AGI уже здесь? Что такое общий искусственный интеллект 

Различия между AGI и обычным ИИ

Мы привыкли называть искусственным интеллектом модели типа ANI — Artificial Narrow Intelligence. Дословно — узкий или ограниченный ИИ. AGI (Artificial General Intelligence) — общий ИИ. Разберем главные отличия AGI и ANI.

Узкий ИИ (ANI):

• решает одну или несколько специфических задач (распознавание лиц, перевод текста и т. д.);
• требует переобучения или дообучения для решения новых задач;
• не умеет переносить опыт из одной сферы в другую;
• имитирует понимание на основе статистических паттернов.

Общий ИИ (AGI):

• решает любые интеллектуальные задачи, как человек;
• самообучается и адаптируется без участия инженеров;
• способен обобщать опыт во всех сферах;
• на самом деле понимает причинно-следственные связи.

Ключевая разница кроется в универсальности. Узкий ИИ — это по сути очень мощный калькулятор для решения конкретной задачи. Когда мы смотрим видео с фейковыми котиками, перед нами просто генеративная модель. Настоящий AGI бесконечно далек от этого.

Характеристики AGI

Что же делает машину общим искусственным интеллектом AGI?

Универсальность

Настоящий AGI должен уметь переключаться между совершенно разными задачами на лету и без переобучения. General в аббревиатуре означает умение делать все, что делает человек. Нейросеть для игры в шахматы не знает, как приготовить завтрак, а AGI должен переключаться между тысячами занятий так же легко, как мы переводим взгляд с одного предмета на другой.

Да, ИИ вроде ChatGPT или DeepSeek тоже на это способны. Утром они помогают оформлять юридические документы, днем генерируют бизнес-идеи, а вечером помогают детям с уроками. Но точность порой оставляет желать лучшего. Современные «примитивные» ИИ склонны галлюцинировать. Например, с видом заправского шеф-повара могут выдать рецепт жареных свиных крылышек.

AGI не допустит таких просчетов, потому что мыслит так же, как человек. Мы используем одни и те же когнитивные механизмы: рассуждаем, анализируем, учитываем контекст в совершенно разных сценариях. AGI должен быть наделен той же гибкостью.

Самообучение

Человек не переучивается с нуля каждый раз, когда сталкивается с новой задачей. Он общается, абстрагирует, замечает закономерности и применяет их в новых сферах. AGI тоже будет учиться сам. Сейчас же LLM (Large Language Model, в переводе с англ. — большая языковая модель) обучаются на базах данных, собранных людьми.

Переобучение — одна из главных нерешенных проблем современного ИИ. Большинство нейросетей страдают от так называемого забывания: когда их учат новому, они стирают старые знания. Тем не менее прогресс в этой области уже есть. Современные агентные системы (ИИ, способные выполнять множество задач) уже развивают элементы адаптивного поведения, которые еще три года назад казались фантастикой.

Понимание окружающего мира

Это самое сложное. Узкий ИИ «понимает» мир в очень ограниченном смысле — он просто находит статистические закономерности в данных.

Проще всего понять это на примере эксперимента философа Джона Серла «Китайская комната». Если человек получит послание на неизвестном ему языке, например китайском, сможет ли он осмысленно на него ответить? Да, если дать ему инструкции: какие иероглифы и в какой последовательности складывать. Искусственный интеллект может объяснить разницу между словами «кошка» и «животное». Но действительно ли он понимает, что такое кошка?

Демис Хассабис, глава DeepMind, неоднократно подчеркивал: мы не получим AGI, пока машины не научатся строить полноценную модель мира. Понимание неба, физики, причинно-следственных связей и контекста — вот что отличает живой интеллект от машины, запоминающей сухие факты. Если вы уронили стакан воды на ковер, то мокрым будет ковер, а не потолок — это же очевидно? Для машины — нет.

Тесты для проверки AGI

Тест Тьюринга

Математик Алан Тьюринг считал, что если машину невозможно отличить от человека в переписке, значит — она научилась думать и такой искусственный интеллект — уже AGI. Сегодня большинство современных LLM проходят этот тест на ура. То, что казалось фантастикой почти 100 лет назад, стало обыденностью.

«Икеа-тест»

Менее формальное, но показательное испытание. Может ли робот собрать шкаф без инструкции, просто глядя на детали и понимая механику сборки? Это требует пространственного мышления и физической логики. Сегодня ни один антропоморфный робот не справится со сборкой самостоятельно.

Кофейный тест

Этот тест придумал Стив Возняк. Робот должен войти в незнакомую кухню, найти там кофеварку, воду, зерна, сварить напиток и принести его хозяину. На первый взгляд просто, но это требует огромной цепочки рассуждений, великолепной навигации в пространстве и умения взаимодействовать с предметами. Разумеется, этот тест пока никем не пройден.

Что лежит в основе AGI?

Общий искусственный интеллект — это не одна технология, а слияние нескольких, которые не появятся из ниоткуда. Их предстоит освоить гигантам разработки. Понять, из чего строится общий интеллект, важно не только для инженеров, но и для тех, кто задается вопросом, что такое AGI и насколько мы к нему близки.

Глубокое обучение

Это фундамент современного ИИ. Технология позволяет компьютеру самостоятельно находить закономерности в огромных массивах данных. В основе лежат глубокие нейронные сети — многослойные математические модели, построенные по подобию человеческого мозга.

