AGI (Artificial General Intelligence)

AGI står for Artificial General Intelligence og betyder kunstig generel intelligens: en tænkt maskine, der kan lære, forstå og løse opgaver på tværs af fag og situationer mindst lige så godt som et menneske. AGI findes ikke i praksis i dag; det er en målformulering og en debat om, hvad “intelligens” egentlig skal betyde for en maskine.

Hvorfor AGI er et ord, I møder i strategimøder

Techledere, investorer og medier taler om AGI, når de skitserer langtidsvisioner. For dig som leder er forskellen afgørende: de systemer, I kan købe i dag, er smalle eller specialiserede, de laver specifikke opgaver som tekstgenerering, billedgenkendelse eller datarensning. Når nogen lover AGI, taler de om en fremtid, hvor én model kan skifte mellem opgaver uden ny træning. Der er ingen enighed om, hvornår eller om AGI vil opstå, og store aktører som OpenAI og Google DeepMind nævner AGI i deres mål, men det er et mål, ikke en realitet. Derfor skal du kunne skelne mellem salgsretorik og faktisk funktionalitet.

Sådan virker AGI-idéen i praksis

Tænk på forskellen mellem en medarbejder, der er specialist i regnskab, og en medarbejder, der i praksis kan tage en telefon, svare et juridisk spørgsmål og bagefter skrive en salgstekst: AGI-idéen er den altmuligmedarbejder. I virkeligheden består moderne AI af mange specialværktøjer, der hver er gode til én type opgave. De bruger store mængder data og statistiske mønstre til at gætte det rigtige svar. AGI-projektet forestiller sig, at en model kan lære nye opgaver med langt mindre specifik data og overføre viden fra ét domæne til et andet. Det er en ambitiøs idé, men også svær: læring, forståelse og sund dømmekraft i ukendte situationer er præcis det, vi mennesker kæmper med at beskrive formelt.

Eksempel: AGI-diskussionen hos en direktør i en produktionsvirksomhed

Direktøren for en mellemstor produktionsvirksomhed sidder i møde tirsdag morgen, tre uger før budgetlægning. IT-afdelingen har fremlagt en demonstration af et automatiseret kundeservicesystem, der svarer på almindelige spørgsmål og foreslår reservedele. En leverandør slutter af med at sige, at næste generation af deres system vil være "AGI-lignende" og kunne overtage både teknisk support og dele af salgsarbejdet. Direktøren spørger: hvad betyder det for outsourcing, for oplæring og for ansvar, hvis systemet begynder at træffe svære beslutninger? Der opstår modstand: produktionens tekniske chef frygter, at fejl i forslag kan koste tid ved montage; salgschefen frygter tab af kontrol over kundedialogen. IT-afdelingen må bruge tre dage på at få præciseret, hvad leverandøren egentlig mener, og på at få en skriftlig begrænsning af hvad systemet må gøre. Resultatet er, at virksomheden køber et konkret værktøj til kundeservice og skriver krav om menneskelig godkendelse, næste budget rummer et pilotprojekt, og diskussionen om "AGI i hus" bliver udsat til en opfølgningsrunde. Læringen er enkel: brug løfter om AGI til at åbne en dialog, ikke som grundlag for en beslutning uden klar kravspecifikation.

AGI er ikke det samme som smal AI eller 'bedre' modeller

Mange forveksler AGI med mere avancerede versioner af de nuværende sprogmodeller. Men der er forskel: smal AI (narrow AI) løser velafgrænsede opgaver som oversættelse eller billedklassifikation. En forbedret sprogmodel kan være hurtigere eller mere præcis, men den har stadig ikke evnen til frit at tilegne sig ny, bred viden uden ny træning. Det er også vigtigt at skelne mellem begrebet og navne på organisationer: OpenAI og Google DeepMind arbejder med forskning, der relaterer til AGI, men deres nuværende produkter er stadig smalle værktøjer.

Hvad ledere skal kunne skelne og spørge om

Når leverandører eller rådgivere nævner AGI, så spørg konkret: hvad kan systemet gøre i dag, og hvilke krav stiller I til menneskelig kontrol? Spørg også om dataansvar, fejlscenarier og ansvarslinjer. Du behøver ikke tro på hver fremtidsvision, men du skal kunne vurdere risici ved at lade et system træffe beslutninger, der tidligere krævede menneskelig dømmekraft. Overvej investering i kompetenceopbygning, så I forstår forskellen mellem eksperimenter og drift. Kort: brug ordet AGI som et varsel om langsigtede muligheder, ikke som en forklaring på, hvad I kan implementere i morgen.

Hvor usikkerheden ligger

Forskere er uenige om, hvad AGI præcist kræver, og hvornår eller om det kan realiseres. Der er tekniske, etiske og samfundsmæssige spørgsmål, som ingen har løst endnu. Derfor er enhver dato et gæt, og enhver garanti for "snart AGI" bør mødes med skepsis. Ikke alle fremskridt fører derhen. AGI er en idé, ikke en leverandørpakke. Men vær nysgerrig: forstå forskellen, stil de rigtige krav, og planlæg for sikkerhed og ansvar, så I ikke vågner op til noget uventet, hvis udviklingen pludselig rykker.

Er I i tvivl om, hvad AGI betyder for jeres eget ansvar, så tag det med i AI-rådgivningen.