Ei grense som kanskje allereie er passert
Den grensa vi har venta på i årevis, kan ha vorte kryssad heilt stille – utan fanfare eller dramatiske overskrifter. Ei gruppe forskarar hevdar no at det vi rekna som fjern framtid, kanskje allereie er blitt notid.
I lang tid var kunstig generell intelligens eit nesten mytisk mål. Men forskarar antyder i dag at vi framleis skildrar ein ny røyndom med gamle definisjonar og snevre forventningar – og dermed overser det avgjerande skiftet som allereie har funne stad.
Problemet er ifølgje vitskapsfolk ikkje at kunstig intelligens har skuffa forventningane våre. Problemet er at kriteria våre for intelligens heile tida har vore bygde utelukkande på ein menneskeleg målestokk. Viss AI-system løyser oppgåver på spesialistnivå innanfor mange fagfelt, er det kanskje på tide å tenkje på nytt om kva intelligens eigentleg tyder.
AGI er allereie her – vi definerer ho berre feil
I det anerkjende vitskapstidsskriftet Nature publiserte eit forskarlaget frå Universitetet i California ein dristig påstand: kunstig generell intelligens (AGI, av engelsk Artificial General Intelligence) er allereie oppnådd. Etter deira syn oppfyller dagens modellar – mellom anna avanserte chatbotar baserte på store språkmodellar (LLM) – dei praktiske kriteria for intelligens på menneskeleg nivå.
AGI vert vanlegvis forstått som ein kunstig intelligens som kan handtere eit breitt spekter av oppgåver på tvers av mange domene – som eit minimum på nivå med eit gjennomsnittleg menneske, i visse tilfelle endåtil på ekspertnivå. Forfattarane meiner at det er nøyaktig det som skjer no: desse systema skriv programmeringskode, samanfattar vitskaplege studiar, utarbeider forretningsstrategiar, løyser fysikkoppgåver og bidreg ved medisinsk diagnostikk.
Laget frå Universitetet i California fokuserte på å tenkje på nytt om sjølve intelligensomgrepet. Dei argumenterer for at kriteria våre frå starten av har vore altfor antroposentriske – utelukkande retta mot menneskeleg tenking og persepsjon. Viss eit menneske viste dei same evnene, ville ingen tvile på intelligensen hans.
Turing-testen vart bestått for lenge sidan
Alan Turing foreslo testen sin i 1950: viss eit menneske ikkje i ein tekstbasert samtale kan skilje mellom om det kommuniserer med eit menneske eller ei maskin, kan ein tale om intelligens på menneskeleg nivå. I tiår var denne testen hjørnesteinen i debatten om maskinintelligens.
Dagens chatbotar klarer jamleg ulike variantar av denne testen. I fleire undersøkingar vurderer brukarane hyppigare ein språkmodell som eit menneske enn ein reell samtalepartnar. Viss vi heldt fast ved det opphavlege kriteriet, ville saka vere avgjord – maskinell generell intelligens finst allereie. Men i mellomtida har vi berre heva lista ytterlegare.
Forskarane frå Universitetet i California peiker på eit paradoks: Turing-testen skulle eingong vere prov nok for intelligens. Men då kunstig intelligens byrja å bestå han, bestemte vi oss raskt for at det ikkje var tilstrekkeleg, og la til nye krav – ofte utan klare grunngjevingar. Både OpenAI og Google DeepMind presenterer løpande resultat frå testar som dei tidlegare sjølve rekna som suksesskriterium.
AGI mot superintelligens – vi blandar saman to vidt ulike mål
I den offentlege debatten vert to omgrep ofte kasta i same kurv: kunstig generell intelligens og superintelligens. Det er ein feil som påverkar forventningane våre på ein avgjerande måte.
Forfattarane meiner at AGI bør samanliknast ikkje med eit «ideelt menneske», men med det reelle spekteret av menneskelege evner. Inga menneske er ekspert i alt. Vi har alle våre blinde vinklar, fordommar og logiske feil. Ein kunstig intelligens som kan utføre eit breitt spekter av oppgåver på spesialistnivå innanfor mange domene, oppfyller etter deira meining kriteria for generell intelligens – sjølv om han ikkje er feilfri.
Superintelligens er ein heilt annan liga – og framleis framtidsmusikk. Det er ikkje ein føresetnad for å tale om AGI. Samanblanding av desse to omgrepa fører til at vi skyv generell intelligens ut i det uendelege og forventar nær sagt guddomlege evner. Mark Zuckerberg frå Meta og andre teknologileiarar brukar i aukande grad termen superintelligens, nettopp fordi han skapar inntrykket av at dei verkelege utfordringane enno ikkje har kome.
