Tekniken utvecklas i en rasande takt och med denna snabba utveckling kommer massor av nya termer och områden som kan vara bra att känna till. Artificiell intelligens är en term och ett område som kanske fått mest uppmärksamhet under de senaste åren men en annan term som ibland förväxlas med AI är AGI.
Artificiell intelligens är en väldigt bred teknik och forskningsområde. Det täcker en mängd olika teknologier och applikationer inklusive allt från självkörande bilar till AI-drivna skrivverktyg till smarta assistenter. Det är framförallt den breda kapaciteten som gjort att AI fått sådant stort genomslag då den kan användas för en mängd olika syften och därmed är någonting som vi kommer i kontakt med ofta.
Med det sagt är en term som blivit allt vanligare på senare år AGI, en förkortning för artificiell generell intelligens. Både AI och AGI är komplexa termer och i denna artikel ska vi därför reda ut skillnaderna mellan dessa.
Grundläggande koncept: AI och AGI
För att förstå skillnaderna mellan dessa två tekniker är det bra att definiera vad de betyder och innebär.
Vad är AI?
Först och främst kan vi börja med att definiera AI. AI är en förkortning för artificiell intelligens och är i grund och botten ett fält inom datavetenskap som är ganska brett och täcker många olika saker och funktioner. Det är ett datavetenskapligt fält där målet är att skapa maskiner och system kan utföra uppgifter som traditionellt sett krävs mänsklig intelligens. Detta inkluderar kapaciteter såsom taligenkänning, språkförståelse, visuell förmåga, beslutsfattande, och alla andra förmågor som mänsklig kognition har.
För att uppnå en god prestanda och förmåga krävs stora mängder data som AI-systemet kan tränas på. En otroligt viktig aspekt inom AI är därför maskininlärning. Genom effektiv maskininlärning kan man träna AI-systemen på stora mängder data och göra så att systemen kan förbättra sin prestanda över tid.
Artificiell intelligens kan delas in i flera olika delar och komponenter.
Några exempel på dessa är:
Narrow AI (Svag/smal AI)
Mest känt som smal AI på svenska, denna typ av AI är utvecklad för att utföra en specifik uppgift. Systemet kan inte använda sin kunskap och kapacitet för andra områden eller uppgifter.
Virtuella assistenter såsom Siri och Alexa är exempel på smal AI. Dessa system kan utföra specifika uppgifter såsom att svara på frågor eller ställa in påminnelser men kan inte utföra bredare uppgifter utanför dessa specifika områden.
Machine Learning (Maskininlärning)
Maskininlärning är utan tvekan en av de viktigaste komponenterna av AI-system på grund av den centrala rollen som data spelar för deras utveckling, funktionalitet, och kapacitet.
Maskininlärning är en gren inom AI som innebär att AI-systemen tränas på stora mängder data och framförallt kan förbättra sin restanda över tid utan uttrycklig programmering.
Deep Learning (Djupinlärning)
Djupinlärning är en avancerad typ av maskininlärning som använder sig av neurala nätverk med många ”lager” vilka kallas deep neural networks. Detta gör att systemet kan analysera stora mänger data och därmed lära sig komplexa mönster.
Djupinlärning är framförallt vanligt för komplexa uppgifter såsom bildigenkänning, autonoma system, och språkbehandling.
Vad är AGI?
Nu när vi har definierat vad artificiell intelligens är så är det dags att titta närmare på AGI, en förkortning av artificiell generell intelligens.
AGI kallas även stark AI och är en mer avancerad och omfattande form av intelligens. I grund och botten är det en typ av artificiell intelligens men med annorlunda kapacitet. Smal AI är den vanligaste typen av AI idag som vi diskuterade tidigare. Denna typ av AI är begränsad till specifika uppgifter. AGI är däremot teoretiskt kapabel för att utföra alla intellektuella uppgifter som en människa kan.
Viktigt att poängtera att AI redan används utbrett inom samhället för en mängd olika syften men AGI är fortfarande en teoretisk vision av vad AI skulle kunna vara kapabel till i framtiden. Med detta sagt skulle AGI inte bara kunna lära sig och förstå information inom ett specifikt område utan den skulle också kunna ta denna kunskap och applicera denna kunskap för att hantera nya situationer. Detta liknar på många sätt hur människor utför uppgifter och använder sin kunskap.
För att bättre förstå AGI i praktiken kan vi titta närmare på några av dess viktigaste kännetecknen:
Bred förmåga att lösa problem
Om AGI blir verklighet skulle dessa system kuna hantera en mängd olika uppgifter och de flesta typer av problem. Detta kan exempelvis inkludera allt från emotionell intelligens till vetenskaplig forskning och social interaktion.
Kontinuerlig inlärning och anpassning
Smal AI behöver specifik träning för varje ny uppgift som den ska utföra men AGI skulle istället kunna förbättra sin prestanda kontinuerligt likt en människa genom interaktion med sin omgivning och genom erfarenhet.
Förståelse och resonemang
En viktig egenskap hos AGI är förmågan att förstå komplexa koncept, kunna dra slutsatser, och resonera på ett logiskt sätt som liknar eller till och med är bättre än mänsklig intelligens.
