AGI (*artificial general intelligence*, sztuczna inteligencja ogólna) to hipotetyczny system AI, który radzi sobie z szerokim zakresem zadań intelektualnych na poziomie człowieka lub wyższym, także w sytuacjach, do których nie był osobno trenowany. Nie ma jednej przyjętej definicji ani miernika, dlatego prognozy są rozbieżne: w ankiecie badaczy AI z 2023 roku połowa prognoz dla maszyn wykonujących każde zadanie lepiej i taniej niż ludzie wypadała na rok 2047.
Hasło „AGI” pada w nagłówkach, na konferencjach i w rozmowach o przyszłości zawodu programisty, zwykle z dopiskiem, że to kwestia kilku lat. Zanim uwierzysz w taką prognozę albo ją odrzucisz, warto wiedzieć, co dokładnie oznacza ten skrót, bo jego definicji jest co najmniej kilka i nie są ze sobą zgodne.
Czym jest AGI?
AGI (artificial general intelligence), po polsku sztuczna inteligencja ogólna, to hipotetyczna AI, która potrafi uczyć się i wykonywać szeroki zakres zadań intelektualnych na poziomie człowieka lub wyższym, w tym w nowych sytuacjach, do których wcześniej nie była przygotowana. Kluczowe jest słowo „ogólna”: nie chodzi o system, który świetnie gra w szachy albo tłumaczy teksty, tylko o taki, który sam radzi sobie z nowym rodzajem problemu.
To ważne, bo wszystkie dzisiejsze systemy są tzw. wąską AI (narrow AI), nawet jeśli wąski zakres jest bardzo szeroki, jak w przypadku dużych modeli językowych. Podstawy tego rozróżnienia opisujemy w artykule Czym jest sztuczna inteligencja, a sam model językowy w tekście Czym jest LLM.
Jak AGI różni się od wąskiej AI, LLM i superinteligencji?
| Pojęcie | Co potrafi | Czy istnieje |
|---|---|---|
| Wąska AI (narrow AI) | Radzi sobie z konkretnym zadaniem lub rodziną zadań, np. filtr spamu, rozpoznawanie obrazów | Tak, to wszystkie dzisiejsze systemy |
| LLM | Rozmawia, pisze, tłumaczy i generuje kod na bardzo wielu tematach, ale opiera się na przewidywaniu kolejnych tokenów | Tak; dla jednych to pierwszy krok w stronę AGI, dla innych nadal wąska AI |
| Agent AI | LLM z narzędziami, który w pętli sam wybiera kolejne kroki | Tak, zob. czym są agenty AI |
| AGI | Radzi sobie z szerokim zakresem zadań intelektualnych na poziomie człowieka i uczy się nowych | Zależy od definicji; w większości z nich jeszcze nie |
| Superinteligencja (ASI, artificial superintelligence) | Przewyższa ludzi we wszystkich dziedzinach | Pojęcie spekulatywne |
Zwróć uwagę na kolumnę „Zależy od definicji”. To nie unik, tylko sedno sporu o AGI: ten sam system może być „AGI” według jednej definicji i zwykłą wąską AI według innej.
Dlaczego nie ma jednej definicji AGI?
Poniższe definicje są wszystkie używane i każda mierzy coś innego:
| Źródło | Jak definiuje AGI lub pokrewne pojęcie | Na czym polega kłopot |
|---|---|---|
| OpenAI (Karta OpenAI, Charter) | „Wysoce autonomiczne systemy, które przewyższają ludzi w większości pracy o wartości ekonomicznej” | Nieprecyzyjne: ile to „większość”, co znaczy „wartość ekonomiczna” |
| Google DeepMind (Morris i in., 2023) | AI, która dorównuje człowiekowi w większości zadań, opisywana poziomami według głębokości (jakości) i szerokości (zakresu) umiejętności | Nie ma jednego progu „to już AGI”, są stopnie |
| François Chollet (autor testu ARC-AGI) | Inteligencja to efektywność zdobywania nowych umiejętności, a nie sama liczba umiejętności | Trudno ją zmierzyć jedną liczbą |
| Ankiety AI Impacts | „Maszyny bez pomocy, które wykonują każde zadanie lepiej i taniej niż ludzie” (high-level machine intelligence) | Bardzo wysoka poprzeczka: każde zadanie, nie większość |
Do tego dochodzi efekt, który znamy z historii AI: to, co system już potrafi, przestaje wyglądać na „prawdziwą” inteligencję, więc poprzeczka przesuwa się razem z postępem. Dlatego pytanie „czy AGI już jest?” bez podania definicji nie ma odpowiedzi.
Jak mierzy się postęp w kierunku AGI?
Dwie metody są szczególnie często przywoływane.
