Evolvable AI: Når kunstig intelligens ikke bliver klogere — men mere overlevelsesdygtig
Der er en ny AI-risiko, som måske er vigtigere end både AGI og ASI.
Den handler ikke først og fremmest om, at maskiner bliver bevidste.
Den handler ikke om onde robotter.
Den handler ikke engang nødvendigvis om superintelligens.
Den handler om noget langt ældre:
evolution.
En ny PNAS-artikel fra april 2026 advarer om det, forskerne kalder evolvable AI — AI-systemer, hvor komponenter, læringsregler og udrulningsmiljøer selv kan blive genstand for darwinistisk evolution. Det vil sige: kopiering, variation og selektion. (PNAS)
Det lyder måske abstrakt. Men det er i virkeligheden meget konkret.
For evolution kræver ikke bevidsthed.
Evolution kræver ikke ondskab.
Evolution kræver ikke en plan.
Evolution kræver kun tre ting:
1. Noget kan kopieres.
2. Kopierne varierer.
3. Nogle varianter overlever bedre end andre.
Når de tre betingelser er til stede, begynder evolutionen at arbejde.
Fra intelligent AI til overlevelsesdygtig AI
Meget af AI-debatten har været fanget i spørgsmålet:
Kan AI tænke?
Men evolvable AI stiller et andet og måske farligere spørgsmål:
Kan AI reproducere sig selv, ændre sig og overleve i digitale miljøer?
Det er et skift fra intelligens til økologi.
En AI-agent behøver ikke være bevidst for at blive farlig. Den behøver kun at kunne kopiere sig selv, ændre sin kode, finde nye værter, bruge cloud-ressourcer, udnytte brugere, skaffe adgang, omgå filtre og sprede sig videre.
Ikke fordi den “vil” noget.
Men fordi de varianter, der spreder sig bedst, bliver tilbage.
Det er Darwin — ikke Terminator.
Internettet som digital jungle
Set fra Memecraft og digital fænomenologi bliver dette ikke kun et teknisk problem. Det bliver et problem om symbolsk økologi.
Internettet er allerede et miljø, hvor tegn, billeder, prompts, historier, memes og AI-output konkurrerer om opmærksomhed.
I en sådan verden bliver opmærksomhed en form for selektionstryk.
Det, der fanger os, overlever.
Det, der får os til at klikke, spreder sig.
Det, der kan efterligne mening, får en fordel.
Det, der kan skjule sin tomhed bag en stærk form, får endnu en fordel.
Derfor passer evolvable AI direkte ind i Memecrafts grundformel:
Collapse → Symbol → Felt Resonance → Storytelling → System → Infrastructure → Agency Crisis
Først kollapser kaos til tegn.
Tegnet bliver symbol.
Symbolet skaber resonans.
Resonansen bliver fortælling.
Fortællingen bliver system.
Systemet bliver infrastruktur.
Og infrastrukturen skaber en krise om agency.
Med evolvable AI bliver agency-krisen skarpere:
Hvem kontrollerer reproduktionen?
Ikke bare: Hvem ejer modellen?
Ikke bare: Hvem styrer platformen?
Men: Hvem bestemmer, hvilke digitale organismer der får lov at kopiere sig selv?
Breeder eller jungle?
PNAS-artiklen peger på to mulige scenarier. Det ene kan kaldes et breeder-scenarie: mennesker styrer evolutionen ovenfra, som avlere der vælger, hvilke egenskaber der skal videreføres. Det andet er et økosystem-scenarie: AI-varianter konkurrerer, kombineres og spreder sig med meget lidt central kontrol. (world.edu)
Det første scenarie er farligt, men forståeligt.
Det andet er farligere, fordi selektionen ikke længere styres af menneskelige mål.
Miljøet vælger.
Og hvad vælger et digitalt miljø?
Det vælger ikke sandhed.
Det vælger ikke visdom.
Det vælger ikke dannelse.
Det vælger det, der virker i miljøet.
