Men vad händer om vi för länge sedan redan missat det avgörande ögonblicket?

Medan teknikjättarna pumpar in miljarder i ”nästa generation” artificiell intelligens väcks en ny debatt kring en obekväm fråga: Kanske är den ofta omtalade artificiella generella intelligensen inte längre ett avlägset mål – den kanske redan finns här. Den ser bara inte ut som vi föreställt oss under decennier.

Vad forskarna nu påstår

I centrum för den aktuella diskussionen står ett bidrag i den vetenskapliga tidskriften Nature. Ett forskarteam lett av filosofen Eddy Keming Chen från University of California argumenterar för att om man ärligt granskar moderna AI-systems förmågor uppfyller några av dem redan kriterierna för så kallad artificiell generell intelligens (AGI).

Därmed ställer de sig mot huvudströmningen inom AI-miljön. Många laboratorier talar fortfarande om ”förstadiesystem”, om ”proto-AGI” eller om en tidshorisont på fem till tio år. Samtidigt levererar stora språkmodeller som GPT-4, Claude och Gemini idag expertprestationer över många fackområden – från programmering via juridik till biologi.

Den provokativa tesen: Det är inte AI:n som haltar efter AGI – det är vår definition av intelligens.

Från den heliga graalen till en definitionsfråga

Under lång tid betraktades AGI som forskningens heliga graal: ett system som tänker och handlar minst lika flexibelt som en människa. Företag som OpenAI, Google DeepMind och Anthropic formulerar detta mål öppet. Vissa teknikprofiler har i åratal meddelat att AGI är ”några år bort”.

Nature-teamet vänder på perspektivet. I stället för att kräva en perfekt, övermänsklig intelligens föreslår de att placera människor och AI i ett gemensamt schema. För även människor är inte allvetande, inte felfria och inte universellt användbara.

AGI eller superintelligens – en avgörande skillnad

Författarna skiljer mellan två begrepp som ofta blandas samman i den offentliga debatten: generell intelligens och superintelligens.

Artificiell generell intelligens (AGI): AI når expertnivå på många områden och kan flexibelt överföra kunskap till nya uppgifter.
Superintelligens: AI överträffar människor markant på nästan alla kognitiva discipliner – inklusive kreativitet, strategi och forskning.

Enligt denna tolkning befinner sig nutidens stora språkmodeller inom AGI-kategorin eller nära den. De löser komplexa matematikuppgifter, analyserar juridiska texter, skriver fungerande program, sammanfattar vetenskapliga studier och kombinerar information på kreativa sätt.

Den som endast erkänner AGI när den slår varje människa på alla områden förväxlar den med superintelligens.

Det gamla Turing-testet – plötsligt klarat

Ett ytterligare argument från forskarna: Moderna chatbots klarar det klassiska Turing-testet oftare än riktiga människor. I blindtester anser försökspersoner system som ChatGPT vara mer mänskliga än faktiska samtalspartners av kött och blod.

Turing-testet, som matematikern Alan Turing föreslog 1950, betraktades i decennier som en grov måttstock för maskinell intelligens. Länge verkade det ouppnåeligt. Idag framstår det nästan föråldrat – inte för att det är för krävande, utan eftersom vissa modeller redan knäckt det i vardagen.

”Stokastiska papegojor” – eller ändå något mer?

En av de hårdaste anklagelserna mot språkmodeller lyder: De är bara ”stokastiska papegojor”. Med andra ord system som statistiskt sett sätter samman troligt klingande meningar utan att förstå vad de säger.

Nature-författarna presenterar motargument för att det finns mer bakom. Språkmodeller:

löser nya matematikproblem som inte ingår i träningsmaterialet,
använder begrepp från ett fackområde för att bearbeta uppgifter inom ett annat,
känner igen logiska motsättningar i hittills okända situationer,
utvecklar grova ”teorier” om fysiska samband, exempelvis vid uppgifter om mekanik eller optik.

Allt detta talar enligt deras uppfattning för en form av generaliserad intelligens – även om den inre mekanismen fungerar annorlunda än i den mänskliga hjärnan.

Frågan förskjuts: Behöver intelligens ett människoliknande inre liv, eller är det i slutändan endast prestationen som räknas?

Ingen kropp, ingen intelligens? Fysisk AI är på väg

Ett frekvent argument lyder: ”Äkta intelligens kräver en kropp, sinnesorgan och erfarenhet i den fysiska världen.” Anhängare av klassisk robotteknik ser detta som ett dödande argument mot textbaserade chatbots.

Men även på denna punkt bryter Nature-arbetet med gamla dogmer. Intelligens behöver inte nödvändigtvis en kropp, skriver författarna. Språk, bilder, ljud och video levererar redan en rik, om än indirekt, bild av världen.

Parallellt växer ett nytt fält fram: ”Physical AI”. Robotarmar, autonoma fordon, humanoida robotar och drönare bygger på samma AI-modeller som idag körs som chatbots i webbläsaren. Skillnaden mellan ”ren mjukvaru-AI” och ”förkroppsligad AI” börjar suddas ut.

Aspekt	Tidigare idealbild av AGI	Nutidens verklighet
Kropp	Humanoid robot med sinnen som en människa	Stora modeller kopplade till robotar eller sensorer
Lärande	Få data, mycket förståelse	Enorma datamängder, men hög prestation
Fel	Nästan felfri tänkt	Felbehäftad, men ofta på expertnivå
Bedömning	Klar tidpunkt när AGI ”uppstår”	Glidande övergång, svår att tidsfästa

Hallucinationer: det stora motargumentet

En punkt förblir känslig: hallucinationer. Språkmodeller hittar på källor, data, personer eller domslut som låter plausibla men är faktiskt felaktiga. På känsliga områden som medicin eller juridik kan det få allvarliga konsekvenser.

