Demis Hassabis: AGI har tre svagheter jämfört med mänskligt tänkande

Demis Hassabis, VD för Google DeepMind, anser att artificiell generell intelligens (AGI) ännu inte uppnått samma nivå som mänskligt tänkande. I en nyligen intervju betonade han att trots snabba framsteg finns det fortfarande en märkbar klyfta mellan dagens AI-system och mänsklig kognition.

Enligt Hassabis har dagens AGI-liknande modeller tre svagheter. Den första är bristen på kontinuerligt lärande. De flesta system tränas innan de sätts i drift och förblir sedan i stort sett oförändrade. En ideal AI bör kunna lära sig från sina egna erfarenheter i verkliga miljöer och anpassa sig till nya förhållanden och uppgifter utan ytterligare omträning.

Det andra problemet handlar om långsiktig planering. Även om moderna modeller kan formulera kortsiktiga strategier, kan de ännu inte bygga upp planer år framåt i tiden som människor gör. Hassabis betonar att denna förmåga spelar en avgörande roll i komplex beslutsfattande och strategiskt tänkande.

Den tredje svagheten är intellektuell inkonsekvens. Ett system kan visa exceptionella resultat inom ett område samtidigt som det gör misstag på elementära uppgifter inom ett annat.

Hassabis noterade att dagens system skulle kunna vinna guldmedaljer i International Mathematical Olympiad och lösa extremt komplexa problem, men om en fråga formuleras annorlunda kan de göra fel på enkla matematikproblem. Ett verkligt universellt intelligenssystem bör inte ha sådana förmågaklyftor. Han påpekade att om människor var matteexperter skulle de inte göra fel på enkla problem.

Hassabis har tidigare sagt att fullfjädrad AGI kan uppstå inom 5–10 år. Han medgrundade DeepMind 2010, och efter att Google förvärvade bolaget 2014 blev det en nyckelavdelning för forskning som ligger till grund för Google Gemini-projektet. År 2024 tilldelades Hassabis Nobelpriset i kemi för sina bidrag till teknik för proteinstrukturförutsägelse.