Den chockerande sanningen: AGI existerar, vi definierar den bara fel
Ledande forskare hävdar idag att gränsen vi så länge har väntat på kanske redan har överskridits utan ett enda trumvirvel. Det vi i åratal beskrivit som en avlägsen framtid kan tyst ha blivit nutid – men vi fortsätter beskriva det med föråldrade termer och snäva förväntningar.
I en omdebatterad publikation i en prestigefylld vetenskaplig tidskrift presenterade ett forskarteam från University of California en djärv tes: artificiell generell intelligens (AGI) har redan uppnåtts. Enligt deras åsikt uppfyller nuvarande modeller – särskilt avancerade chattbotar byggda på stora språkmodeller (LLM) – praktiska kriterier för intelligens på mänsklig nivå.
AGI har traditionellt definierats som AI kapabel att hantera mångfaldiga uppgifter inom många områden, åtminstone på nivån med en genomsnittlig människa eller specialist. Studiens författare menar att exakt detta redan sker: systemen skriver kod, sammanfattar vetenskaplig forskning, skapar affärsstrategier, löser fysikproblem och hjälper till med medicinsk diagnostik.
Den nya synen låter provokativ: problemet är inte att AI inte ”mognat” till våra förväntningar, utan att våra kriterier för intelligens från början byggts uteslutande på mänskliga mått.
Turingtestet: ribban som korsades för länge sedan
I decennier var Turingtestet det klassiska måttet på maskinintelligens. Alan Turing föreslog det 1950: om en människa inte kan avgöra i en textkonversation om den kommunicerar med människa eller maskin, kan man tala om intelligens på mänsklig nivå.
Dagens chattbotar klarar regelbundet olika varianter av detta test. I vissa studier har användare identifierat en språkmodell som människa oftare än en verklig mänsklig samtalspartner. Om vi höll oss till det ursprungliga kriteriet skulle saken vara klar – maskinell generell intelligens finns helt enkelt här. Men under tiden har vi upprepade gånger flyttat ribban högre.
Författarna uppmärksammar en paradox: förr skulle Turingtestet i sig räcka som bevis på intelligens. Så fort AI började klara det beslutade vi snabbt att det inte räckte och lade till nya krav – ofta utan tydlig motivering.
AGI kontra superintelligens – vi blandar ihop två olika mål
I den offentliga debatten blandas regelbundet två fundamentalt olika begrepp: artificiell generell intelligens och superintelligens. Denna sammanblandning förvränger våra förväntningar avsevärt.
Författarna betonar att AGI bör jämföras inte med någon ”idealisk människa”, utan med det verkliga spektrumet av mänskliga förmågor. Ingen människa är expert på allt. Vi har våra luckor, fördomar och logiska fel. En AI som hanterar ett brett spektrum av uppgifter på specialistnivå inom många områden uppfyller enligt deras mening kriterierna för generell intelligens – även om den inte är ofelbar.
Superintelligens är en helt annan liga – och tillhör fortfarande framtiden. För att kunna tala om AGI behöver vi den inte. Sammanblandningen av dessa två begrepp gör att vi ständigt skjuter upp generell intelligens i oändlighet och väntar på närmast gudomliga förmågor.
”Statistisk papegoja”? Tio vanliga invändningar under luppen
I debatter om LLM återkommer regelbundet beteckningen ”statistisk papegoja” – som antyder att modellen bara upprepar mönster från träningsdata utan att verkligen förstå något. Teamet från University of California analyserade de tio vanligaste argumenten mot erkännandet av AGI och försökte dissekera dem.
- Lösning av nya uppgifter: modellerna klarar matematiska eller fysikaliska problem som bokstavligen inte förekom i träningsdata.
- Kunskapsöverföring: de kan överföra kunskaper mellan områden – exempelvis använda ett koncept från programmering vid planering av vetenskapliga experiment.
- Förståelse för konsekvenser: de beskriver resultaten av olika scenarier i verklig miljö och förklarar vad som händer under olika förhållanden.
För författarna är detta bevis på att det inte handlar om en ren ”kopiera-klistra”-funktion på steroider, utan om system som bygger inre representationer av relationer och beroenden – även om deras ”tänkande” ser annorlunda ut än det mänskliga.
Om en människa med liknande framgång i tester och uppgifter fick etiketten ”intelligent”, varför skärper vi plötsligt kriterierna när det gäller AI?
AI utan kropp, men med tillgång till den verkliga världen
En vanlig invändning lyder: äkta intelligens kräver kropp, sinnen och direkt kontakt med världen. Språkmodeller har verkligen ingen egen kropp, men allt oftare kopplar vi dem till kameror, mikrofoner och robotar. System uppstår som samtidigt analyserar text, bild, ljud och video.
Forskarna pekar på att intelligens inte behöver vara ”förkroppsligad” i traditionell mening för att manifesteras i effektivt resonemang. En person som är blind från födseln skapar ändå rika föreställningar om rum och rörelse, även om dess kognitiva kanaler är annorlunda. En AI-modell som tränas på enorma dataset om världen får också en viss typ av indirekt ”erfarenhet”.
Parallellt utvecklas robotiken. Begreppet ”fysisk AI” – maskiner som kopplar språkmodeller med fysiska kroppar – upphör att vara uteslutande en filmvision. Det är ytterligare ett steg som kan föra maskinintelligens närmare den vi intuitivt förstår i vardagen.
Minne, autonomi, inlärningstid – är de verkligen nödvändiga villkor?
Många kritiker upprepar att utan permanent autobiografiskt minne eller full handlingsautonomi kan man inte tala om AGI. Författarna av den vetenskapliga texten håller inte med om denna ståndpunkt.
