Varken frälsare eller bluff – så ser AI:s verkliga förmåga ut
Varken världsräddare eller bluff – AI:s verkliga förmåga är mer komplex.
Skyttegravarna duger inte längre
DI Digital publicerade nyligen en debattartikel som träffar rätt: AI-debatten har antagit samma polariserade form som politiken. På ena flanken hävdar Nvidias vd Jensen Huang och OpenAIs president Greg Brockman att vi redan lever i "AGI-eran". På den andra står forskare som Gary Marcus och Andrej Karpathy, som menar att ett sådant genombrott ligger minst ett decennium bort.
Fyra personer med djup sakkunskap – fundamentalt olika slutsatser. Och utanför branschen är klyftan ännu bredare: antingen kommer AI snart göra stora delar av mänskligt arbete överflödigt, eller så är hela rörelsen en investeringsbubbla byggd på avancerad textfyllnad.
Som systemutvecklare som arbetar praktiskt med de här verktygen varje dag vill jag säga det rakt ut: båda sidorna har fel. Och det farliga är inte att de har fel i sak – det farliga är att deras rop tar upp så mycket syretillförsel att det blir svårt att se vad som faktiskt händer.
Vad tekniken faktiskt klarar av – ett konkret exempel
Ta Saaras V4, som det indiska AI-företaget Sarvam AI nyligen lanserade enligt MarkTechPost. Det är en taligenkänningsmodell som hanterar alla 22 officiella indiska språk plus engelska med ett brett spektrum av accenter från hela världen.
Det är inte AGI. Det är inte heller en bluff.
Det är ett konkret, specifikt problem som lösts på ett imponerande sätt. Indien har över 1,4 miljarder invånare och en språklig mångfald som gör Sverige – med våra kämpande dialekter – till ett trivialproblem. Att bygga en modell som hanterar allt från hindi till tamil, telugu och manipuri i realtid, med stöd för facktermer via nyckelordstips och fem olika utdatalägen, är ett genuint tekniskt genombrott för hundratals miljoner människor.
Prisnivån – 30 rupier per timme, ungefär tre svenska kronor – gör den dessutom tillgänglig på ett sätt som tidigare systemlösningar aldrig var. Det är AI som demokratiserar tillgång till teknik, inte AI som ersätter mänskligt tänkande.
En viktig brasklapp: alla prestandasiffror hittills är enbart leverantörsrapporterade och har inte verifierats oberoende. Det är en påminnelse om att entusiasm och granskning måste gå hand i hand.
Men vi behöver veta var modellerna brister
Och det för mig till den tredje nyheten, som kanske är den minst glamorösa men i mångt och mycket den viktigaste för den som faktiskt bygger AI-system.
AugLy, Metas bibliotek för dataförstärkning, lyfts av MarkTechPost fram som ett strukturerat ramverk för att testa hur AI-modeller klarar av störningar – inom bild, text och ljud. Man kan till exempel utsätta en bildbaserad igenkänningsmodell för systematiska förvrängningar, eller testa en textklassificerare mot fientliga angrepp som skrivfel, osynliga tecken och Unicode-förklädnader.
Resultaten visar tydligt vilka typer av transformationer som knäcker modellerna. Och det är just den insikten som saknas i den stora debatten.
När Jensen Huang säger att AGI redan är här och Gary Marcus svarar att det är nonsens – pratar de förbi varandra för att ingendera specificerar vad modellerna faktiskt gör under vilka exakta förhållanden. AugLy-metodiken tvingar fram den frågan. Integrationen med PyTorch gör att robusthetstestning kan ske som en del av träningsprocessen, med full spårbarhet för varje transformationssteg.
Det är den sortens disciplin som lyfter AI från marknadsföringspåstående till ingenjörskonst.
En mer produktiv fråga
Istället för att fråga "är AI magi eller bluff?" borde vi fråga: Vilket problem löser den här modellen, under vilka förhållanden, och hur vet vi att den håller när verkligheten är rörigare än träningsdatan?
Saaras V4 svarar på en konkret fråga – och prisnivån antyder att svaret kan nå dem som behöver det mest. AugLy ger oss verktygen att ställa de hårda uppföljningsfrågorna. Och DI Digitals debattartikel påminner oss om att skyttegravarna inte leder någonstans.
Det är inte ett pessimistiskt budskap. Tvärtom – en mer jordnära debatt om vad AI faktiskt förmår är förutsättningen för att tekniken ska kunna göra verklig skillnad.
Vår analys
De här tre nyheterna sätter fingret på något viktigt: AI-fältet behöver mogna ut ur sin tonårsperiod. Vi har länge haft en teknik som är tillräckligt imponerande för att generera extrema påståenden i båda riktningarna – och en bransch som haft kommersiella incitament att hålla liv i överdrifterna.
Men nu börjar vi se konturerna av något sundare. Konkreta produkter som Saaras V4 visar vad tekniken faktiskt levererar för riktiga människor med riktiga behov. Ramverk som AugLy institutionaliserar den kritiska granskning som tidigare lämnats till enskilda forskares goda vilja. Och debattörer – som i DI Digital – börjar kräva att vi slutar prata i apokalyptiska termer.
Utvecklingsriktningen pekar mot mer specialiserade, testade och transparenta modeller snarare än en enda allsmäktig superintelligens. Det är en mer robust grund att bygga på – och i förlängningen en mer trovärdig AI-sektor.