ChatGPT kan skrive kode, analysere bilder, lage en reiseplan og hjelpe deg med en jobbsøknad. Men be den om å gå ut på kjøkkenet, finne ut hva som finnes i kjøleskapet og lage middag, så blir begrensningene ganske tydelige.
Dagens beste AI-systemer er imponerende. På enkelte oppgaver er de allerede bedre enn de fleste mennesker. Likevel er det noe som mangler.
Det er her AGI kommer inn.
AGI står for Artificial General Intelligence, eller kunstig generell intelligens på norsk. Begrepet brukes om en mulig fremtidig AI som ikke bare er svært god på enkelte oppgaver, men som kan forstå, lære og løse problemer på tvers av svært forskjellige områder.
Det høres kanskje ut som en liten forskjell.
Det er det ikke.
Hvis vi faktisk lykkes med å utvikle AGI, kan det vise seg å være et av de største teknologiske skiftene i menneskets historie.
Hva betyr egentlig AGI?
Det finnes ingen universelt akseptert test som avgjør når et AI-system har blitt AGI.
Det er verdt å ha i bakhodet.
Når noen sier at «AGI kommer i 2028» eller at «vi nesten har AGI», snakker de derfor ikke om en klart definert teknisk milepæl på samme måte som når en bil passerer 100 km/t.
Selv de største AI-selskapene definerer begrepet forskjellig.
OpenAI har blant annet beskrevet AGI som svært autonome systemer som kan utkonkurrere mennesker på det meste av økonomisk verdifullt arbeid. Google DeepMind-forskere har på sin side foreslått nivåer av AGI basert på hvor generelle og kapable systemene er.
Fellesnevneren er generalitet.
En kalkulator kan regne raskere enn deg. Det gjør den ikke intelligent. Et sjakkprogram kan slå verdensmesteren i sjakk. Det betyr ikke at det kan skrive en kontrakt eller lære seg kjemi.
AGI handler om et system som kan bruke intelligensen sin på tvers av slike grenser.
Tenk mindre «verdens beste sjakkmaskin» og mer «en digital person som kan lære seg sjakk – og deretter tusen andre ting».
Har vi ikke allerede AGI?
Det er et stadig vanskeligere spørsmål.
For bare noen år siden var det lett å peke på ting datamaskiner ikke kunne gjøre. Skrive en god tekst. Tolke et fotografi. Programmere. Forstå en komplisert instruksjon. Resonnere gjennom et problem.
Listen har blitt betydelig kortere.
Moderne AI-modeller kan arbeide med tekst, bilder, lyd og kode. De kan bruke verktøy, søke etter informasjon og i økende grad utføre lengre oppgaver gjennom såkalte AI-agenter.
Men det betyr ikke nødvendigvis at vi har AGI.
Dagens modeller kan fortsatt gjøre merkelige feil. De kan være briljante i ett øyeblikk og overraskende dårlige i det neste. De kan presentere feil informasjon med stor selvsikkerhet, og de mangler mye av den kontinuerlige erfaringen med verden som mennesker tar for gitt.
Det interessante er derfor ikke lenger om AI kan gjøre én ting som krever intelligens.
Det kan den åpenbart.
Spørsmålet er hvor mange av begrensningene som må forsvinne før skillet mellom «AI» og «generell intelligens» ikke lenger gir særlig mening.
Forskjellen mellom AI, AGI og superintelligens
Disse tre begrepene blandes ofte sammen.
AI er samlebetegnelsen. ChatGPT, bildegeneratorer, anbefalingsalgoritmer og selvkjørende systemer er alle eksempler på kunstig intelligens.
AGI beskriver hypotetisk AI med bredere, mer generell intelligens. Den skal kunne lære og løse mange forskjellige typer problemer uten å måtte bygges spesifikt for hver enkelt oppgave.
Så kommer ASI – Artificial Superintelligence.
