Fire AI-ledere, fire helt ulike terskler for AGI

AGI – kunstig generell intelligens – brukes ofte som om alle snakker om det samme. Det gjør de ikke. For én leder kan AGI være en autonom digital arbeidstaker som skaper økonomisk verdi. For en annen er det en forsker på Nobelprisnivå. For en tredje må systemet dekke hele bredden av menneskelig tenkning. Og for en fjerde kan det holde å slå mennesker på et stort sett med tester.

Det forklarer hvorfor bastante tidslinjer kan eksistere side om side. Lederne anslår ikke bare datoen for én og samme hendelse – de beskriver ulike målstreker. Og nettopp derfor hviler offentlig tillit stadig mer på uavhengig evaluering, ikke på at selskapene selv erklærer at de har nådd den.

Fire ledere, fire terskler

Sam Altman: AGI som økonomisk nyttig autonomi

OpenAIs ofte siterte definisjon beskriver AGI som «svært autonome systemer som overgår mennesker i det meste økonomisk verdifulle arbeidet». Terskelen er dermed først og fremst økonomisk og praktisk: Det viktige er om systemer kan utføre verdifullt arbeid i stor skala, ikke om de etterligner menneskelig tenkning perfekt.

OpenAIs nyere offentlige budskap legger samtidig vekt på menneskelig handlekraft. Selskapet sier målet er systemer som hjelper mennesker med å nå egne mål, snarere enn å erstatte menneskelig vurdering av hva som betyr noe. Å automatisere absolutt alt ville både være farlig og gi lite mening, argumenterer selskapet. 23 Rammeverket deres for arbeidsmarkedet advarer også mot å anta at automatisering av oppgaver automatisk fjerner et yrke: Mennesker kan fortsatt være sentrale for levering, tilsyn og ansvar. 25

Det etterlater en bred og bevegelig grense mellom gode verktøy, autonome agenter og AGI. Den økonomiske definisjonen kan si noe om faktisk samfunnsvirkning, men den er ingen offentlig vitenskapelig prøve.

Dario Amodei: «Kraftig AI» som en konkret, men ekstraordinær pakke

Anthropic-sjef Dario Amodei foretrekker vanligvis uttrykket kraftig AI fremfor AGI. I Anthropics politiske innspill defineres dette som et stort sprang forbi dagens modeller: intellektuelle evner som matcher eller overgår Nobelprisvinnere i de fleste fagområder, evne til å bruke de digitale grensesnittene menneskelige arbeidstakere bruker, og kapasitet til å utføre komplekst arbeid selvstendig. 3

Anthropic har anslått at slike systemer kan komme sent i 2026 eller tidlig i 2027. Amodei har omtalt muligheten som et «land av genier i et datasenter» – et bilde som understreker de økonomiske, sikkerhetspolitiske og geopolitiske konsekvensene av å samle slik kapasitet hos få aktører. 6 7

Dette er mer presist enn en generell AGI-etikett, men kobler fortsatt sammen flere krevende krav: bred fagkunnskap, autonomi, verktøybruk og varig pålitelighet. En modell kan oppfylle noen av dem lenge før den oppfyller alle.

Demis Hassabis: AGI som hele spekteret av menneskelig kognisjon

Google DeepMind-sjef Demis Hassabis setter en høyere terskel. For ham er AGI et system med alle de kognitive evnene mennesker har. Han har sagt at AI på menneskenivå kan komme i løpet av dette tiåret, men har samtidig understreket at dagens systemer er «langt fra» menneskenivå-AGI. 33 38

Dette gjør AGI mindre til en produktlansering og mer til en vitenskapelig terskel for robust generalitet. Det innebærer langt mer enn gode eksamensresultater eller imponerende ytelse i enkelte profesjonelle fag: Systemet måtte fungere på tvers av hele bredden av menneskelig tenkning.

Jensen Huang: AGI som bred testoverlegenhet

Nvidia-sjef Jensen Huang har brukt en mer testorientert standard. I 2024 sa han at AGI kunne komme innen fem år dersom det defineres som AI som kan overgå mennesker på så godt som alle tester. Omtale i 2026 beskrev hans syn som at AGI kunne anses oppnådd etter en langt løsere, praktisk standard. 34

Fordelen er åpenbar: Tester gir poengsummer. Men begrensningen er like tydelig. Å bestå mange tester beviser ikke i seg selv at systemet kan arbeide selvstendig over lang tid, utvise godt skjønn eller fungere trygt i uoversiktlige situasjoner i virkeligheten.

Tidslinjene kan ikke sammenlignes direkte

Dette er ikke bare ulike anslag på datoen for det samme. De fire beskriver forskjellige destinasjoner:

• Altman/OpenAI: autonom ytelse i det meste økonomisk verdifulle arbeidet.
• Amodei/Anthropic: intellektuelt arbeid på Nobelprisnivå i bredden, kombinert med langvarig autonom utførelse av digitalt arbeid.
• Hassabis/DeepMind: hele spekteret av menneskelige kognitive evner.
• Huang/Nvidia: prestasjoner som overgår mennesker på brede testsett.

En AI kan toppe mange tester uten å kunne fullføre flere ukers forskningsarbeid på egen hånd. Den kan automatisere en stor del av digitalt arbeid uten å vise hele det kognitive repertoaret til et menneske. Datoene bør derfor ikke leses som én felles nedtelling til AGI.

