AGI (искусственный общий интеллект)
AGI (искусственный общий интеллект) можно просто понимать как:
Это не ИИ, выполняющий только какую-то одну конкретную задачу, а искусственный интеллект с общими когнитивными способностями, близкими к человеческим.
Современные ChatGPT, Claude, Gemini, DeepSeek и др. уже продемонстрировали сильную универсальность, но до сих пор нет глобально единого, операционального стандарта для определения «являются ли они AGI».
В чём разница между AGI и современным ИИ?
Сначала посмотрите на самую наглядную сравнительную таблицу:
| Type | Характеристики возможностей | Примеры |
|---|---|---|
| Узкий ИИ (ANI) | Специализированно решает определённый тип задач | Рекомендательные алгоритмы, AlphaGo, распознавание речи |
| Современные большие модели | Уже обладают сильными кросс-доменными возможностями | ChatGPT, Claude, Gemini, DeepSeek |
| AGI | Способен учиться, рассуждать, переносить знания и планировать подобно человеку, а также самостоятельно решать большое количество незнакомых задач | В настоящее время не существует общепризнанной реализации |
| ASI | Сверхинтеллект, всесторонне превосходящий людей | В настоящее время является гипотезой |
ИИ прошлого был больше похож наврача-специалиста: Вы можете заставить его играть в шахматы, распознавать лица или рекомендовать товары. Он силён в каждой из этих областей, но обычно преуспевает только в конкретных задачах.
AGI, напротив, больше похож наочень умного человека: Вы можете заставить его выучить новый язык, прочитать незнакомую специализированную книгу, писать программы, анализировать финансовую отчётность, разрабатывать продукты, выполнять математические рассуждения, управлять компьютерами, формулировать бизнес-планы, освоить совершенно незнакомый инструмент, корректировать стратегии на основе результатов неудач и переносить ранее полученные знания на новые задачи.
Ему не нужно переобучать специализированную модель для каждой задачи.
Ядро AGI на самом деле — не «интеллект»
Многие понимают AGI как «чат-бот, гораздо более умный, чем ChatGPT». Это понимание не совсем точное.
Что действительно важно для AGI, — этоуниверсальность。
Если ИИ получает 100 на экзаменах по математике и 100 по программированию, но перестаёт работать, столкнувшись с незнакомыми задачами, он не обязательно является AGI.
И наоборот, система, которая может пройти путь «столкнуться с новой проблемой → понять проблему → приобрести знания → сформулировать план → выполнить → исправить ошибки на основе результатов → в конечном итоге завершить задачу», гораздо ближе к ядру AGI.
Поэтому ключевые способности AGI обычно можно обобщить в виде цепочки:
Восприятие → Понимание → Рассуждение → Обучение → Планирование → Выполнение → Обратная связь → Перенос
Среди них особенно важныспособности к обучению и переносу。
Одно из величайших преимуществ человечества — этоперенос обучения: после того как вы научились водить легковой автомобиль, обучение вождению грузовика не начинается с нуля. У вас уже есть основы правил дорожного движения, контроля направления, контроля скорости, пространственного восприятия и оценки рисков, поэтому изучение нового происходит всё быстрее и быстрее.
Настоящая AGI также должна обладать подобными способностями.
В чём именно «универсальность» универсальна: шесть измерений интеллекта
В предыдущем разделе обсуждалась важность универсальности, но сам интеллект трудно измерить одним числом.
Лепестковая диаграмма ниже разбивает интеллект на шесть измерений, сравнивая приблизительное состояние передовых моделей ИИ в 2026 году, целевой уровень AGI и людей:
Рисунок · Схематическое сравнение возможностей по шести измерениям. Значения — иллюстративные оценки для наглядности (0–10), а не точные измерения, опубликованные каким-либо учреждением.
Обратите внимание, что разрыв между красной пунктирной линией (цель AGI) и оранжевой областью (передовой ИИ) в основном сосредоточен в трёх измерениях в правой половине: кросс-доменный перенос, автономное долгосрочное планирование и непрерывное обучение.
Именно эти препятствия подробно рассмотрит более поздний раздел «Почему это сложно».
Путь к AGI: более шестидесяти лет закладки фундамента
Концепция «искусственного общего интеллекта» почти так же стара, как и сама дисциплина «искусственный интеллект».