Прорыв случился в 2012 году, когда нейросеть AlexNet разгромила классические методы компьютерного зрения. С тех пор нейросети растут в мощности экспоненциально. Крупнейшие модели содержат сотни миллиардов параметров — внутренних настроек, которые сеть подбирает сама.

Но тут возникает главный спор. Одни уверены: нужно просто наращивать данные и мощности, тогда ИИ будет умнеть сам. Другие считают, что одного масштаба недостаточно. Без новых архитектур и прорывов настоящий AGI не построить.

Генеративный искусственный интеллект

Это то, в чем так хороши Midjourney, Sora или ChatGPT. Генеративный ИИ создает новое: тексты, картинки, музыку. Многие ошибочно называют его AGI, но это лишь симуляция творчества.

Нейросети обучились на бесчисленном объеме изображений и видео, однако результаты их работы до сих пор показывают непонимание того, как на самом деле устроены вещи. Классический пример — шесть пальцев на руке. Тем не менее именно развитие генеративных моделей дало толчок к универсальности, и они продолжают развиваться.

Обработка естественного языка

Если мы не можем поговорить с AGI, какой же он общий? NLP (обработка естественного языка) — это все то, что позволяет машине разбираться в наших словах, жаргоне, сарказме и смыслах. Самые сильные NLP-модели сегодняшнего дня — это GPT-5, Claude Opus 4.5 и Google Gemini.

Машинное зрение

Человек воспринимает мир в первую очередь через зрение. Если AGI претендует на уровень человека, он должен научиться этому. Компьютерное зрение — это раздел ИИ, который учит машины анализировать и понимать визуальные данные.

Современные системы машинного зрения уже многое умеют: распознают объекты, считывают выражения лиц, анализируют медицинские снимки (иногда точнее врачей-рентгенологов), управляют беспилотными автомобилями.

Но главный шаг вперед — мультимодальные модели вроде GPT-4o или Google Gemini. Они объединяют обработку текста и изображений в одной системе.

Робототехника

По-настоящему AGI проявит себя, когда обретет тело. Интеллект без физического носителя — «разум в банке» — мощный, но ограниченный. Большинство ученых сходятся на том, что настоящий общий интеллект должен иметь физическое воплощение, то есть находиться внутри робота, который может двигаться, трогать предметы и взаимодействовать с реальным миром.

Сейчас над человекоподобными роботами активно работают Boston Dynamics, Tesla (Optimus), Figure AI и 1X. DeepMind разрабатывает системы обучения методом проб и ошибок. Это называется «обучение с подкреплением»: робот сам пробует совершить действие, получает «плюсик» за удачу и постепенно находит правильный способ. OpenAI после многолетней паузы снова нанимает инженеров-робототехников. Компания заявляет, что для полноценного AGI нужна система, встроенная прямо в робота.

Прогресс здесь идет гораздо медленнее, чем в языковых моделях. Но именно физическое взаимодействие дает роботу совершенно новый опыт, который невозможно получить из текстов или картинок. Без тела AGI так и останется мудреной программой, которая умеет только болтать, но никогда не сможет поставить чайник на плиту.

Перспективы и прогнозы создания AGI

Когда ожидать появление настоящего общего интеллекта? Мнения экспертов различаются кардинально: от «он уже здесь» до «через 20 лет, и то не факт».

Кто что прогнозирует?

• Дженсен Хуанг (NVIDIA) заявил, что AGI уже получен. В том смысле, что современные ИИ-системы могут пройти любой юридический или медицинский тест на уровне человека.
• Марк Андрессен сказал: «AGI уже здесь, просто распределен неравномерно», — имея в виду, что некоторые когнитивные задачи машины решают лучше людей, но целостного интеллекта еще нет.
• Демис Хассабис (Google DeepMind) более осторожен. По его оценке, до появления полноценного AGI остается 5-10 лет.
• Илья Суцкевер (бывший научный руководитель OpenAI) считает, что простое наращивание мощности моделей зашло в тупик и нужны новые идеи.
• Сэм Альтман (OpenAI) сначала обещал AGI к 2025 году, потом сдвинул срок на конец десятилетия.

Почему же оценки настолько разные? Просто все эти люди не пришли к единому определению AGI. Для Хуанга — это способность сдать экзамен. Для Андрессена — превосходство в узких задачах. Для Хассабиса — полноценная универсальность и понимание мира.

Мы решили не полагаться только на мнения уважаемых людей и спросили напрямую у трех ИИ-моделей (ChatGPT, Claude и DeepSeek), считают ли они себя AGI и когда появится настоящий общий интеллект. Все нейронки скромно ответили, что не являются General Intelligence, и, так же как эксперты, не пришли к общему пониманию сроков.

Пусть AGI в традиционном смысле еще не создан, индустрия вплотную подошла к черте, где привычные критерии перестают работать. Постепенно происходит размывание границ. Каждый год ИИ получает способности, которые раньше считались исключительно человеческими (писать код, рассуждать, создавать музыку). Когда лидеры tech-компаний заявляют: «AGI уже здесь», — они используют это слово как маркер — «достаточно хорош для решения практических задач», привлекая миллионы от инвесторов.

Наши выводы подтверждает преподаватель ВШЭ Иван Ребиков.

Итог

Получается, спорить о терминах бессмысленно. Но важно понимать, что уровень искусственного интеллекта уже сегодня позволяет ему заменять человека во многих сферах. И это происходит независимо от того, называем мы эту технологию AGI или нет.