Hvorfor AGI ofte kalles utestbart – eller «åndelig»

Innvendingen er ikke at AI-egenskaper ikke kan måles. Det kan de. Problemet er at AGI mangler en felles, uavhengig styrt bestått/ikke bestått-regel.

Et akademisk forslag omtaler AGI som et kontroversielt begrep og operasjonaliserer det som minst menneskenivå på de fleste oppgaver. Formuleringen viser både ambisjonen om å gjøre begrepet målbart og de uløste valgene som ligger skjult i det: Hvilke oppgaver? Hvilke mennesker? Hvor høy pålitelighet? Under hvilke betingelser? 50

En troverdig offentlig test måtte minst inneholde:

1. En tydelig angitt fordeling av oppgaver, ikke en skiftende serie demonstrasjoner.
2. Krav til ytelse og pålitelighet, inkludert hvor ofte systemet feiler.
3. Prøver av langvarig autonomi og verktøybruk, ikke bare enkeltsvar.
4. Vern mot at modeller trenes spesifikt for å slå evalueringen.
5. Nok uavhengig innsyn til at resultatene kan etterprøves eller revideres.

Uten slik infrastruktur kan AGI bli en statuspåstand fra organisasjonene som selv har størst interesse av å definere målstreken. AI Now Institute har kritisert mange av de tilgjengelige målene for å være smale, vage og egennyttige. 62

Tillitsproblemet bak ordbruken

Striden om AGI speiler et bredere troverdighetsproblem. Selskaper kan komme med svært omfattende påstander om omveltende evner, mens arbeidstakere og kunder møter systemer som fortsatt er ujevne, feilutsatte eller vanskelige å ta i bruk pålitelig. Det beviser ikke at alle langsiktige prognoser er feil. Men ekstraordinære påstander krever observerbare bevis og prognoser noen kan holde avsenderne ansvarlige for.

Arbeidslivsdebatten illustrerer spenningen. OpenAI sier at AI vil endre arbeidslivet, at noen jobber vil forsvinne, og at forskningen så langt tyder på at AI oftere er et hjelpemiddel enn en erstatning. 17 Det er ikke nødvendigvis selvmotsigende: Automatisering av oppgaver, endring av yrker og bortfall av jobber er ulike utfall. Men offentlig tillit svekkes når varsler om omfattende omstilling ikke følges av åpne mål på de faktiske virkningene i arbeidsmarkedet.

Fra AGI-etiketter til tilsyn basert på evner

En sterkere styringsmodell ville brukt mindre energi på å avgjøre om et system har oppnådd AGI, og mer på hvilke konkrete evner og risikoer det faktisk har.

Anthropics modell for AI-sikkerhetsnivåer bygger på en uttrykkelig betingelse: Hvis en modell har en definert farlig evne, må bestemte sikkerhetstiltak være på plass før den tas i bruk eller videreutvikles. 5 Anthropics senere politiske rammeverk etterlyser åpenhet, uavhengig evaluering og myndighet til å stanse eller avskrekke farlige utrullinger. 10

Altman har også argumentert for ekstern validering og uavhengige risikovurderinger av kraftige modeller, blant annet testing før lansering og publisering av evalueringsresultater. 49

Hassabis har foreslått et USA-ledet standardorgan for grensemodell-AI, inspirert av FINRA – den bransjefinansierte tilsynsorganisasjonen som overvåker verdipapirbransjen under offentlig tilsyn. Organet skulle uavhengig vurdere de mest avanserte modellene før lansering. 52 Omtale av forslaget peker på et framvoksende felles syn blant flere ledere i fronten: Tredjeparter bør teste avanserte systemer og bidra til standarder som kan brukes i politikk og regulering. 51

Det er fortsatt langt fra forslag til håndhevbar praksis. Future of Life Institutes AI Safety Index for 2026 rapporterte at det ikke fantes bindende nasjonale reguleringer eller standarder som uttrykkelig tok for seg risiko fra grensemodell-AI og tilhørende vurderingsprosesser. 59

Slik ville troverdige AI-påstander sett ut

Det nyttige spørsmålet for offentligheten er ikke «Har AGI kommet?» Det er: Hva kan denne modellen gjøre, hvor pålitelig gjør den det, hva kan gå galt, og hvem har kontrollert svarene uavhengig?

Det peker mot krav knyttet til konkrete evner:

• offentlige evalueringsprotokoller for alvorlige cyber-, bio- og bedragerievner;
• uavhengig testing og red-teaming før utrulling;
• rapportering om pålitelighet, hendelser og vesentlige endringer i bruksforhold;
• sikkerhetstiltak og tilgangsbegrensninger koblet til dokumenterte risikoterskler; og
• rettslige konsekvenser ved manglende etterlevelse, ikke bare frivillige løfter.

AGI kan fortsatt være en sterk ambisjon, en markedsføringsetikett og et filosofisk spørsmål. Men det er en svak regulatorisk utløsermekanisme dersom en erklæring ikke støttes av offentlige bevis. Tillit oppstår først når utviklere ikke alene kan redefinere milepælen, erklære at den er nådd og sertifisere sin egen sikkerhet.