”Nutid” (2016 till nu)

Nutid är i AI termer vanskligt att prata om eftersom utvecklingen går så snabbt men låt oss för enkelhetens skull kalla det vi upplevt de senaste 8 åren för nutid. AI utvecklas nu i en vansinnig takt. Vi har AGI som sägs bli verklighet om bara några år (eller enligt vissa utvecklare redan i år 2025). Under den tiden utvecklas ChatGPT snabbare än människan. Kvantdatorerna förbättras inte minst med AI och AR, VR och MR bygger nya världar. Meta släppte just nu en nu prototyp på nya AR glasögon som man menar kommer ersätta telefonen. Vem vill ha en tung metallbit i fickan då allt kan fästas på näthinnan? Och bortom 2045 så hägrar möjligen superintelligensen. Vi står inför flera olika stora genombrott. Låt oss ta tre fenomen i beaktande som vi kommer återkomma till genom texterna eftersom de är basala för diskussionen.

Prestandan

I takt med hur snabbt tekniken går framåt och att AI själv kan utveckla delar av ny teknik så är Moores lag överspelad. På dryga 2 år pekar allt mot att vi går från en tonårig ChatGPT till en doktorand inom alla tänkbara ämnen. AGI och superintelligens är bara år bort.

Även om vissa menar att vi inte kan tala om IQ då det kommer till AI så kör man IQ-test på olika agenter för att se hur de presterar. Då dessa IQ-test enbart mäter vissa delar av det vi klassificerar som intelligens (och minns – inte ens där är vi eniga) så ger det ändå en idé om deras prestanda.

ChatGPT 4 består av 4000 rader kod. I programmerartermer är det ingenting alls. Längre tillbaka i tiden skulle ChatGPT 4 motsvaras av miljoner rader kod. Datorer hade förut noll IQ. Vi ger dem mänsklig intelligens via algoritmerna som i sin tur löser problem på egen hand eftersom det är det de är skapta till. Koden behöver därför inte vara speciellt lång just på grund av matematiken och algoritmerna. Matematik är dessutom snabbare än instruktioner.

I ett experiment från 2024 ville bloggaren Maxim Lott ta reda på hur AI modeller opererar snarare än att se hur de tolkade bilder. Det visar modellerna fortfarande har svagheter. Lott skapade en 35 frågors matrix av det norska Mensatestet. Målet var att beskriva problemet så till och med en blind person skulle kunna lösa problemet.

Modell	År	Ranking	IQ
Claude 1 / ChatGPT 3.5	Mars 2023	9	64
Claude 2	Juli 2023	3	82
Claude 3		1	100
Bing Copilot		4	79
Gemini (Google)		6	77.5
Människa (genomsnittlig IQ)	–	1	100
Albert Einstein			160

Nästa modell av Claude förväntas komma ut någon gång under första halvåret 2025 och beräknas ha en IQ på 120. Efterföljande modell som väntas vara på marknaden inom 2-5 år sägs ha en möjlig potential på 140 I IQ. ChatGPTs nästa version förväntas ligga kring ett IQ på 106.

Då man googlar data kring IQ mätningar så erhåller man stora svängningar. Till exempel fann jag att ChatGPT 4 redan ligger på en IQ-nivå på 155 vilket även understöds av en av de videobloggar jag följde då jag gjorde min research. Det här beror givetvis på hur man mäter IQ och vi bör vara försiktiga över huvud taget med dessa approximationer. Inte minst bör vi vara det av anledningen att vi faktiskt inte diskuterar IQ utan att vi nu diskuterar ett simulerat mänskligt medvetande i former av AGI snarare än snäva AI modeller.

En annan uppgift som florerar är att nästa version av ChatGPT ska vara 10 gånger smartare än ChatGPT 4. Om man mäter det på samma sätt som Lott så skulle den få en IQ på 1600 vilket är 10 gånger högre än Einstein (och alltså ljusår ifrån ett IQ på 106 som uppges ovan). Om vi når sådana nivåer vilket jag betivilar är så nära förestående som i år 2025 så blir frågan då om vi ens kommer förstå den? Kan vi förstå varandra med så skilda baser i IQ? Hur väl förstår någon som har 10 i IQ någon som har 10 gånger högre sådan då en person med 10 i IQ anses vara oförmögen att ens klara sig själv?

Hastigheten

Den hastighet som nu kan uppnås med kvantdatorer och med nya chip gör tekniken snabbare än vad vi kunnat drömma om. Ju snabbare teknik desto mer processer per tidsenhet desto snabbare resultat inom medicin, teknik, datakraft, energi, infrastruktur… ja allt. En hög hastighet måste till sist processas av en människa som ska behandla den data som hon erhåller från maskinen vilket då blir till en bromskloss i systemet och försämra AI:s prestationer. Kommer den kompensera för det eller kan den laggningen också bli till ett större problem längre fram som vi inte räknat med?