Superintelligens er det virkelig ekstreme scenariet: en AI som ikke bare matcher mennesker, men som er vesentlig mer intelligent enn oss på nær sagt alle relevante områder.
Vitenskap. Strategi. Programmering. Matematikk. Oppfinnelser. Kanskje også sosial forståelse og kreativitet.
AGI betyr grovt sagt at maskinene kommer opp på vårt nivå.
Superintelligens betyr at de fortsetter forbi oss.
Det er også bakgrunnen for navnet Superintelligens.no. Utviklingen mot stadig mer kapable AI-systemer er det vi skal følge her.
Hvor nær er vi AGI?
Her blir det vanskelig. Ingen vet.
Det finnes seriøse forskere som mener AGI fortsatt kan være langt unna. Andre mennesker helt i front av AI-utviklingen snakker om tidshorisonter på bare noen få år.
OpenAI-sjef Sam Altman har de siste årene blitt stadig mer optimistisk om hvor raskt svært kapable systemer kan komme. Google DeepMind-sjef Demis Hassabis har også sagt at AGI kan være mulig innen relativt få år, samtidig som han understreker at viktige forskningsproblemer gjenstår.
Det betyr ikke at de nødvendigvis har rett.
Lederne for AI-selskaper har åpenbare grunner til å være optimistiske om teknologien de selv utvikler. Samtidig sitter de tettere på utviklingen enn nesten alle andre.
Begge deler er verdt å huske.
Det vi faktisk kan observere, er hvor raskt systemene forbedres.
For noen få år siden var AI-genererte bilder en kuriositet. Store språkmodeller skrev ofte åpenbart kunstige tekster. Video var enda vanskeligere.
I dag kan én modell håndtere flere av disse oppgavene. Samtidig har AI begynt å bevege seg fra å bare svare på spørsmål til å faktisk utføre arbeid.
Det siste kan vise seg å være minst like viktig som stadig høyere testresultater.
AI-agenter kan være et viktig steg
Tenk på hvordan de fleste bruker ChatGPT.
Du skriver noe. AI-en svarer. Du skriver noe nytt.
Det er nyttig, men mennesket driver fortsatt prosessen fremover.
AI-agenter forsøker å snu på dette.
Du kan i stedet gi systemet et mål:
Finn fem aktuelle hoteller, sammenlign dem og lag en oversikt.
Eller:
Gå gjennom disse dokumentene, finn avvikene og lag et utkast til rapport.
Systemet må da selv finne ut hvilke deloppgaver som må løses, bruke nødvendige verktøy, kontrollere resultatet og fortsette.
Det er ikke AGI i seg selv.
Men det peker mot en verden hvor AI ikke bare er noe vi snakker med. Det blir noe som handler på våre vegne.
Og da begynner den økonomiske betydningen å bli langt større.
Hva skjer hvis vi faktisk får AGI?
Dette er grunnen til at så mange følger utviklingen så tett.
Tenk deg en AI som kan utføre store deler av arbeidet til en kompetent kunnskapsarbeider – digitalt, raskt og til svært lav marginalkostnad.
Én slik AI ville vært nyttig.
Men programvare kan kopieres.
I teorien kan man derfor få tusenvis eller millioner av digitale arbeidere som programmerer, analyserer data, designer produkter, driver forskning eller utfører administrative oppgaver samtidig.
Det kan gi enorme produktivitetsgevinster.
Legemiddelutvikling kan gå raskere. Forskere kan få hjelp til å analysere enorme datamengder. Små selskaper kan få tilgang til kompetanse som tidligere krevde hele avdelinger. Personlig undervisning kan bli tilgjengelig for langt flere.
Men den samme egenskapen skaper åpenbare problemer.
Hvis AI kan gjøre stadig mer av arbeidet mennesker får betalt for i dag, vil arbeidsmarkedet endre seg. Kanskje gradvis. Kanskje svært raskt.
Og jo mer autonome systemene blir, desto viktigere blir spørsmål om sikkerhet, kontroll og hvem som faktisk bestemmer hvordan teknologien brukes.
