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

En ny påstand: AGI er her allerede – vi definerer den bare forkert

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

I en meget omtalt videnskabelig publikation fremsætter et forskerhold fra University of California en dristig påstand: generel kunstig intelligens (AGI) er allerede opnået. Ifølge dem lever moderne systemer som avancerede chatbots baseret på store sprogmodeller (LLM'er) op til de praktiske kriterier for intelligens på menneskeniveau.

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 situationer på ekspertniveau. Ifølge forskerne er det præcis, hvad der allerede sker: disse systemer skriver kode, opsummerer videnskabelig forskning, udvikler forretningsstrategier, løser fysikopgaver og bistår ved medicinsk diagnostik.

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

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 afgøre, om det i en tekstbaseret samtale kommunikerer med et menneske eller en maskine, kan man tale om intelligens på menneskeniveau.

Nutidens chatbots består regelmæssigt forskellige varianter af denne test. I nogle undersøgelser identificerer brugere en sprogmodel som menneskelig oftere end en reel samtalepartner. Holdt vi fast i det gamle kriterium, ville sagen være enkel – maskiners generelle intelligens eksisterer allerede. Men vi har i mellemtiden skruet forventningerne stadig højere op.

Forskerne påpeger et paradoks: engang var Turing-testen i sig selv tilstrækkelig som bevis på intelligens. Nu, hvor AI begynder at bestå den, erklærer vi hurtigt, at det ikke er nok – og tilføjer nye krav, ofte uden klare begrundelser.

AGI kontra superintelligens – vi blander to helt forskellige mål sammen

I den offentlige debat smides to begreber ofte i samme pose: generel kunstig intelligens og superintelligens. Det er en fejl, som i høj grad påvirker vores forventninger.

Ifølge forskerne bør AGI ikke sammenlignes med et "ideelt menneske", men med det reelle spektrum af menneskelige evner. Intet menneske er ekspert i alting. Vi har alle vores blinde pletter, fordomme og logiske fejl. En AI, der kan udføre et bredt udvalg af opgaver på specialistniveau inden for mange discipliner, opfylder deres kriterier for generel intelligens – selv om den ikke er fejlfri.

Superintelligens er en helt anden kategori – og stadig fremtidsmusik. Den er ikke nødvendig for at tale om AGI. Når vi blander de to begreber sammen, skubber vi konstant den generelle intelligens ud i det uendelige, fordi vi forventer nærmest guddommelige evner.

"Statistisk papegøje"? Ti populære indvendinger undersøges nærmere

I debatten om LLM'er dukker betegnelsen "statistisk papegøje" jævnligt op – den antyder, at modellen blot gentager mønstre fra træningsdata uden egentlig 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 bogstaveligt har optrådt 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 følgerne af handlinger i fysiske omgivelser og forklarer, hvad der sker under forskellige scenarier.

For forskerne er dette bevis på, at vi ikke blot har med et avanceret "kopiér-og-indsæt"-system at gøre, men med systemer der opbygger interne 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 ganske rigtigt ingen fysisk krop, men vi kobler dem i stigende grad til kameraer, mikrofoner og robotter. Der dukker systemer op, som 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 forestillinger om rum og handling – blot via andre kognitive kanaler. En AI-model, der trænes på enorme datamængder om verden, opnår ligeledes en form for indirekte "erfaringsbaseret" viden.

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

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

Mange kritikere gentager, at man uden vedvarende autobiografisk hukommelse eller fuld handlingsautonomi ikke kan tale om AGI. Forskerne bag det videnskabelige indlæg er uenige i dette synspunkt.

For det første er der ikke alle mennesker, der har en sammenhængende, detaljeret hukommelse om 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. Forventningen om fuld autonomi som betingelse for intelligens er ifølge forskerne vilkårlig.

En anden indvending handler om læreomkostninger: AI kræver gigantiske datamængder, mens mennesker lærer meget ud fra få eksempler. Det er rigtigt – men forskerne foreslår at fokusere 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 versus 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 erkender, at dette problem eksisterer, men hævder, at omfanget mindskes med hver ny modelgeneration.

Dataene er dog ikke entydige. Nogle uafhængige undersøgelser tyder på, at andelen af hallucinationer forbliver høj i visse opgavetyper – og sommetider ligefrem stiger, når vi beder om stadig mere komplekse analyser. Selv OpenAI anslår, at omtrent én ud af ti svar fra næste generations modeller stadig vil indeholde en alvorlig faktuel fejl.

Forskellen mellem AI og mennesker handler ikke om, at den ene tager fejl og den anden ikke gør – men om karakteren af disse fejl og måden, de kontrolleres på.

Mennesker er heller ikke immune: vi er ofre for hukommelsesforvrængninger, videregiver ubekræftede oplysninger og falder i psykologiske fælder. Når AI tager fejl, er fejlen mere synlig, målbar og ofte bedre undersøgt. 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 teksten er ganske ubehagelig: måske ønsker vi ikke at anerkende, at en ny form for intelligens er opstået, fordi vi er alt for forelskede i vores eget spejlbillede. Det falder os simpelthen ikke ind, at noget uden et menneskeligt ansigt, en krop eller følelser i den form, vi kender dem, 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 nuværende systemer: indvirkningen på arbejdsmarkedet, uddannelse, informationssikkerhed og politik. Det er også lettere at nære forestillinger om superintelligens som noget nærmest mytisk, der engang "pludselig vil dukke op" – i stedet for at bemærke den gradvise forskyding af grænser her og nu.

Det er ikke tilfældigt, at visse teknologiledere – som Mark Zuckerberg – i stigende grad bruger begrebet "superintelligens". Det skaber en fornemmelse af, at de virkelige udfordringer endnu ikke er ankommet, og at det, vi har i dag, stadig bare er "avancerede værktøjer". Alligevel er disse værktøjer allerede i stand til at 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 flere ting 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 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 mennesker efterfølgende forfiner.

For det andet vokser betydningen af emner som regulering, ansvarlighed for fejl, modelgennemsigtighed og beskæftigelseseffekter. Det bliver sværere at sige "det er bare en algoritme, der giver forslag", når den algoritme reelt matcher eller overgår eksperter på mange opgaver.

Endelig er det værd at tilegne sig nogle praktiske vaner: altid at tjekke centrale fakta, behandle AI's svar som en hypotese snarere end en åbenbaret sandhed, og bevidst kalibrere tilliden – anderledes i kreative opgaver end i juridiske eller helbredsrelaterede sammenhænge.

En ny definition af intelligens – udfordringen i de kommende år

Den debat, som teksten har sat i gang, vil ikke slutte hurtigt. Den berører noget meget grundlæggende: hvad vi overhovedet forstår ved 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 "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 forskningsbrug, én til juridisk regulering og én til hverdagens samtaler. Ligesom vi har forskellige sundhedsbegreber – biologiske, psykologiske, sociale – kan maskinernes intelligens undslippe én enkel 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. Ikke ved at vente på den dag, nogen officielt proklamerer "AGI's ankomst" – for den dag er måske allerede passeret. Det var der bare ingen, der klippede snoren ved.