Poziomy AGI według DeepMind. Zespół Google DeepMind zaproponował w 2023 roku, żeby nie pytać „czy to AGI?”, tylko oceniać dwie rzeczy osobno: jakość (jak dobry jest system w porównaniu z dorosłymi ludźmi, którzy mają dane umiejętności) i ogólność (w ilu różnych zadaniach tak dobry jest). W późniejszych wersjach pracy doszedł trzeci wymiar: autonomia.
| Poziom | Nazwa | Jakość w porównaniu z dorosłymi ludźmi z danymi umiejętnościami |
|---|---|---|
| 1 | Emerging | Równa lub nieco lepsza niż niewykwalifikowanego człowieka |
| 2 | Competent | Co najmniej 50. percentyl |
| 3 | Expert | Co najmniej 90. percentyl |
| 4 | Exceptional | Co najmniej 99. percentyl |
| 5 | Superhuman | Lepsza niż wszyscy ludzie |
Autorzy w 2023 roku ocenili ChatGPT, Barda, Llamę 2 i Gemini jako „Emerging AGI” (poziom 1 ogólnej AI), zaznaczając, że na części zadań te systemy osiągają już poziom Competent. To ocena z jednego momentu, więc dziś mogłaby wypaść inaczej, ale pokazuje sposób myślenia: AGI jako skala, a nie próg.
Test ARC-AGI. To zestaw zadań ułożonych przez François Cholleta, który opisał go w pracy „On the Measure of Intelligence” (2019). Zadania wymagają zauważenia reguły na kilku przykładach i zastosowania jej w nowej sytuacji, bez wcześniejszej wiedzy poza podstawowymi pojęciami. Zasada projektu brzmi: łatwe dla ludzi, trudne dla AI. Test mierzy to, co Chollet uważa za sedno inteligencji, czyli szybkość uczenia się nowych rzeczy, a nie wiedzę. Wyniki modeli zmieniają się szybko i zależą od sposobu uruchomienia, więc nie przytaczamy ich tutaj: aktualne, zweryfikowane liczby są w rankingu na stronie arcprize.org.
Kiedy powstanie AGI? Co mówią badacze
Najbardziej znane dane pochodzą z cyklicznych ankiet AI Impacts, w których pytano badaczy uczenia maszynowego o to, kiedy maszyny dorównają ludziom:
| Pytanie | Rok, do którego jest 50% szans (agregat odpowiedzi) | W ankiecie rok wcześniej (2022) |
|---|---|---|
| Maszyny wykonują każde zadanie lepiej i taniej niż ludzie (HLMI) | 2047 | 2060 |
| Pełna automatyzacja pracy (FAOL) | 2116 | 2164 |
Wynika z tego kilka rzeczy. Po pierwsze, prognozy przybliżyły się w ciągu roku o kilkanaście lat, co pokazuje, jak są niestabilne. Po drugie, różnica między 2047 a 2116 to tylko inne sformułowanie pytania: „każde zadanie” wypada lepiej niż „pełna automatyzacja zawodów”. Po trzecie, to opinie, a nie pomiary, więc traktuj je jako obraz nastrojów w środowisku, nie jako harmonogram.
Podobne wrażenie ma Przemek Smyrdek, współtwórca Przeprogramowani.pl i Opanuj AI, który w rozmowie o przyszłości zawodu mówi o zapowiedziach z mediów i marketingu, że AGI jest „za rogiem”, i o tym, że horyzont tych zapowiedzi stale się przesuwa:
Czy AGI już istnieje?
Odpowiedź zależy od definicji, a nie od faktów, które są sporne:
- Według skali DeepMind pierwsze stopnie ogólności już widać: duże modele językowe są klasyfikowane jako „Emerging AGI”, z lokalnymi wynikami na poziomie Competent.
- Według definicji „wykonuje każde zadanie lepiej i taniej niż człowiek” to wciąż odległa perspektywa, o czym mówią choćby daty z ankiet.
- Według definicji Cholleta liczy się szybkość uczenia się nowych rzeczy, nie wiedza, a to inny wymiar niż to, co mierzą typowe testy wiedzy.
Dlatego sensowniejsze od pytania „czy AGI już jest?” jest pytanie: jaką definicję ktoś przyjmuje i czym ją mierzy?
Co AGI oznaczałoby dla programistów?
Najczęściej padające pytanie brzmi: czy AGI zastąpi programistów. Dr Jakub Strychowski, CTO i doktor AI, w rozmowie w naszym podcaście przekonuje, że pełne zastąpienie programistów wymagałoby prawdziwego AGI zdolnego samodzielnie rozmawiać z biznesem, a obecne narzędzia są raczej wzmocnieniem pracy człowieka niż jego zamiennikiem:
Szerzej o tym, jak zmienia się zawód, piszemy w artykule Czy AI zastąpi programistów, czy tylko zmieni ich pracę oraz Czy nauka programowania w dobie AI ma sens.