Selskap som Microsoft, Anthropic og xAI investerer milliardar av dollar i vidare utvikling, og skiljet mellom AGI og superintelligens spelar ei sentral rolle i strategiane deira.
Den «statistiske papegøya» og ti vanlege innvendingar under lupa
I debatten om LLM-ar dukkar nemninga «statistisk papegøye» jamleg opp – ho antyder at modellen berre gjentek mønster frå treningsdata utan eigentleg forståing. Laget frå Universitetet i California analyserte ti av dei vanlegaste argumenta mot å anerkjenne AGI og forsøker å imøtegå dei.
Forskarane identifiserte følgjande nøkkeleigeskapar hos dagens modellar:
- Løysing av nye oppgåver: modellane handterer matematikk- og fysikkproblem som ikkje bokstaveleg har førekome i treningsdata
- Overføring av ferdigheiter: dei kan flytte kunnskap på tvers av fagfelt – til dømes nytte eit omgrep frå programmering i planlegginga av eit eksperiment
- Forståing av konsekvensar: dei skildrar effektane av handlingar i fysiske omgjevnader og forklarer kva som skjer i ulike scenario
- Generering av strategiar: dei utformar løysingsmetodar for situasjonar utan direkte analogiar i treningsdataene
- Konteksttilpassing: dei justerer kommunikasjonsstil og detaljnivå etter behova til brukaren
- Metakognisjon: dei kan vurdere si eiga uvisse og innrømme når dei ikkje kjenner svaret
For forfattarane beviser dette at det ikkje berre dreier seg om avansert kopiering, men om system som byggjer indre representasjonar av samanhengar – sjølv om «tenkinga» deira ser annleis ut enn menneskeleg tenking. Stanford University og Massachusetts Institute of Technology har publisert uavhengige studiar som stadfestar desse evnene hos modellar som GPT-4 og Claude.
Viss eit menneske med tilsvarande effektivitet i testar og oppgåver ville vorte kalla «intelligent», kvifor skjerpar vi då plutseleg kriteria i tilfellet med kunstig intelligens? Dette spørsmålet står sentralt i heile debatten.
Kunstig intelligens utan kropp – men med tilgang til røyndomen
Ei hyppig innvending lyder: ekte intelligens krev ein kropp, sansar og direkte kontakt med verda. Språkmodellar har rikeleg nok ingen fysisk kropp, men vi koplar dei i aukande grad til kamera, mikrofon og robotar. Det dukkar opp system som analyserer tekst, bilete, lyd og video samstundes.
Forskarane påpeiker at intelligens ikkje treng å vere «lekamlege» i tradisjonell forstand for å manifistere seg som effektiv resonnering. Eit menneske som er blindt frå fødselen, utviklar likevel rike omgrep om rom og handling – berre via andre erkjenningskanalar. Ein AI-modell som vert trena på enorme datamengder om verda, oppnår likeins ei form for indirekte «røynslemessigheit».
Samstundes utviklar robotteknologien seg raskt. Omgrepet Physical AI – maskinar som koplar saman språkmodellar med fysiske kroppar – er ikkje lenger berre ein filmvisjon. Selskap som Boston Dynamics, Tesla og Figure AI arbeider med humanoide robotar styrte av avanserte språkmodellar. NVIDIA investerer i utviklinga av simuleringsmiljø for trening av desse systema.
Minne, autonomi, læringstid – er det verkeleg naudsynte vilkår?
Mange kritikarar held fast ved at ein utan varig autobiografisk minne eller full handlingsautonomi ikkje kan tale om AGI. Forfattarane av den vitskaplege artikkelen er usamde i dette standpunktet.
For det fyrste har ikkje alle menneske samanhengande, detaljerte minne om sitt eige liv – og dei vert ikkje fråkjend intelligens av den grunn. For det andre fungerer kunstig intelligens ofte som eit verktøy innanfor rammer fastsette av programmerarar og brukarar. Å forvente full autonomi som vilkår for intelligens er ifølgje forskarane vilkårleg.
Ei anna innvending handlar om læringskostnader: kunstig intelligens krev gigantiske datamengder, medan eit menneske kan lære mykje frå berre nokre få døme. Det er rett, men forfattarane foreslår å fokusere på sluttresultatet framfor prosessen. Viss eit system etter intensiv trening kan agere breitt og effektivt, bør skilnaden i tilnærming ikkje diskvalifisere det som intelligent.
Institusjonar som Allen Institute for AI og Partnership on AI undersøkjer nettopp desse spørsmåla om maskinintelligensens natur og samanliknbarheten hennar med menneskeleg intelligens.
