Dette handler ikke om en fjern fremtidsvision fra en science fiction-film, men om en konkret og ophedet debat blandt forskere. Spørgsmålet er, om nutidens AI-modeller, herunder de populære chatbots, allerede opfylder de krav, vi selv har stillet til en intelligens, der kan måle sig med menneskets. En ny videnskabelig artikel vender op og ned på, hvordan vi måler “ægte” maskinintelligens.
En ny, dristig påstand: Generel AI er allerede en realitet
En gruppe forskere har fremsat en kontroversiel teori: generel kunstig intelligens (AGI) er ikke et fjernt mål i horisonten, men en realitet her og nu. Ifølge deres analyse har de nuværende systemer, som er baseret på store sprogmodeller (LLM’er), nået et funktionsniveau, der i praksis opfylder definitionen på generel intelligens.
Indtil for nylig har de fleste teknologigiganter talt om AGI som den hellige gral. Nogle mente, der var et årti til, mens andre talte om blot et år eller to. Samtidig har visse eksperter argumenteret for, at den nuværende arkitektur er en blindgyde, og at et ægte gennembrud kræver mere komplekse “verdensmodeller”, der bedre afspejler den fysiske og sociale virkelighed.
Denne nye forskning stiller dog spørgsmålet fra en helt anden vinkel: Hvad nu hvis vi alle kigger i den forkerte retning og slet ikke har opdaget, at vi allerede har krydset den tærskel, vi så spændt har ventet på?
Forfatterne bag analysen argumenterer for, at vi i stedet for at spørge “hvornår opnår vi generel kunstig intelligens”, bør overveje, om vi ikke allerede burde tale om den i nutid.
Turing-testen: En gammel grænse med nye resultater
Et af forskernes centrale argumenter er Turing-testen, et klassisk koncept fra 1950. Testen går ud på, at hvis et menneske i en skriftlig samtale ikke kan skelne en maskine fra et andet menneske, kan maskinen siges at udvise intelligent adfærd.
Med den nyeste generation af chatbots ser vi nu situationer, hvor folk oftere forveksler en AI med et menneske end med en faktisk person. For blot få år siden ville et sådant resultat være blevet anset for et uomtvisteligt bevis på, at generel maskinintelligens var opnået.
I dag sker der noget paradoksalt: Vi hæver konstant barren. Når systemerne begynder at opfylde de gamle kriterier, flytter nogle eksperter målstolperne og kræver endnu flere egenskaber for at anerkende “ægte” intelligens.
Forskellen på AGI og superintelligens
Forskerne foreslår en klar skelnen mellem generel kunstig intelligens (AGI) og superintelligens. Dette er afgørende, da de to begreber ofte bliver blandet sammen i den offentlige debat.
De argumenterer for, at vi allerede er meget tæt på – eller måske endda har krydset – grænsen for AGI. Nutidens sprogmodeller kan håndtere opgaver som programmering, juridisk analyse, kreativ skrivning, oversættelse og endda matematiske ræsonnementer, ofte på et niveau, der matcher specialister.
Ifølge denne logik behøver vi ikke vente på, at en AI overgår genier inden for alle felter. For at blive anerkendt som generelt intelligent er det tilstrækkeligt at have et niveau, der svarer til et gennemsnitligt, veluddannet menneske, med styrker inden for nogle områder og svagheder i andre.
“Statistiske papegøjer” og andre indvendinger mod LLM’er
Modstandere af de nuværende sprogmodeller hævder ofte, at de blot er “statistiske papegøjer”. Med det mener de, at systemerne mangler reel forståelse og udelukkende kombinerer tekstbidder baseret på sandsynlighed. Ifølge kritikerne skaber AI ikke nye idéer, men sammensætter blot sætninger ud fra sine træningsdata.
Den nye analyse forsøger systematisk at imødegå disse argumenter. Forfatterne fremhæver flere punkter, som er svære at affeje som “bare gentagelse af data”:
- Evnen til at løse nye, hidtil usete opgaver inden for matematik og logik.
- Færdigheden til at overføre viden fra ét domæne til et andet.
- Skabelsen af sammenhængende årsag-virknings-modeller i en samtale.
- Håndtering af beskrivelser af situationer, der normalt kræver fysisk intuition.
Hvis et system kan finde en korrekt løsning på et problem, det aldrig har set i sine træningsdata, bliver det svært at fastholde, at det “bare citerer”. Det betyder ikke, at AI forstår verden på samme måde som et menneske, men det tyder på, at der sker noget mere end blot simpel sammensætning af fraser.
Ifølge forskerne er det urealistisk at forvente, at AGI hver uge vil levere videnskabelige gennembrud på niveau med revolutionerende teorier – det kræver vi ikke engang af de mennesker, vi anser for at være intelligente.
Kræver intelligens en krop og sanser?
En af de mest følelsesladede forsvarslinjer for menneskets særstatus lyder: “AI har ikke en krop, så det er ikke ægte intelligens.” Mennesker lærer gennem bevægelse, berøring, smerte og sanser. Maskiner opererer primært på tekst, billeder og lyd i form af data.
