Hvorfor er eksperter så uenige om når AGI kommer?

TL;DR (Kort oppsummert)

Uenigheten om når AGI (kunstig generell intelligens) kommer, handler mindre om selve teknologien. Den handler mer om at det ikke finnes noen felles, presis definisjon av hva AGI egentlig er. Spørsmålet “når kommer AGI” har ikke et avtalt svar på “hva er AGI”. Da vil ulike grupper naturlig lande på svært ulike anslag. Ledere i AI-selskaper har tettest innsyn i egne, ennå ikke lanserte systemer. De har historisk hatt en tendens til å anslå kortere tidshorisonter enn forskere som svarer på brede spørreundersøkelser. Begge grupper har gode grunner til sine anslag. Begge har også incentiver som kan trekke svarene i én retning. Denne artikkelen forklarer selve definisjonsproblemet og hvorfor det gjør spørsmålet vanskeligere å svare presist på enn det høres ut som. Vi hevder ikke selv å kunne fastslå når AGI faktisk kommer.

Dette er ikke det samme spørsmålet som “hva er AGI”

Vi har tidligere forklart hva AGI er som begrep: kort sagt en fremtidig AI som kan lære og løse alle typer oppgaver like godt som, eller bedre enn, et menneske. Denne artikkelen går videre til et annet spørsmål. Hvorfor er anslagene for når det skjer så vidt forskjellige, fra noen få år til flere tiår, avhengig av hvem du spør? Vi har også skrevet om norske partiers standpunkt til om AGI-utvikling bør reguleres. Det er et tredje, distinkt spørsmål: politikk rundt regulering, ikke et forsøk på å anslå en dato.

Kjernen i problemet: ingen er enige om hva som faktisk teller som AGI

Det høres ut som et enkelt spørsmål å svare “ja” eller “nei” på om noe er AGI eller ikke. I praksis finnes det ingen allment akseptert, presis definisjon. Forskere ved Google DeepMind publiserte i 2023 en gjennomgang av eksisterende AGI-definisjoner i forskningslitteraturen. De fant så mange ulike tilnærminger at de selv foreslo et rammeverk med seks ulike “nivåer” av AGI. Nivåene går fra “fremvoksende” (på linje med eller litt bedre enn et menneske uten spesialkompetanse), via “kompetent”, “ekspert” og “virtuos”, til slutt overmenneskelig. Alt vurderes langs to separate akser: hvor godt systemet presterer, og hvor generelt, altså bredt anvendelig, det er.

Andre definisjoner er enda mer forskjellige i tilnærming. OpenAI definerer i sine egne vedtekter AGI kort som “et høyt autonomt system som overgår mennesker på det meste av økonomisk verdifullt arbeid”. Flere kritikere har påpekt at denne definisjonen er problematisk, nettopp fordi den kobler AGI til økonomisk nytte fremfor til generell intelligens i seg selv. Andre foreslår i stedet et helt annet kriterium: om det er økonomisk lønnsomt å la en AI-agent kjøre kontinuerlig over tid, i motsetning til å bestå en test eller matche menneskelig prestasjon på et gitt oppgavesett.

Når selve målestokken varierer så mye, sier det seg selv at “når når vi den” også vil variere kraftig, avhengig av hvilken målestokk du legger til grunn.

Hvorfor har ulike grupper systematisk ulike anslag?

Analyser som har samlet og sammenlignet offentlige AGI-anslag over tid, finner et gjenkjennelig mønster mellom ulike grupper, ikke bare tilfeldig spredning:

Gruppe	Typisk anslag	Hvorfor
Ledere i AI-selskaper	Kortere tidshorisonter enn andre grupper	Tettest innsikt i egne, ennå ikke offentliggjorte systemer, men også et tydelig kommersielt incentiv til å fremstå som ledende
AI-forskere i akademia	Historisk lengre tidshorisonter, men kortere år for år	Bredt spurt gjennom spørreundersøkelser på tvers av forskningsmiljøer
Prognoseplattformer (f.eks. Metaculus)	Markant nedgang i gjennomsnittlig anslått tidshorisont	Løpende, oppdaterte gruppeanslag, men i stor grad avhengig av hvilken AGI-definisjon spørsmålet bygger på
AI-sikkerhetsforskere	Bred usikkerhet fremfor ett konkret årstall	Primært opptatt av risiko ved å ta feil i begge retninger, ikke av å treffe en dato

Ingen av disse gruppene “lyver”. De er heller ikke nødvendigvis mer eller mindre kompetente enn de andre. De svarer bare på et spørsmål der selve definisjonen av hva som telles, varierer fra person til person.