Nature-författarna nämner problemet men väger det lägre. De påpekar att även människor producerar kognitiva snedvridningar, felbedömningar och falska minnen. Med varje modellgeneration sjunker andelen hallucinationer – i alla fall i många tester.

Samtidigt visar andra studier att system under press, vid knappa eller motstridiga instruktioner, fortfarande ofta misslyckas. OpenAI själv erkänner att även ett framtida GPT-5 grovt sett kan hallucinera i vart tionde svar på ett eller annat sätt.

Den som kräver en AGI som aldrig fabricerar sätter standarder som varken någon människa eller något nuvarande system kan leva upp till.

Hur stor felfrekvens tillåter AGI?

Här landar diskussionen mitt i en bedömningsfråga: Är en AI med genomsnittlig mänsklig felrisk redan berättigad till titeln ”generell intelligens”? Eller ställer vi högre krav på maskiner än på oss själva?

Forskarna föreslår att fokusera på resultatet framför inlärningsvägen. Människor lär sig köra bil med kanske 20 timmars övning. Ett AI-system kräver miljontals simulerade kilometer. Är det därför mindre intelligent om det slutligen kör säkrare?

Antropocentrism: Därför kanske vi förbiser AGI

En röd tråd genom Nature-artikeln är psykologisk: Vår människosyn sätter käppar i hjulet för oss. Vi mäter ofta AI utifrån kriterier som precis passar oss själva – kropp, medvetande, livshistoria, känslor. Det som avviker härifrån stämplar vi som ”inte äkta”.

Författarna argumenterar för att denna inställning kan vara riskabel. Den förbiser nämligen möjligheten att en ny, annorlunda form av intelligens kan ha utvecklats och som ändå uppfyller många kännetecken på generalitet: mångsidighet, inlärningsförmåga, problemlösning och abstraktion.

Att allt fler teknikdirektörer föredrar att tala om ”superintelligens” tolkar de som ett semantiskt trick. När man skjuter målet längre uppåt verkar nutiden mer ofarlig – och samtidigt egna framsteg mer spektakulära.

Vad det betyder för vår vardag

Oavsett om man delar AGI-tesen eller inte: I vardagen känns skillnaden redan mycket mindre än många förväntar sig. Den som idag arbetar med en modern modell upplever något som i många situationer fungerar som en digital kollega.

Konkreta exempel:

Mjukvaruutvecklare får assistans av kompletta kodgeneratorer.
Jurister använder AI för strukturering av komplexa rättsakter och inledande bedömningar.
Läkare testar system för läkarutlåtanden, second opinions och litteratursökning.
Elever och studenter använder chatbots som personaliserade lärandepartners.

I alla fall agerar AI:n inte perfekt, men produktivt. Den kompletterar mänskliga förmågor och tvingar användarna att fokusera mer på kontroll, korrigering och strategiska beslut.

Risker när vi placerar AGI felaktigt

Det blir intressant att överväga vad som händer om vi förklarar AGI för tidigt eller för sent.

För tidigt: Samhälle och politik kan ingiva sig själva en falsk trygghet, försena reglering eller alltför snabbt delegera ansvar till maskiner.
För sent: Företag och stater underskattar beroenden och maktförskjutningar medan de redan styrs av system med mycket bred kompetens.

I båda fallen uppstår risker: från felbehäftad automatisering över maktkoncentration till nya former av digital manipulation.

Begrepp man bör känna till

Vad ”generell intelligens” grundläggande betyder

Generell intelligens betecknar förmågan att lösa problem på många olika områden och överföra kunskap flexibelt. En människa som lär sig språk, löser matematikuppgifter, avläser sociala situationer och improviserar med verktyg anses vara generellt intelligent – även om den inte är världsklass inom något specialområde.

Överför man denna bild till AI räcker inte en enskild uppgift som schack. Det handlar om samspelet mellan språk, logik, planering, lärande och anpassning.

Simulering: En dag i ett ”AGI-samhälle”

Föreställ dig att vi idag förklarar AGI som uppnått. Vad skulle rent praktiskt förändras? Troligen mindre än många tror:

Företag skulle anpassa sin kommunikation: ”Vi arbetar med AGI-system” istället för ”med avancerad AI”.
Tillsynsmyndigheter skulle behöva definiera gränsvärden: Var är användning av AGI tillåten och var är den förbjuden?
Utbildningssystem skulle stå under press: Läroplaner skulle behöva utgå från att elever när som helst har tillgång till ett handlande, medtänkande system.
Försäkringsbranschen och skadeståndsrätten skulle behöva nya kategorier – exempelvis för skador som beror på sådana systems autonoma beslut.

Teknologin själv skulle till en början förbli densamma. Men ramen vi placerar den i skulle förskjutas markant.

Hur användare förnuftigt kan reagera idag

Oavsett om man finner AGI-debatten överdriven eller inte: Det klokaste tillvägagångssättet till nutidens system ser likadant ut.

Använd AI som co-pilot, inte som ofelbar auktoritet.
Kontrollera kritiska fakta, särskilt inom medicin, juridik och ekonomi.
Underhåll egna grundkompetenser istället för att outsourca dem fullständigt.
Förstå var modeller är starka (struktur, språk, mönster) och var de är svaga (aktuell världskunskap, djup kausalitet).

Den som handlar så drar nytta av de nya möjligheterna – oavsett om etiketten ”AGI” redan delats ut eller inte.

Debatten om huruvida artificiell generell intelligens redan existerar är mindre ett tekniskt prov än en spegel för våra förväntningar. Ju längre vi enbart söker efter en elektronisk dubbelgångare av människan, desto lättare förbiser vi att en annan, självständig form av intelligens kanske för länge sedan slagit sig ner i våra enheter.