen var et menneske, end at den rigtige menneskelige samtalepartner var det. Hvis vi holdt fast i det gamle kriterium, ville sagen være simpel – maskinernes generelle intelligens er allerede her.

Forskerne bag artiklen i Nature peger på et slående paradoks: Turing-testen skulle engang alene være tilstrækkelig som bevis på intelligens. Men da AI begyndte at bestå den, erklærede vi hurtigt, at det ikke var nok – og vi tilføjede løbende nye krav, ofte uden klare faglige begrundelser.

AGI versus superintelligens – to vidt forskellige mål

I den offentlige debat sammenblandes to begreber konstant: generel kunstig intelligens og superintelligens. Det er en fejl, der i høj grad præger vores forventninger og vurderinger.

Ifølge forskerne bør AGI sammenlignes med det reelle spektrum af menneskelige evner – ikke med en ideel, perfekt udgave af et menneske. Intet menneske er ekspert i alt. Vi har alle vores huller, fordomme og logiske fejltagelser. En AI, der kan løse et bredt udvalg af opgaver på specialistniveau inden for mange fagområder, opfylder deres kriterier for generel intelligens – selv hvis den ikke er ufejlbarlig.

Superintelligens er en helt anden kategori – og stadig noget, der hører fremtiden til. Man behøver ikke superintelligens for at tale om AGI. Når de to begreber blandes sammen, skubber vi konstant definitionen på generel intelligens ud i det uendelige, fordi vi forventer nærmest guddommelige evner.

Den "statistiske papegøje" – ti udbredte indvendinger under lup

I debatten om sprogmodeller dukker betegnelsen "statistisk papegøje" regelmæssigt op. Den antyder, at modellen blot gentager mønstre fra træningsdata uden egentlig forståelse. Holdet fra University of California gennemgik ti af de hyppigste 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 på tværs af fagområder: De kan anvende koncepter fra eksempelvis programmering, når de planlægger et videnskabeligt eksperiment.
• Forståelse af konsekvenser: De beskriver følgerne af handlinger i fysiske omgivelser og forklarer, hvad der sker under forskellige scenarier.

For forskerne er dette bevis på, at vi ikke har at gøre med avanceret kopiering, men med systemer der opbygger indre repræsentationer af sammenhænge – selv hvis deres "tænkning" ser anderledes ud end den menneskelige.

Hvis et menneske med samme 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 ganske rigtigt ingen fysisk krop – men vi kobler dem i stigende grad til kameraer, mikrofoner og robotter. Der dukker systemer op, 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 blindt fra fødslen, udvikler stadig rige begreber om rum og bevægelse – blot via andre kognitive kanaler. En AI-model, der trænes på enorme datamængder om verden, opnår også en form for indirekte "erfaringsbaseret" viden.

Parallelt hermed udvikles robotteknologien hurtigt. Begrebet "Physical AI" – maskiner der kombinerer sprogmodeller med fysiske kroppe – er ikke længere science fiction. Det er endnu et skridt, der kan bringe maskinernes intelligens tættere på den, vi intuitivt genkender i hverdagen.

Hukommelse, autonomi og læringstid – er det virkelig nødvendige betingelser?

Mange kritikere insisterer på, at man uden varig autobiografisk hukommelse eller fuld handleautonomi ikke kan tale om AGI. Forskernes videnskabelige artikel er uenig i dette standpunkt.

For det første har ikke ethvert menneske en sammenhængende, detaljeret hukommelse om sit eget liv – og det fratager dem ikke intelligens. For det andet opererer AI ofte som et redskab inden for rammer fastsat af programmører og brugere. At kræve fuld autonomi som betingelse for intelligens er ifølge forskerne en vilkårlig afgrænsning.

En anden indvending handler om læringsomkostninger: AI kræver gigantiske datamængder, mens mennesker lærer mange ting fra blot få eksempler. Det er korrekt – men forskerne foreslår, at vi fokuserer 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 ømtålelige emne er hallucinationer – situationer, hvor modellen med fuld overbevisning producerer falske oplysninger: ikke-eksisterende kilder, opfundne fakta, fiktive citater. Forskerne bag artiklen erkender, at problemet er reelt, men hævder, at dets omfang mindskes med hver ny modelgeneration.

