Illusionen av framsteg: Att simulera allmän artificiell intelligens utan att uppnå den

Allmän artificiell intelligens (AGI) - ett system med intelligens som är jämförbar med eller överlägsen människans inom alla områden - fortsätter att betraktas som teknikens heliga graal. År 2025 framträder dock en alternativ väg allt tydligare: vi uppnår inte AGI som ett enhetligt system, utan snarare genom en alltmer övertygande illusion som skapas genom kombinationen av flera specialiserade smala AI.

‍

Mosaiken av artificiell intelligens

Dagens AI utmärker sig för specifika uppgifter: Large Language Models (LLM) hanterar texter, modeller som Midjourney eller DALL-E skapar bilder, AlphaFold analyserar proteiner. Även om de är individuellt begränsade skapar dessa smala AI:er, när de integreras i ett samordnat ekosystem, ett sken av allmän intelligens - en "proxy" för AGI.

‍

Enligt Stanford Universitys rapport AI Index 2025 fortsätter AI, trots betydande framsteg, att möta hinder inom området för komplexa resonemang.

De mer avancerade modellerna löser mycket strukturerade problem, men visar tydliga begränsningar när det gäller logiska resonemang, sekventiell planering och abstrakt tänkande.

‍

The Society of Minds Approach och Multi-agent Systems

År 2025 håller artificiell intelligens snabbt på att utvecklas från en nischteknik till en strategisk del av det tekniska och sociala landskapet, med djupgående kulturella och etiska konsekvenser.

Detta har lett till uppkomsten av AI-agentsystem som för oss närmare horisonten för generell artificiell intelligens.

‍

I multi-agentsystem arbetar varje agent självständigt med hjälp av lokala data och autonoma beslutsprocesser utan att vara beroende av en central styrenhet.

‍

Varje agent har en lokal vy, men ingen har en global vy över hela systemet. Denna decentralisering gör det möjligt för agenter att hantera uppgifter individuellt samtidigt som de bidrar till de övergripande målen genom interaktion.

‍

Under 2025 blir multi-agentsystem - där flera AI-agenter samarbetar för att uppnå komplexa mål - alltmer populära. Dessa system kan optimera arbetsflöden, generera insikter och hjälpa till i beslutsprocesser inom olika områden.

‍

Inom t.ex. kundtjänst hanterar AI-agenter komplexa förfrågningar, inom produktion övervakar de produktionslinjer i realtid och inom logistik samordnar de leveranskedjor på ett dynamiskt sätt.

‍

Beräkningsplatån och fysiska barriärer

Trots imponerande framsteg börjar vi nå en platå inom traditionell beräkningsutveckling. Mellan 1959 och 2012 fördubblades den mängd energi som krävs för att träna AI-modeller vartannat år, i enlighet med Moores lag. De senaste uppgifterna visar dock att fördubblingstiden efter 2012 har blivit betydligt snabbare - var 3,4:e månad - vilket innebär att den nuvarande takten är mer än sju gånger så hög som den tidigare.

‍

Denna dramatiska ökning av den nödvändiga beräkningskraften understryker hur ekonomiskt utmanande det har blivit att göra betydande framsteg inom AI-området.

‍

Löftet om kvantberäkningar

Kvantberäkningar skulle kunna övervinna detta hinder och erbjuda ett paradigmskifte i den beräkningskapacitet som krävs för ännu mer sofistikerade modeller. År 2025 framstår kvantberäkningar som ett viktigt verktyg för att hantera dessa utmaningar, eftersom teknikföretag använder alternativa energikällor för att hålla jämna steg med AI:s ökande energiförbrukning.

Enligt en prognos från Arvind Krishna, VD för IBM, kan AI:s energi- och vattenförbrukning minskas med upp till 99 procent under de kommande fem åren tack vare snabba framsteg inom kvantberäkning. med upp till 99 procent under de kommande fem åren.

‍

Denna teknik lovar att frigöra hittills otänkbara datorkapaciteter och öppna upp nya gränser för vetenskaplig forskning.

‍

Ett stort genombrott tillkännagavs i mars 2025 av D-Wave Quantum, som publicerade en peer-reviewed artikel med titeln "Beyond-Classical Computation in Quantum Simulation", som visade att deras annealing-kvantdator har överträffat en av världens mest kraftfulla klassiska superdatorer i lösa komplexa simuleringsproblem av magnetiska material.

‍

År 2025 har inneburit omvälvande framsteg inom kvantdatorer, med stora framsteg inom hårdvara, felkorrigering, integration med AI och kvantnätverk. Dessa framsteg omdefinierar den möjliga möjliga roll för kvantdatorer inom områden som sjukvård, finans och logistik.

‍

Enligt Forrester är dock kvantdatorer fortfarande experimentella trots framstegen 2025 och har ännu inte visat någon praktisk fördel jämfört med klassiska datorer för de flesta tillämpningar.

‍

Quantum Race: Microsoft mot Google?

Microsoft hävdar att de har gjort betydande framsteg inom kvantdatorer med sitt Majorana 1-chip, som introducerades i början av 2025. Processorn har en ny topologisk kärnarkitektur, byggd med åtta topologiska qubits som manipulerar Majorana-partiklar, kvasipartiklar som fungerar som "halvelektroner" och som är kända för sin starka motståndskraft mot fel.

‍

Google, å andra sidan, har utvecklat en annan metod med sitt revolutionerande kvantchip Willow, som löser det traditionella problemet med att felprocenten ökar i takt med att antalet qubits ökar - Willow blir faktiskt mer exakt ju fler qubits som läggs till.

‍

Dessa två olika strategier representerar fundamentalt skilda tillvägagångssätt för kvantberäkningar, där Microsoft fokuserar på topologi och Google på feloptimering.