Fire ulike grupper, fire ulike informasjonskilder og incentiver, fire ulike anslag.

Hvorfor spiller dette faktisk en rolle for deg?

Det kan virke som en akademisk krangel om ord. Men uenigheten har konkrete konsekvenser. Regelverk, investeringer og offentlig debatt om KI-sikkerhet bygger ofte, uten å si det rett ut, på en antakelse om hvor nært eller fjernt AGI faktisk er. Anslagene spriker med flere tiår, avhengig av hvem som spørres. Da blir det også vanskeligere for politikere, virksomheter og vanlige folk å vite hvor mye vekt de bør legge på AGI-spesifikke bekymringer akkurat nå, i motsetning til mer nære, konkrete spørsmål om dagens AI-systemer.

Regelverk, investeringer og offentlig debatt hviler ofte på en antakelse om AGI som ingen faktisk kan bekrefte.

Vanlige spørsmål

Er det noen som faktisk vet når AGI kommer?

Nei. Ingen forskningsmiljø eller selskap har vist seg å kunne forutsi dette pålitelig. Selv anslag fra de samme gruppene endrer seg raskt fra år til år, etter hvert som ny informasjon kommer til.

Hvorfor stoler ikke forskere mer på det AI-selskapene selv sier?

Ikke fordi selskapslederne nødvendigvis tar feil. De har et tydelig kommersielt incentiv til å fremstå som ledende, noe som gjør det vanskelig å skille en genuin teknisk vurdering fra markedsføring. Det samme gjelder motsatt vei: akademiske forskere har ikke nødvendigvis bedre innsyn i de nyeste, ulanserte systemene.

Hvorfor har anslagene generelt blitt kortere de siste årene, uansett hvem som spørres?

Fordi språkmodeller har blitt merkbart bedre på stadig flere oppgaver, ikke minst etter at resonnerende modeller begynte å prestere langt bedre enn tidligere generasjoner på kompliserte oppgaver. Det har fått mange, på tvers av grupper, til å justere sine anslag nedover. Det er likevel ikke det samme som at gruppene nå er enige. Avstanden mellom de korteste og lengste anslagene er fortsatt stor.

Er dette spørsmålet det samme som om AGI bør reguleres?

Nei, det er et beslektet, men eget spørsmål. Denne artikkelen handler om selve uenigheten rundt tidslinjer og definisjon. Norske partiers standpunkt til AGI-regulering er et politisk spørsmål som i praksis må håndteres uansett hvor sikre eller usikre tidslinjene er.

Oppsummering og kilder

Uenigheten om når AGI kommer, bunner primært i at det ikke finnes én omforent definisjon av hva AGI faktisk er. Forskning fra Google DeepMind har forsøkt å systematisere dette gjennom et flernivå-rammeverk. Ulike grupper (selskapsledere, akademiske forskere, prognoseplattformer og sikkerhetsforskere) har systematisk ulike anslag, delvis forklart av ulik informasjonstilgang og ulike incentiver. Ingen gruppe har vist seg å treffe pålitelig. Selve spriket i anslagene er i seg selv den mest stabile, evigrønne observasjonen man kan gjøre om debatten.

Det viktigste å huske:

Det finnes ingen allment akseptert definisjon av AGI, noe som gjør “når kommer den”-spørsmålet grunnleggende vanskelig å svare presist på
Google DeepMind foreslo i 2023 et rammeverk med seks nivåer av AGI for å systematisere de mange ulike definisjonene i forskningslitteraturen
Selskapsledere har historisk hatt en tendens til kortere anslag enn akademiske forskere spurt bredt, delvis forklart av ulik informasjonstilgang og ulike incentiver
Anslag fra alle grupper har generelt blitt kortere over tid, men avstanden mellom gruppene er fortsatt stor
Dette er et annet spørsmål enn hvorvidt AGI bør reguleres, som er et politisk spørsmål uavhengig av hvor sikre tidslinjene er

Kilder brukt i denne artikkelen:

Sist oppdatert: August 2026

Merk om evighetsverdi: Denne artikkelen er bevisst skrevet rundt selve uenighetsmønsteret og definisjonsproblemet, ikke rundt hvilket årstall enkeltselskaper har uttalt seg om akkurat nå. Slike enkeltuttalelser endrer seg raskere enn artikkelen er ment å holde tritt med.

Hvorfor tror noen AI-selskaper AGI kommer om få år, mens andre tror det er tiår unna?