Datagrundlaget er dog ikke entydigt. Nogle uafhængige studier tyder på, at hallucinationsraten i visse opgaver forbliver høj – og undertiden ligefrem stiger, når vi beder om stadig mere komplekse analyser. Selv OpenAI anslår, at cirka én ud af ti svar i næste generations modeller stadig vil indeholde en alvorlig faktafejl.

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 hukommelsesilllusioner, videreformidler ubekræftede oplysninger og falder i psykologiske fælder. Når AI fejler, er fejlen mere synlig, målbar og bedre dokumenteret. I praksis betyder det, at AI-systemer kræver kontrollag, verifikation og ansvarlig implementering – særligt inden for sundhed, jura og økonomi.

Ser vi ikke den nye intelligens på grund af vores egen antropocentrisme?

Kernetanken i Nature-artiklen er ubehagelig: måske ønsker vi ikke at anerkende, at en ny form for intelligens er opstået, fordi vi elsker vores eget selvbillede for meget. Vi bryder os simpelthen ikke om tanken om, at noget uden et menneskeligt ansigt, en krop eller følelser i den form, vi kender, kunne være "lige så intelligent" som os.

Denne antropocentrisme har praktiske konsekvenser. Hvis vi vedholdende fastholder, at AGI "endnu ikke er her", er det lettere at bagatellisere de reelle virkninger af nutidens systemer: indflydelsen på arbejdsmarkedet, uddannelse, informationssikkerhed og politik. Det er også lettere at opretholde forestillingen om superintelligens som noget nærmest mytisk, der en dag vil "dukke op pludseligt" – i stedet for at bemærke den langsomme forskydning af grænser, der sker her og nu.

Det er ingen tilfældighed, at teknologiledere som Mark Zuckerberg i stigende grad bruger begrebet "superintelligens". Det giver en fornemmelse af, at de virkelige udfordringer endnu ikke er ankommet, og at det, vi har i dag, stadig "bare er avancerede værktøjer". Men disse værktøjer kan allerede organisere viden i en skala, 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. Vi holder op med at betragte AI som en kuriositet og begynder at se den som en samarbejdspartner – én der reelt kan aflaste os, men også styrke os, for eksempel:

• I kontorarbejde – ved at automatisere rapporter, præsentationer og dataanalyser.
• I uddannelse – ved at personalisere læringstempo og forklare vanskelige begreber i et enklere sprog.
• I medicin – ved at hjælpe med analyse af billeder og dokumentation samt pege på mulige scenarier.
• I kreativt arbejde – ved at generere skitser, idéer og indholdsvarianater, som mennesker derefter forfiner.

For det andet vokser betydningen af emner som regulering, ansvarlighed 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 en lang række opgaver.

Endelig er det klogt at tilegne sig nogle praktiske vaner: altid efterprøve centrale fakta, behandle AI's svar som en hypotese snarere end en åbenbaret sandhed, og bevidst justere sit tillidsniveau – forskelligt i kreative opgaver, i juridiske spørgsmål og i sundhedsrelaterede sammenhænge.

En ny definition af intelligens – tiårets udfordring

Den diskussion, som Nature-artiklen har sat i gang, slutter ikke hurtigt. Den rammer 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 "mediet", hvad enten det er hjerne, silicium eller noget helt tredje?

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 en tredje til hverdagssamtaler. Ligesom vi har forskellige sundhedsbegreber – biologiske, psykologiske og sociale – kan maskinernes intelligens undslippe én enkelt, simpel beskrivelse.

For den almindelige bruger bliver noget andet afgørende: at lære at sameksistere med disse systemer, udnytte deres styrker og beskytte sig mod deres svagheder. Uden at vente på den dag, hvor nogen officielt erklærer AGI's ankomst – for den dag er måske allerede passeret. Kun ingen klippede snoren.