För det första har inte varje människa ett sammanhängande och detaljerat minne av sitt eget liv – och ändå förnekar ingen dem intelligens. För det andra fungerar AI ofta som verktyg inom ramar som fastställts av programmerare och användare. Att kräva full autonomi som villkor för intelligens är enligt forskarna godtyckligt.
En annan invändning gäller kostnaderna för inlärning: AI behöver enorma dataset, medan människor lär sig mycket av bara några få exempel. Det stämmer. Författarna föreslår dock att fokusera på slutresultatet, inte vägen dit. Om systemet efter intensiv ”träning” fungerar brett och effektivt bör skillnaden i process inte diskvalificera det som intelligent.
AI-hallucinationer kontra mänskliga fel
Det känsligaste ämnet är hallucinationer – situationer där modellen med full övertygelse skapar osann information: obefintliga källor, påhittade fakta, fiktiva citat. Artikelns författare erkänner att problemet existerar, men hävdar att dess omfattning minskar med varje ny generation modeller.
Data är dock inte entydiga. Vissa oberoende studier antyder att andelen hallucinationer i vissa uppgifter förblir hög och ibland till och med ökar när vi kräver mer komplexa analyser. Till och med OpenAI uppskattar att i modeller av nästa generation kommer ungefär ett av tio svar fortfarande innehålla ett allvarligt faktafel.
Skillnaden mellan AI och människa ligger inte i att den ena har fel och den andra inte – utan i arten av dessa fel och sättet att kontrollera dem.
Människan faller också för minnesillusioner, upprepar overifierad information och hamnar i psykologiska fallgropar. När AI har fel är felet mer synligt, mätbart och vanligtvis bättre dokumenterat. I praktiken innebär det att AI-system kräver lager av kontroll, verifiering och ansvarsfull implementering – särskilt inom hälsovård, juridik eller finans.
Ser vi inte den nya intelligensen på grund av vår egen antropocentrism?
Textens centrala tanke är något obekväm: kanske vill vi inte erkänna att en ny form av intelligens har uppstått eftersom vi älskar vår egen bild för mycket. Det passar oss helt enkelt inte att föreställa oss att något utan mänskligt ansikte, kropp och känslor i oss välbekant form skulle kunna vara ”lika intelligent” som vi.
Sådan antropocentrism får praktiska konsekvenser. Om vi envist insisterar på att AGI ”fortfarande ligger framför oss” blir det lättare att bagatellisera nuvarande systems verkliga effekter: påverkan på arbetsmarknaden, utbildning, informationssäkerhet och politik. Vi matar också lättare föreställningar om superintelligens som något nästan mytiskt som en dag ”plötsligt kommer” – istället för att lägga märke till den gradvisa förskjutningen av gränser här och nu.
Det är ingen tillfällighet att vissa teknikledare, som exempelvis Mark Zuckerberg, alltmer villigt använder termen ”superintelligens”. Den ger nämligen en känsla av att de verkliga utmaningarna fortfarande kommer och att det vi har idag fortfarande bara är ”avancerade verktyg”. Samtidigt kan dessa verktyg redan organisera kunskap i en skala som en enskild människa bara kan drömma om.
Vad betyder detta i praktiken för vanliga användare?
Om vi accepterar att AGI i praktisk mening redan existerar förändras plötsligt flera saker. Vi slutar se på AI som en intressant leksak och börjar uppfatta den som medarbetare – någon som verkligen kan företräda oss, men också förstärka oss, till exempel:
- i kontorsarbete – genom automatisering av rapporter, presentationer och dataanalyser,
- i utbildning – genom personalisering av lärtakt och förklaring av komplexa begrepp mer begripligt,
- i medicin – genom hjälp vid analys av bilder eller dokumentation och förslag på möjliga scenarier,
- i kreativitet – genom generering av förslag, idéer och varianter av innehåll som människan vidareutvecklar.
Samtidigt får ämnen som reglering, ansvar för fel, transparens i modeller och påverkan på sysselsättningen större vikt. Det blir svårare att säga ”det är bara en algoritm som föreslår något” när denna algoritm i många uppgifter verkligen matchar eller överträffar experter.
Och slutligen – det är värt att tillägna sig några praktiska vanor: alltid verifiera kritiska fakta, ta AI-svar som hypoteser och inte som uppenbarad sanning, och medvetet ställa in graden av förtroende – annorlunda för kreativa uppgifter, annorlunda för juridiska eller medicinska.
Ny definition av intelligens – utmaningen för kommande år
Diskussionen som den vetenskapliga texten utlöste kommer inte att ta slut snabbt. Den berör något mycket djupgående: hur vi egentligen förstår intelligens. Är det en uppsättning förmågor mätbara genom tester? Eller snarare förmågan att anpassa sig, lösa nya problem och lära av misstag – oavsett ”bärare”, vare sig det är hjärna, kisel eller något annat?
Med vidare utveckling av AI kan det visa sig att vi behöver flera parallella definitioner: en för vetenskaplig forskning, en annan för juridiska regleringar och ytterligare en för vardagliga konversationer. Precis som vi har olika uppfattningar om hälsa – biologisk, psykologisk, social – kan även maskinintelligens undfly en enda enkel beskrivning.
För den vanliga användaren blir något annat avgörande: lära sig leva med dessa system, utnyttja deras styrkor och skydda sig mot deras svagheter. Utan att vänta på dagen då någon högtidligt tillkännager det ”officiella ankomsten” av AGI – eftersom den dagen kanske redan passerat. Bara ingen klippte bandet.