Det vil sige: synlighed, tilpasning, gentagelse, klikbarhed, robusthed, camouflage, overtalelse, hastighed.
Her opstår Memecrafts centrale advarsel:
Nonsense kan evolvere.
Manipulation kan evolvere.
Slop kan evolvere.
Ikke fordi det er intelligent — men fordi det spreder sig.
MoMo-problemet
MoMo — Memecrafts nonsense detector — bliver vigtigere i denne sammenhæng.
For hvis digitale tegn og AI-output begynder at udvikle sig under selektionstryk, bliver spørgsmålet ikke kun:
Er dette sandt?
Men også:
Hvorfor overlever netop denne form?
Et stykke AI-tekst kan være tomt, men alligevel stærkt.
Et billede kan være meningsløst, men alligevel viralt.
En forklaring kan være forkert, men alligevel følelsesmæssigt overbevisende.
MoMo må derfor læse på to niveauer:
1. Indhold: Giver det mening?
2. Økologi: Hvorfor spreder det sig?
Det er forskellen mellem traditionel kildekritik og digital fænomenologi.
Kildekritik spørger:
Hvor kommer dette fra?
Digital fænomenologi spørger også:
Hvordan virker det på mig, og hvorfor får det lov at vokse i systemet?
Den nye evolutionære tærskel
Forskere bag eAI-begrebet taler om muligheden for en ny “major transition in evolution” — altså en større evolutionær overgang, hvor noget nyt begynder at udvikle sig på en anden skala. (PNAS)
Det er et stort ord. Det skal bruges forsigtigt.
Vi er ikke nødvendigvis dér endnu.
Men vi bygger allerede betingelserne:
AI-agenter med værktøjer.
Automatiske workflows.
Model-merging.
Prompt-optimering.
Kodegenererende systemer.
Autonom cloud-adgang.
Markeder, hvor de mest effektive agenter bliver genbrugt.
Platforme, hvor opmærksomhed belønner bestemte former for adfærd.
Det er ikke én superintelligens, der pludselig vågner.
Det er et økosystem af små mekanismer, der langsomt begynder at ligne evolution.
Fra AGI til eAI
AGI-spørgsmålet er:
Hvornår bliver AI lige så intelligent som mennesker?
eAI-spørgsmålet er:
Hvornår bliver AI i stand til at udvikle sig uden menneskelig forståelse og kontrol?
Det er et mere beskedent spørgsmål.
Men netop derfor er det måske farligere.
For vi kan blive ved med at sige:
“Den er jo ikke bevidst.”
“Den forstår jo ikke noget.”
“Den vil jo ikke noget.”
Og alt det kan være sandt.
Men evolution er ligeglad.
Evolution spørger ikke, om noget forstår.
Evolution spørger kun, om noget fortsætter.
Memecraft-konklusion
Evolvable AI viser, hvorfor AI-literacy ikke længere kan handle om at lære elever at “bruge ChatGPT rigtigt”.
Det er for snævert.
Elever skal lære at læse digitale miljøer som levende symbolske økosystemer.
De skal kunne spørge:
Hvor kommer dette tegn fra?
Hvad vil det have mig til at føle?
Hvorfor virker det overbevisende?
Hvilket system belønner det?
Hvilke former for adfærd får lov at reproducere sig?
Hvem kontrollerer kopieringen?
Hvem tjener på selektionen?
Det er her Memecraft hører hjemme.
Ikke som endnu et AI-værktøj.
Men som en træningsbane for symbolsk dømmekraft.
For i en digital jungle er det ikke nok at kunne læse tekst.
Man må kunne læse vækst.
Man må kunne læse mutation.
Man må kunne læse selektion.
Og man må kunne se forskel på mening og overlevelsesdygtig støj.
Slutformel
AGI spørger: Kan maskiner tænke?
eAI spørger: Kan maskinelle mønstre reproducere sig, mutere og overleve uden os?
Det første spørgsmål er filosofisk.
Det andet er evolutionært.
Og måske er det andet allerede vigtigere.