AI-hallusinasjonar mot menneskelege feil
Det mest kjensleladde emnet er hallusinasjonar – situasjonar der modellen med full overtyding produserer falsk informasjon: ikkje-eksisterande kjelder, oppdikta fakta, fiktive sitat. Forfattarane innrømmer at dette problemet finst, men hevdar at omfanget minkar med kvar ny modellgenerasjon.
Dataa er likevel ikkje eintydig. Visse uavhengige studiar tyder på at delen hallusinasjonar held seg høg ved bestemte oppgåvetypar – og til tider endåtil stig når det vert bede om stadig meir komplekse analysar. Sjølv OpenAI anslår at om lag éin av ti svar frå neste generasjons modellar framleis vil innehalde ein alvorleg faktafeil.
Skilnaden mellom kunstig intelligens og menneske ligg ikkje i at den eine tek feil og den andre ikkje gjer det – men i karakteren til feila og måten dei vert kontrollerte på. Menneske er også underlagde minne-illusjonar, gjentek ustadfesta opplysningar og fell i psykologiske feller. Når kunstig intelligens tek feil, er feilen meir synleg, målbar og betre undersøkt.
I praksis tyder det at AI-system krev lag av kontroll, verifisering og ansvarleg implementering – særleg innanfor helse, juss og finans. Stanford Medicine og Mayo Clinic testar allereie protokollar for bruk av kunstig intelligens i diagnostikk med fokus på nettopp å minimere desse risikoane.
Overser vi ein ny intelligens på grunn av vår eigen antroposentrisme?
Den sentrale tanken i Nature-artikkelen er temmeleg ubehageleg: kanskje ønskjer vi ikkje å erkjenne at ei ny form for intelligens har oppstått, fordi vi er altfor forelska i vårt eige bilete. Vi likar rett og slett ikkje tanken om at noko utan eit menneskeleg andlet, ein kropp eller kjensler i kjend forstand skulle kunne vere «like intelligent» som oss.
Denne antroposentrismen har praktiske konsekvensar. Viss vi vedvarande hevdar at AGI framleis ligg framfor oss, vert det lettare å bagatellisere dei reelle verknadane av dagens system: innverknad på arbeidsmarknaden, utdanning, informasjonstryggleik og politikk. Det vert òg lettare å byggje førestillingar om superintelligens som noko nær mytisk som eingong «plutseleg vil kome» – i staden for å leggje merke til den gradvise forskyvinga av grenser som finn stad nettopp no.
Det er ikkje tilfeldig at teknologileiarar som Mark Zuckerberg i aukande grad nyttar termen superintelligens. Det gjev inntrykket av at dei verkelege utfordringane enno ikkje har kome, og at det vi har i dag framleis berre er «avanserte verktøy». Likevel er desse verktøya allereie i stand til å organisere kunnskap i ein skala som det einskilde mennesket berre kan drøyme om.
Kva tyder dette i praksis for vanlege brukarar?
Viss vi godtek at AGI i praktisk forstand allereie finst, endrar fleire ting seg på ein gong. For det fyrste sluttar vi å sjå på kunstig intelligens som ei kuriositet og byrjar i staden å sjå ho som ein samarbeidspartnar – ein som reelt kan representere oss, men òg forsterke oss, til dømes innanfor desse områda:
- Kontorarbeid – automatisering av rapportar, presentasjonar og dataanalysar
- Utdanning – personalisering av læringstempo og omsetjing av komplekse omgrep til eit enklare språk
- Medisin – hjelp ved analyse av bilete og dokumentasjon samt rettleiing om moglege scenario
- Kreativitet – generering av skisser, idéar og innhaldsvariantar som mennesket vidareutviklar
- Juridiske tenester – utarbeiding av kontraktar, analyse av presedensar og søk etter relevante lovar
- Vitskap – handsaming av store datasett, søk etter mønster og generering av hypotesar
For det andre veks tydinga av emne som regulering, ansvar for feil, modelltransparens og konsekvensar for sysselsetjinga. Det vert vanskelegare å seie «det er berre ein algoritme som foreslår noko» når denne algoritmen reelt sett matchar eller overgår ekspertar i mange oppgåver. Den europeiske unionen arbeider med AI Act, og Det kvite huset har utferda ei eksekutivordre om regulering av kunstig intelligens.
Endeleg er det verdt å tileigne seg nokre praktiske vanar: alltid verifisere sentrale fakta, sjå på svar frå kunstig intelligens som ein hypotese snarare enn ein openberrt sanning, og medvite fastsetje grenser for tillit – annleis ved kreative oppgåver enn ved juridiske eller helsefaglege spørsmål. Nettopp desse kompetansane vil i dei komande åra verte stadig viktigare – uavhengig av om vi offisielt anerkjenner AGI eller ikkje.