Självmedvetenhet och medvetande
Kanske den förmågan som diskuteras och debatteras allra mest är förmågan att utveckla självmedvetenhet och ett slags medvetande. Detta skulle innebära att systemet kan ha egna mål och uppfattningar. Anledningen till att detta är så hett debatterat är att det naturligtvis leder till frågor om eventuella risker och om AI-systemen på något sätt skulle kunna hota mänskligheten om den skulle komma till denna nivån.
Med allt detta sagt är AGI fortfarande ett hypotetiskt koncept som fortfarande är i forskningsstadiet. Det pågår mycket forskning och utveckling inom detta område för att någon dag kunna göra AGI en verklighet. Detta är en viktig skillnad från AI då AI idag används brett för en mängd olika syften och områden medan AGI fortfarande är ett koncept och en idé.
På grund av den enorma kraften och kapaciteten av AGI är potentialen för denna teknik att revolutionera samhället enorm. Samtidigt behövs också noggrann övervägning av potentiella risker och konsekvenser som kan uppstå på grund av en så kraftfull teknologi.
Tekniska skillnader mellan AI och AGI
Med ett bättre förståelse för både AI och AGI kan vi ta en närmare titt på de tekniska skillnaderna mellan AI och AGI.
Mål och kapacitet
Först och främst är målen med detta två tekniker något annorlunda. AI-system har specifika syften att lösa specifika problem eller utföra specifika uppgifter. Med detta sagt är deras förmåga oftast begränsade till ett smalt område såsom bildigenkänning, textgenerering, eller taligenkänning.
Syftet med AGI är däremot att skapa system som kan utföra alla de intellektuella uppgifter som en människa kan vilket innebär att förmågan hos dessa system är mycket bredare. Det innebär att AGI inte bara är begränsad till ett enda funktionsområde utan kan förstå, lära sig, och använda sin intelligens för olika syften och områden. Detta kan till exempel inkludera att lösa komplexa problem, anpassa sig till nya situationer, och utföra kreativt arbete.
Användningsområden
Som vi har diskuterat skiljer sig användningsområdena för denna teknik sig åt, även om AGI fortfarande är i ett teoretiskt stadie.
Artificiell intelligens används redan utbrett idag för en mängd olika syften och arbetsuppgifter. AI är särskilt användbar för specifika uppgifter som behöver utföras med hög hastighet och hög precision. Det är framförallt maskininlärning och förmågan att träna AI-system på stora mängder data som gör de så kapabla och kraftfulla. Användningsområdena för AI kan till exempel inkludera analys av medicinska bilder för att upptäcka sjukdomar, finansiell analys, eller självkörande bilar.
I kontrast skulle AGI ha en mycket bredare förmåga som innebär att den kan använda sin intelligens på ett väldigt flexibelt sätt. Till exempel skulle AGI kunna använda kunskap från olika discipliner för att lösa komplexa globala problem. Dessutom skulle AGI kunna interagera med människor på ett väldigt djupgående sätt med en hög social förmåga och god kunskap att förstå känslor.
Inlärning och anpassning
Som vi redan diskuterat tränas traditionella AI-system normalt för en specifik uppgift. De kan därmed inte på ett enkelt sätt användas för nya, helt annorlunda uppgifter utan att omprogrammeras och tränas för specifikt denna uppgift. Till exempel skulle ett maskininlärningssystem som är tränat för att känna igen hundar inte automatiskt kunna känna igenom katter utan att ytterligare tränas på just detta.
Fortsättningsvis bygger AI-system på fördefinierade regler. Detta innebär att AI-systemen inte kan hantera situationer som faller utanför dessa regler.
På detta sätt skiljer sig AI ganska mycket för AGI då denna teknik skulle kunna kontinuerligt lära sig och anpassa sig till nya situationer och uppgifter utan att specifikt behöva omprogrammeras. I praktiken skulle detta innebära att AGI kan utveckla nya färdigheter och kunskaper utifrån den erfarenhet och interaktion med omvärlden som den får.
Vidare skulle AGI fungera på ett liknande sätt som människor vilket innebär att man använder de lärdomar och kunskaper man har fått genom åren för att lösa alla situationer och problem som man stöter på, även om man inte fått specifik träning och utbildning för varje enskilt situation man stöter på.
Mänsklig likhet
Utveckligen av AI-system har kommit väldigt långt och utvecklas i en rasande takt. Även om AI fortfarande är i ett relativt tidigt skede kan AI redan överträffa människor inom specifika områden. Exempel på detta är bland annat schack och medicinsk bildanalys där AI:ns förmåga överträffar människans. Samtidigt saknar dagens AI-system den breda och flexibla mänskliga intelligensen som kan appliceras på alla situationer.
Med detta sagt är det precis vad man hoppas att kunna uppnå med AGI. Denna teknik skulle inte bara kunna överträffa människor inom specifika områden utan också kunna visa en generell intelligens som är jämförbar med eller till och med överträffar mänsklig intelligens. I praktiken skulle detta innebära att AGI skulle kunna förstå och resonera på ett sätt som linkar mänskligt tänkande och i teorin också kunna utveckla en form av självmedvetande. Detta skulle innebära en djupare förståelse för både sig själv och sin omgivning.