Du kender AI, men hvad med AGI og ASI?

Hvad er forskellen på AI, AGI og ASI?

Begreberne AI, AGI og ASI dukker op overalt i øjeblikket - i nyhedsartikler, på LinkedIn og i bestyrelseslokaler. Alligevel er der stor forvirring om, hvad de egentlig betyder, og hvad forskellen er. Den forvirring er forståelig, for det er tre fundamentalt forskellige ting. Her er en gennemgang af, hvad hvert begreb dækker over, hvor langt vi er nået, og hvad det betyder for dig som marketingprofessionel.

---

AI - Det vi bruger i dag

Når vi taler om kunstig intelligens i dagligdagen, taler vi om det, der på engelsk kaldes narrow AI - eller svag AI. Det er den form for AI, der i dag er integreret i stort set alle digitale platforme og værktøjer.

Narrow AI er designet til at løse én specifik opgave eller et snævert sæt af opgaver - og den gør det ofte bedre end mennesker. Men den kan ikke andet.

Konkrete eksempler:

• Spotifys anbefalingsalgoritme er ekstremt god til at foreslå musik baseret på din lyttehistorik - men den kan ikke skrive en artikel

• ChatGPT og Claude er avancerede sprogmodeller, der genererer tekst og besvarer spørgsmål - men de kan ikke styre et selvkørende køretøj

• Metas annoncealgoritme optimerer kampagner med stor præcision - men den kan ikke oversætte et dokument fra dansk til finsk

Pointen er, at narrow AI er ekstremt kompetent inden for sit felt, men kan ikke generalisere sin viden til andre områder. Den lærer gennem en teknik kaldet machine learning, hvor den fodres med store mængder data og identificerer mønstre. Jo mere data, jo bedre - men kun inden for det domæne den er trænet på.

I dag bruger marketingfolk narrow AI til alt fra content creation og dataanalyse til annonceoptimering, kundesegmentering og automatiseret kundeservice. Det fungerer godt - men det kræver, at mennesker styrer processerne og definerer opgaverne.

---

AGI - Kunstig generel intelligens

AGI - Artificial General Intelligence - er noget fundamentalt anderledes. En AGI er kunstig intelligens, der kan tænke, lære og handle som et menneske på tværs af alle fagområder og domæner.

En AGI ville kunne:

• Læse og analysere en marketingrapport

• Derefter komponere musik til en reklamekampagne

• Dernæst løse et matematisk problem

• Og endelig udarbejde en strategisk forretningsplan

Uden at skulle genoptrænes mellem opgaverne. Det er præcis den type fleksibilitet, der adskiller AGI fra narrow AI.

Nøgleforskelle fra narrow AI

Generalisering: Narrow AI kan kun det, den er trænet til. AGI kan overføre viden fra ét område til et andet - ligesom en erfaren marketingperson bruger sin forståelse af forbrugeradfærd på tværs af kanaler, formater og brancher.

Selvstændig læring: Narrow AI skal trænes af mennesker med specifikke datasæt. AGI kan lære autonomt, opdage nye mønstre og forbedre sig uden konstant menneskelig vejledning.

Kontekstforståelse: Narrow AI forstår den kontekst, den er programmeret til. AGI forstår nuancer, kulturelle referencer og ironi på et niveau, der svarer til menneskelig forståelse.

Problemløsning: Narrow AI løser problemer, den kender. AGI kan håndtere helt nye problemstillinger ved at kombinere viden fra forskellige domæner.

Hvornår kommer AGI?

Her er svarene delte - men tidshorisonen er kortere end de fleste forventer.

Sam Altman, CEO for OpenAI, udtalte i november 2024, at AGI muligvis kan nås allerede i 2025-2026. Dario Amodei, CEO for Anthropic, forudsiger AGI senest i 2026. Eric Schmidt, tidligere CEO for Google, vurderer, at vi når dertil inden for 3-5 år. Geoffrey Hinton, der regnes som en af grundlæggerne af moderne AI, estimerer 5-20 år.

Der er fortsat stor uenighed om, hvad AGI præcist defineres som. Men der er bred enighed om, at udviklingen sker langt hurtigere end for blot få år siden.

Hvad betyder AGI for marketing?