Betyr AGI at millioner mister jobben?
Ikke nødvendigvis.
Historien er full av teknologier som har fjernet arbeidsoppgaver uten å fjerne behovet for mennesker.
Traktoren reduserte behovet for jordbruksarbeidere. Datamaskinen fjernet en rekke manuelle kontoroppgaver. Internett ødela enkelte bransjer og skapte helt nye.
Men AGI kan være annerledes på ett viktig punkt.
Tidligere teknologi har hovedsakelig automatisert bestemte former for fysisk eller rutinepreget arbeid. Generell AI forsøker å automatisere deler av selve kognisjonen.
Hvis en maskin kan lære nye oppgaver, blir det vanskeligere å si at mennesker bare kan flytte til «den neste oppgaven».
Det betyr fortsatt ikke at arbeid forsvinner.
Men hvilke ferdigheter som er verdifulle kan endre seg mye raskere enn vi er vant til.
Det er en av grunnene til at det er verdt å lære seg AI-verktøy allerede nå – også hvis man ikke jobber med teknologi.
Og hva med superintelligens?
Her går vi fra en stor teknologisk omveltning til noe langt mer spekulativt.
Hvis vi klarer å lage AGI, kan en slik AI potensielt hjelpe oss med å utvikle enda bedre AI.
Da oppstår et interessant spørsmål:
Hva skjer hvis AI-utvikling i seg selv blir automatisert?
En smartere modell bidrar til å utvikle neste modell. Den nye modellen er enda bedre til forskning og programmering, og bidrar igjen til den neste.
I det mest ekstreme scenariet kan denne prosessen føre til svært rask forbedring – det som gjerne omtales som en intelligenseksplosjon.
Ideen er gammel. Statistikeren I.J. Good beskrev allerede i 1965 muligheten for en «ultraintelligent maskin» som kunne designe enda bedre maskiner.
Om det faktisk vil skje på denne måten, vet ingen.
Men konsekvensene ville vært så store at spørsmålet ikke kan avfeies bare fordi det høres ut som science fiction.
Den viktigste utviklingen skjer før vi får svaret
Det er lett å bli sittende fast i spørsmålet:
Når kommer AGI?
2027? 2030? 2040? Aldri?
Men det kan være feil spørsmål å fokusere på.
Vi trenger ikke våkne en tirsdag morgen og få en pressemelding om at «AGI er oppnådd» før samfunnet begynner å endre seg.
Hvis AI hvert år blir litt bedre til programmering, forskning, analyse, kundeservice, design og administrasjon, får det økonomiske konsekvenser lenge før noen blir enige om hva systemene skal kalles.
Overgangen kan derfor være mye mindre dramatisk enn ordet AGI antyder.
Vi kan ende opp med å diskutere hvorvidt vi har fått AGI samtidig som teknologien allerede har forandret måten millioner av mennesker jobber på.
Så – hvor nær er vi?
Det mest forsvarlige svaret er fortsatt:
Vi vet ikke.
Men situasjonen er blitt interessant nok til at spørsmålet ikke lenger bare hører hjemme i science fiction.
Noen av verdens største teknologiselskaper investerer enorme summer i datasentre, databrikker, energi og AI-forskning. Forskere forsøker samtidig å forstå både hva dagens modeller kan gjøre og hva som fortsatt mangler.
Kanskje møter utviklingen en vegg.
Kanskje krever ekte generell intelligens helt nye vitenskapelige gjennombrudd.
Eller kanskje vi allerede har oppdaget flere av de viktigste ingrediensene, og resten handler om skalering, bedre algoritmer, mer data, bedre verktøy og tid.
Det er nettopp usikkerheten som gjør de neste årene så interessante.
For hvis AGI faktisk kommer, vil det ikke bare være lanseringen av enda et teknologiprodukt.
Det vil være begynnelsen på en diskusjon om hva som skjer når intelligens ikke lenger er noe bare mennesker har tilgang til.