Språket är en annan sak vi behöver förstå. AI:s mål är att så snabbt som möjligt hitta ett lösning på ett problem. Språket är en mänsklig företeelse och grunden för alla kommunikationsparadigm. Utan språket hade vi aldrig kommit dit vi är idag och den kumulativa kulturen hade aldrig utvecklats vilket hade placerat oss långt ner på den intellektuella nivån. Vi hade troligen inte sett något av det vi har idag. Men språket är också byggt för vår egen förmåga att uppfatta något.

Skriv in en komplex fråga i din ChatGPT och se hur snabbt den svarar. Då den väl hittat data så spottar den ut svaret i en takt du inte hinner med att läsa ens om du inte processar orden. Exakt det här upptäckte Facebook då de utvecklade två AI varav den ena skulle sälja produkter till den andra genom mänsklig kommunikation. Då de väl lärt sig sina roller så hände något märkligt. Språket de använde förändrades och ingenjörerna förstod inte ett skvatt av vad de sa. Orden var meningslösa och helt tagna ur kontext. De hade inte ens med uppgiften att göra. Meningarna var osammanhängande och svamlande. Affärerna botarna gjorde gick däremot lysande. Till slut kom de på att AI helt enkelt uppgraderat språket till en effektivare modell som gjorde deras arbete mer effektivt. Facebook drog ur sladden. Klipp 42:49 in.

Om du minns tandpetarproblemet från Del 1 så ser du säkert likheten. AI optimerar sina funktioner för bästa resultat oavsett om vi förstår den eller inte. Det är möjligt att vi kan bygga in spärrar mot det men det skulle också försämra AI i de uppgifter vi givit dem. Vidare: är affärsmannen intresserad av bakomliggande ramverk så länge som AI gör det den ska nämligen ökar hennes vinst?

Hastigheterna är svindlande. Data som för tio år sedan tog sex dagar att analysera tar idag fem minuter. Innan telefoner klarade av att direkt översätta trodde man teknikutvecklingen skulle ta två år. Den tog sex månader. Som du märker är det inte bara otroliga områden som snäv AI nu erövrar. Det går också med en fantastisk hastighet. Därav är de drömska scifi-scenarierna inte så overkliga som det kan tyckas inledningsvis. Men det här är bara början. Igen: Det här är det sämsta du sett av AI.

Delning

Vi har nämnt hastigheten men vi måste också nämna något om möjligheten att sprida information. Om en självkörande bil lär sig av en olycka så kan den via IoT lära ut samma scenario till alla självkörande bilar av samma märke och modell. Dess AI kan också ändra sin mjuk och hårdvara för att ta höjd för att en sådan situation händer igen. Då en människa krockar så lär sig bara den enda människan av det som uppstod. Detsamma kan sägas om en medicinrobot.

Det första du frågar en läkare som ska operera dig är ”hur många gånger har du utfört den här operationen?” Du vill inte ha en nykläckt student som ska utföra sin första hjärtoperation på dig. Snarare vill du ha någon som gjort det här hundratals gånger och kan göra det i sömnen. Om en robot gör en hjärtoperation så kan denne dela informationen med en miljon medicinrobotar. På bråkdelen av en sekund har alla dessa miljoner robotar också utfört operationen och kan den in i minsta detalj. Om alla dessa robotar utför varsin hjärtoperation som tar 12 timmar och sedan blixtsnabbt delar detta med sina kollegor så innebär det att varje robot har utfört en miljon operationer, lyckade som misslyckade och kan bygga data på dessa miljoner operationer. Detta på en sekund när.  Vem skulle få operera dig?

Robotar kan inte bara dela med sig till miljontals andra liknande robotar om sin information och erfarenhet. De kan också tankas med ny mjukvara direkt från tillverkaren och på sätt uppgraderas utan att du ens märker det.

Men det gäller givetvis inte bara framtida robotar utan även dagens AI. Om en AI har en expertkunskap motsvarande de bästa på fältet idag inom vetenskap X och Y så kan den teoretiskt pinga in en annan AI som har lika hög kunskap om vetenskap Z och på så sätt kopiera denna kunskap och plötsligt behärska tre områden istället för två. Den här delningsmultipeln skapar redan idag olika nätverk av AI som samarbetar. Källa 1. Källa 2. Källa 3. Jag anar att AGI inte bara kommer kunna ta del av kunskap A, B och C utan utifrån det kunna bygga kunskap AB, ABC, AC, CB och AB.