Jakie są spory i ryzyka wokół AGI?
| Obszar | O co chodzi |
|---|---|
| Dopasowanie celów (alignment) | Jak sprawić, żeby bardzo zdolny system robił to, czego ludzie naprawdę chcą, a nie tylko to, co dosłownie zapisano w poleceniu |
| Koncentracja mocy | Kto buduje i kontroluje najpotężniejsze systemy, bo trening największych modeli jest bardzo drogi |
| Rynek pracy | Tempo i zakres automatyzacji, o których prognozy badaczy są bardzo rozbieżne |
| Szum informacyjny | Zapowiedzi „AGI za rogiem” bywają elementem marketingu, więc trudno oddzielić postęp od narracji |
| Koszty | Energia i woda potrzebne do trenowania i uruchamiania największych modeli, zob. sekcja o kosztach w artykule Czym jest LLM |
Eksperci nie są zgodni ani co do skali tych ryzyk, ani co do tego, które są najpilniejsze. Warto czytać różne źródła, zamiast opierać się na jednej narracji.
Co z tego wynika dla osoby, która uczy się programować?
Praktyczne wnioski nie zależą od tego, kiedy (i czy) powstanie AGI:
- Nie planuj kariery pod konkretną datę. Prognozy zmieniają się z roku na rok i zależą od definicji.
- Buduj umiejętności, które wzmacniają pracę z AI, a nie tylko jej konkurują: czytanie kodu, testowanie, rozumienie wymagań, weryfikacja wyników. O codziennej pracy z narzędziami piszemy w artykule o promptach do kodu.
- Zrozum, jak działają dzisiejsze systemy. Wiedza o modelach, agentach i ich ograniczeniach przyda się niezależnie od tego, czy kiedyś pojawi się AGI. Tę drogę, od API modelu po systemy agentowe, przechodzisz na ścieżce AI Engineer.
Uwaga mentora: najczęstsze pytanie, które słyszymy od osób zaczynających naukę, brzmi: „czy jest sens się uczyć, skoro AGI jest za rogiem?”. Zamiast zgadywać datę, lepiej budować umiejętności, które zostają przydatne niezależnie od niej: czytanie cudzego kodu, testowanie, rozumienie wymagań i weryfikowanie wyników narzędzi.
Jak odpowiedzieć na pytanie o AI i AGI na rozmowie rekrutacyjnej?
Pytanie „czy AI zastąpi programistów?” pada na rozmowach coraz częściej. Rekruter zwykle nie oczekuje wróżenia, tylko dojrzałego podejścia. Dobra odpowiedź ma trzy elementy:
- Nie zgaduj daty. Prognozy badaczy zależą od definicji i zmieniają się z roku na rok, więc lepiej to powiedzieć wprost, niż podawać konkretny rok.
- Rozróżnij dzisiejsze narzędzia od hipotetycznego AGI. Dziś mamy wąską AI, w tym duże modele językowe, a AGI to pojęcie, wokół którego nie ma zgody.
- Powiedz, jak sam pracujesz z AI i jak weryfikujesz jej wyniki. To pokazuje praktykę: czy czytasz wygenerowany kod, piszesz do niego testy i sprawdzasz, czy zaproponowane biblioteki naprawdę istnieją.
Przykładowa odpowiedź, którą możesz dopasować do siebie: „Nie wiem, kiedy i czy pojawi się AGI, bo badacze nie są zgodni nawet co do definicji. Dzisiejsze narzędzia przyspieszają moją pracę, ale każdy wygenerowany kod czytam i testuję, bo model potrafi się mylić. Dlatego uczę się umiejętności, które zostają ważne niezależnie od tego, jak szybko narzędzia się rozwijają.”
Najczęstsze pytania o AGI
Czy ChatGPT to AGI?
Nie według większości definicji, ale zależy od przyjętej. DeepMind w 2023 roku zaklasyfikował takie systemy jako „Emerging AGI”, czyli początek skali ogólności, a nie system dorównujący człowiekowi w większości zadań. Samo ChatGPT to aplikacja oparta na dużym modelu językowym.
Czym różni się AGI od ASI?
AGI dorównuje człowiekowi w szerokim zakresie zadań intelektualnych, a ASI (superinteligencja) miałaby go przewyższać we wszystkim. Oba pojęcia są na razie hipotetyczne.
Kiedy powstanie AGI?
Nikt tego nie wie. W ankiecie badaczy AI z 2023 roku połowa prognoz dla maszyn wykonujących każde zadanie lepiej i taniej niż ludzie wypadała na rok 2047, ale to opinie, a nie pomiary, i zmieniają się z roku na rok.
Czy AGI musi być świadome?
Nie. Żadna z popularnych definicji nie wymaga świadomości; mówią o zdolnościach, a nie o doświadczaniu. Czy maszyna mogłaby być świadoma, to osobne, otwarte pytanie.
Czy AGI jest groźne?
Badacze są podzieleni. Ryzyka, które się omawia, to m.in. dopasowanie celów systemu do ludzkich intencji, koncentracja mocy i wpływ na rynek pracy, ale skala i pilność tych zagrożeń są sporne.