En fuldt udviklet AGI ville kunne analysere et helt marked, udvikle en komplet marketingstrategi, producere content på tværs af alle formater, køre og optimere kampagner, håndtere kundeservice - og gøre alt det autonomt og med minimal menneskelig intervention. Det er ikke blot automatisering af enkeltstående opgaver. Det er et system, der kan tænke strategisk, forstå mennesker og lære af sig selv.

ASI - Kunstig superintelligens

ASI - Artificial Superintelligence - er niveauet hinsides AGI. En ASI matcher ikke blot menneskelig intelligens - den overgår den markant på alle områder.

Filosoffen Nick Bostrom, der er en af verdens førende forskere inden for AI-sikkerhed, beskriver ASI som "en intelligens, der er meget klogere end de bedste menneskelige hjerner på praktisk talt alle felter."

En ASI ville:

• Overgå den mest geniale videnskabsmand

• Være mere kreativ end den bedste kunstner

• Tænke hurtigere og mere præcist end nogen menneskelig strateg

• Og vigtigst af alt: kunne forbedre sig selv

Det er det sidstnævnte punkt, der gør ASI fundamentalt forskellig fra AGI. En ASI kan omskrive sin egen kode, gøre sig selv klogere, som igen gør den endnu klogere - en selvforstærkende proces, der i teorien kan køre eksponentielt. Det kaldes en intelligens-eksplosion.

Eksisterer ASI i dag?

Nej. ASI er stadig udelukkende hypotetisk. Den er ikke blevet demonstreret, og der er bred videnskabelig enighed om, at vi er langt fra det.

Estimater for hvornår - eller om - ASI kan opstå varierer enormt. Nogle forskere peger på 2030'erne til 2050'erne. Andre mener det aldrig vil ske. Sam Altman har udtalt, at ASI er "tusindvis af dage væk" fra AGI.

Risici og muligheder

ASI er emnet, der deler vandene mest. Potentialet er enormt: Hurtig medicinsk forskning, løsninger på klimakrisen, opfindelser der ligger langt hinsides menneskelig forestillingsevne. Men risiciene er tilsvarende alvorlige.

Elon Musk har vurderet, at uhåndteret AI udgør en reel eksistentiel risiko. OpenAI har selv erkendt, at de ikke ved, hvordan man "pålideligt styrer og kontrollerer superintelligente AI-systemer." Anthropic er grundlagt med det primære formål at forske i sikker AI-udvikling, netop fordi disse risici tages alvorligt.

Det er ikke spekulativt underholdning - det er seriøs forskning og seriøs diskussion blandt verdens førende teknologivirksomheder og videnskabsfolk.

Opsummering: Tre niveauer, tre tidslinjer

Begreb	Hvad det er	Status
AI (Narrow AI)	Specialiseret AI til specifikke opgaver	Tilgængelig i dag
AGI	AI med menneskelig intelligens på tværs af alle domæner	Muligvis inden for 3-10 år
ASI	Superintelligens der overgår mennesker på alle områder	Hypotetisk - muligvis 2030-2050+

---

Hvad det betyder for marketingfolk

Forståelsen af disse tre niveauer er ikke akademisk øvelse - den har direkte konsekvenser for, hvordan man bør tilgå sit arbejde og sin kompetenceudvikling.

I dag handler det om at mestre de narrow AI-værktøjer, der er tilgængelige, og lære at integrere dem effektivt. De kræver menneskelig styring, og de afspejler det input, de får. Kvaliteten af output afhænger af kvaliteten af den menneskelige indsats bag.

I de kommende år vil AGI gradvist ændre på dette. Dele af det marketingarbejde, der i dag kræver menneskelig ekspertise, vil kunne automatiseres på et langt mere avanceret niveau end i dag. Det stiller spørgsmålet: Hvad er den menneskelige merværdi, som AI ikke kan reproducere?

Svaret ligger sandsynligvis i ægte strategisk forståelse, menneskelig empati, kulturel kontekst og etisk dømmekraft. Det er kompetencer, der bliver vigtigere, ikke mindre vigtige, i takt med at AI tager sig af mere af det tekniske og eksekveringsmæssige.

Udviklingstempoet er højere end nogensinde. Hvad der var science fiction for tre år siden, er standard-funktionalitet i dag. Det er et godt argument for løbende at holde sig orienteret - og for at investere i forståelse af teknologien, ikke blot brugen af den.