Forfatterne mener dog ikke, at manglen på en fysisk krop udelukker generel intelligens. De påpeger, at moderne modeller kan forudsige konsekvenserne af handlinger, analysere videoklip og fortolke billeder. Desuden er der en voksende gren kendt som Fysisk AI, hvor avancerede modeller integreres med robotter.
Robotter udstyret med sensorer og kameraer begynder at kombinere sprogmodellernes abstrakte evner med reel handling i den fysiske verden. Dette åbner for et scenarie, hvor maskinen ikke kun beskriver en handling, men også udfører og korrigerer den løbende.
Hukommelse, autonomi og læringstid – er det nødvendige betingelser?
En anden kritik af nutidens systemer er, at de mangler en vedvarende selvbiografisk hukommelse og ægte autonomi. En chatbot afslutter en session og “glemmer” samtalen, den handler inden for de rammer, et menneske har sat, og den har ingen kontinuitet i sine erfaringer.
Ifølge forskerne er disse ikke obligatoriske krav for at kunne tale om generel intelligens. De peger på, at:
- Langtidshukommelse kan tilføjes som et systemlag ovenpå modellen.
- Autonomi er et spørgsmål om design og etik, ikke kognitive evner.
- Mængden af data, der kræves for at lære, bør ikke afgøre intelligensstatus.
Et menneske lærer at køre bil på få titals timer. En AI kan have brug for millioner af eksempler fra simuleringer. Forfatterne understreger, at det er det endelige færdighedsniveau, der tæller, ikke omkostningerne ved at nå dertil.
Problemet med “hallucinationer”: Den alvorligste fejl ved moderne AI
Selv de mest entusiastiske fortalere for AGI indrømmer, at nutidens systemer har en alvorlig brist: en tendens til at “hallucinere”. Dette dækker over generering af information, der lyder troværdig, men som er fuldstændig opdigtet – alt fra fiktive videnskabelige kilder til ikke-eksisterende lovgivning.
Virksomhederne bag modellerne anerkender, at andelen af sådanne fejl stadig er mærkbar. Interne analyser fra en af de største organisationer inden for AI viser, at selv med nye generationer af modeller kan hvert tiende svar indeholde faktuelle fejl.
Forfatterne forsøger at nedtone dette argument ved at påpege, at mennesker også ofte tager fejl, skaber falske erindringer og lader sig narre. Kritikere svarer, at omfanget og letheden, hvormed AI kan generere “selvsikkert” nonsens, skaber en helt ny type risiko – især inden for medicin, jura og finans.
Hallucinationer er en af de primære årsager til, at mange eksperter stadig tøver med at anerkende, at vi har at gøre med en fuldgyldig generel kunstig intelligens.
Er det os, der har et problem med definitionen af intelligens?
Forskernes afsluttende tese rammer selve kernen af diskussionen: Måske ligger problemet ikke i, at AI er “for svag”, men i at vores opfattelse af intelligens er for snæver og stærkt fokuseret på mennesket.
Mennesker har en naturlig tendens til at vurdere alt ud fra vores egen arts standarder. Hvis en maskine tænker anderledes, begår andre typer fejl eller lærer på en anden måde, anser vi den for at være “dårligere”. Forfatterne antyder, at vi er fanget i en antropocentrisk fælde: vi vil ikke acceptere, at en ny form for intelligens, der er anderledes end vores, men funktionelt sammenlignelig, er ved at opstå.
Dette kan delvist forklare, hvorfor begrebet “superintelligens” bliver mere og mere populært i debatten. Ved at flytte fokus til et endnu fjernere niveau udskyder vi det øjeblik, hvor vi må sige det ligeud: generel maskinintelligens banker allerede på døren – eller sidder måske allerede ved skrivebordet ved siden af os.
Hvad betyder denne debat for den almindelige bruger?
Striden om definitioner er ikke blot akademisk leg. Hvorvidt vi anerkender nutidens systemer som AGI, har direkte indflydelse på, hvordan vi regulerer dem, stoler på dem og hvilke opgaver vi giver dem.
Hvis vi behandler moderne modeller som AGI, øges presset for at:
- Indføre strengere lovgivning og tilsyn med implementeringer.
- Kræve gennemsigtighed omkring træningsdata og funktionalitet.
- Undersøge AI’s indvirkning på arbejdsmarkedet og politiske beslutninger mere grundigt.
- Udvikle faktatjek-systemer, der kan “holde øje” med chatbots.
Fra brugerens perspektiv bliver en kritisk tilgang afgørende. Selvom en AI kan forstå komplekse problemer og give bedre råd end mange søgemaskiner, kan vi stadig ikke behandle dens svar som ufejlbarlige sandheder. Effektiv brug af disse værktøjer kræver, at vi kombinerer deres computerkraft med menneskelig dømmekraft og ekspertise.
Potentialet i AGI – som forskerne definerer det – kommer stærkest til udtryk, når menneske og system arbejder sammen. Mennesket stiller de rigtige spørgsmål og verificerer resultaterne, mens AI fremskynder analysen og organiserer informationen. I dette samarbejde er det mindre vigtigt, hvem der er “ægte” intelligent. Det, der tæller, er, at vi sammen kan opnå ting, der for få år siden virkede umulige.