‍

Kognitiva hinder som kvarstår

‍

Förutom hårdvarubegränsningar står komposit-AI inför andra grundläggande hinder:

‍

Kausal förståelse: System korrelerar variabler men isolerar inte verkliga orsak-verkan-relationer. AI har gjort betydande framsteg inom många områden, men står fortfarande inför begränsningar när det gäller att förstå och reagera på mänskliga känslor, att fatta beslut i krissituationer och att utvärdera etiska och moraliska överväganden.

‍

Kontinuerlig inlärning: Neurala nätverk tappar precision när de tränas sekventiellt på olika uppgifter, vilket ger en slags "katastrofal minnesförlust".

‍

Metakognition: AI saknar en intern modell av sin egen kognition, vilket begränsar verklig självförbättring.

‍

‍

Mot ett "per proxy"-AGI

Forskarsamhället verkar vara ganska oenigt om vilken teknik och vilka tidsramar som krävs för att uppnå målet med allmän artificiell intelligens (AGI), men debatten ger upphov till nya intressanta förslag som redan nu får praktisk tillämpning i forskningen kring nya AI-system.

‍

2025 kan vara året då de första agentsystemen tas i drift i företag.

‍

AGI representerar det mest ambitiösa målet - system med kognitiva förmågor som är jämförbara med eller överlägsna människans och som kan förstå, lära sig och tillämpa kunskap på ett övergripande sätt.

‍

I stället för att vänta på ett monolitiskt AGI är det mer troligt att vi i framtiden kommer att se uppkomsten av vad vi kan kalla "front AGI" - system som verkar besitta generell intelligens genom hela systemet:

‍

Orchestrering av AI-mikrotjänster: Flera specialiserade AI samordnas genom en gemensam abstraktionsnivå.
Enhetliga gränssnitt för konversationer: Ett enda gränssnitt som döljer komplexiteten i flera underliggande system.
Begränsat transversalt lärande: Selektivt kunskapsutbyte mellan specifika områden.

Medvetandet: Verklighet eller delad illusion?

I AGI-debatten tenderar vi att ta för givet att människan är utrustad med ett "medvetande" som maskiner inte kan replikera. Men kanske borde vi ställa oss en mer radikal fråga: är det mänskliga medvetandet i sig verkligt eller är det också en illusion?

‍

Vissa neurovetenskapsmän och filosofer, som Daniel Dennett, har föreslagit att det vi kallar "medvetande" i sig kan vara en post-hoc-berättelse - en tolkning som hjärnan konstruerar för att förstå sin egen verksamhet.

‍

Om vi betraktar medvetandet inte som en mystisk och enhetlig egenskap, utan som en uppsättning sammankopplade neurala processer som skapar en övertygande illusion av ett enhetligt "jag", blir gränsen mellan människor och maskiner mindre tydlig.

‍

Ur detta perspektiv kan vi betrakta skillnaderna mellan framväxande AGI och mänsklig intelligens som skillnader i grad snarare än i natur. Den illusion av förståelse som vi ser i avancerade språkmodeller kanske inte skiljer sig så mycket från den illusion av förståelse som vi själva upplever - båda uppstår ur komplexa nätverk av processer, om än organiserade på fundamentalt olika sätt.

‍

Detta perspektiv väcker en provocerande fråga: om det mänskliga medvetandet i sig är en simulering som uppstår ur flera sammankopplade kognitiva processer, då kan den "proxy"-AGI som vi konstruerar - en mosaik av specialiserade system som arbetar tillsammans för att simulera en allmän förståelse - vara slående lik vår egen mentala arkitektur.

Vi skulle inte försöka återskapa en magisk, outsäglig kvalitet, utan snarare rekonstruera den övertygande illusion som vi själva upplever som medvetande.

‍

Denna reflektion förminskar inte djupet i den mänskliga erfarenheten, men inbjuder oss att ompröva vad vi egentligen menar när vi talar om "medvetande" och om detta begrepp verkligen är ett oöverstigligt hinder för artificiell intelligens, eller helt enkelt en annan process som vi en dag kanske kan simulera.

‍

‍

Slutsats: Tänk om när det gäller mållinjen

Kanske borde vi radikalt ompröva vår definition av AGI. Om det mänskliga medvetandet i sig kan vara en framväxande illusion - en berättelse som hjärnan konstruerar för att förstå sin egen verksamhet - så blir den skarpa skillnaden mellan mänsklig och artificiell intelligens mindre definierad.

‍

Experter förutspår att 2027 kan innebära ett avgörande ögonblick för AI. Med nuvarande takt kan modellerna uppnå kognitiv generalitet - förmågan att ta itu med alla mänskliga uppgifter - inom några år.

‍

Detta scenario ska inte bara ses som en replikering av mänsklig intelligens, utan som uppkomsten av en ny typ av intelligens - varken helt mänsklig eller helt artificiell, utan något annorlunda och potentiellt kompletterande.

‍

Detta tillvägagångssätt befriar oss från att försöka replikera något som vi kanske inte förstår fullt ut - det mänskliga medvetandet - och låter oss istället fokusera på vad artificiell intelligens kan göra på sina egna villkor. Den AGI som kommer att växa fram kommer därför inte att vara ett enda system som "låtsas" vara mänskligt, utan ett integrerat tekniskt ekosystem med sina egna framväxande egenskaper - en distribuerad intelligens som paradoxalt nog kan återspegla den fragmenterade och sammankopplade karaktären hos vår egen kognition mer än vi först trodde.

‍

I den meningen blir AGI:s forskning inte så mycket ett försök att efterlikna människan som en upptäcktsresa i själva intelligensens och medvetandets natur, både mänsklig och artificiell.

‍

Källor

‍

Illusionen av framsteg: Simulering av allmän artificiell intelligens utan att uppnå den