В следующей таблице систематизированы несколько признанных ключевых вех:
| Время | Event | Значимость |
|---|---|---|
| 1956 | Дартмутская конференция | Термин «искусственный интеллект» был официально введён, а учёные оптимистично предсказывали, что общий интеллект удастся создать в течение нескольких десятилетий. |
| 1997 | Deep Blue побеждает Каспарова | «Специализированный» ИИ, который играет только в шахматы, с чётко определёнными границами возможностей. |
| 2012 | Глубокое обучение выходит на сцену | AlexNet значительно превзошёл традиционные методы в распознавании изображений, положив начало текущей волне ИИ. |
| 2016 | AlphaGo побеждает Ли Седоля | Обучение с подкреплением нашло стратегии, выходящие за пределы человеческой интуиции, в играх чрезвычайно высокой сложности. |
| 2017 | Появляется архитектура Transformer | Механизм внимания стал базовой архитектурой почти для всех больших языковых моделей. |
| 2020–2022 | Масштабирование больших языковых моделей | GPT-3 продемонстрировала, что «масштаб приносит эмерджентные возможности», а ChatGPT сделал универсальный разговорный ИИ доступным для широкой публики. |
| 2023–2025 | Мультимодальные модели и модели рассуждений | Модели могут одновременно понимать текст, изображения и речь, а ИИ-агенты начали автономно выполнять многошаговые задачи. |
| С 2026 года по настоящее время | Текущее состояние «неровного интеллекта» | Может решать сложные исследовательские задачи, но часто ошибается в простых задачах из реального мира. |
«Неровный интеллект» — наиболее типичная характеристика текущей эпохи: способности распределены крайне неравномерно — в одних областях он намного превосходит людей, а в других ему не хватает даже здравого смысла.
Почему современные большие модели уже во многом похожи на AGI?
Это сейчас самое интересное.
Ранний ИИ был по сути «одна модель для одной задачи», но после появления больших моделей ситуация кардинально изменилась: одна модель может одновременно писать код, писать статьи, переводить, заниматься математикой, делать краткие изложения, рассуждать, понимать изображения и вызывать инструменты.
Например, сегодняшние модели уже могут выполнить целый конвейер вот такого вида:
Это уже совершенно не похоже на «специализированный ИИ» в традиционном смысле.
Так много людей сейчас считают, что мы, возможно, уже вошли в ранние стадии AGI.
Но проблема в том, что «похоже на AGI» не равно «уже AGI».
Сколько ещё осталось до AGI?
Вероятно, это самый спорный вопрос во всей этой области.
Публичные заявления лидеров отрасли обычно оптимистичны и сосредоточены на ближайших нескольких годах, тогда как опросы сообществ исследователей, как правило, дают гораздо более поздние и более консервативные сроки.
На рисунке ниже собраны оценочные временные диапазоны, приведённые в публичных заявлениях и опросах различных сторон:
Рисунок · Сводка оценок сроков наступления AGI по публичным заявлениям/опросам различных сторон (по состоянию на середину 2026 года). Диапазоны на столбцах крайне неопределённы и субъективны, приведены только для справки и не представляют собой фактические прогнозы.
Эти числа — не «ответы», а оценки, полученные с использованием разных методологий: оптимисты экстраполируют технические траектории, консерваторы опираются на исторические закономерности, а на некоторых влияют позиции индустрии.
В чём заключается по-настоящему сложная часть AGI?
Сегодняшний ИИ уже очень способен, но ему всё ещё не хватает нескольких ключевых возможностей, чтобы стать «общим».
Первое: Надёжность
Один из главных недостатков современных больших моделей — не «незнание того, как это сделать», аиногда очень уверенная неправота.。
Он выдаёт ответ, который выглядит весьма правдоподобно, но на самом деле неверен.
Если AGI предстоит решать важные задачи в реальном мире, этот уровень ошибок должен существенно снизиться.
Второе: долгосрочное планирование
Заставить ИИ написать функцию на Python уже легко, но поручить ему создать с нуля SaaS-компанию, которая сможет работать пять лет, — это совершенно иной уровень сложности.
Потому что это включает целую цепочку:
По сути, это сместилось с "ответов на вопросы" к "автономному выполнению задач".
Третье: взаимодействие с реальным миром (воплощённый интеллект)
Сегодняшний ИИ в основном живёт в цифровом мире: он может читать веб-страницы, писать код, вызывать API, управлять компьютерами и обрабатывать файлы.
Но реальный мир гораздо сложнее. Например, "пойти на кухню и приготовить курицу Кунг-Пао" требует выполнения всей этой цепочки:
Это связано с множеством проблем в робототехнике, зрении, осязании, пространственном восприятии, управлении движением и не только.
AGI не обязательно должен быть роботом, но по-настоящему выйти в физический мир было бы ещё более серьёзной задачей.
Помимо трёх вышеперечисленных, есть несколько столь же важных задач:
| Задача | Описание |
|---|---|
| Кросс-доменное обобщение | Гибко применять знания, полученные при решении одной задачи, к совершенно новым сценариям, а не обучаться с нуля. |
| Непрерывное обучение | Непрерывно накапливать новые знания во время использования, избегая «катастрофического забывания», когда изучение нового приводит к забыванию старого. |
| Рассуждения на основе здравого смысла | Понимание повседневной логики и физической интуиции, которые люди воспринимают как должное, не нуждаясь в их явном выражении. |
| Выравнивание и безопасность | Обеспечение того, чтобы всё более способные системы всегда соответствовали человеческим намерениям и ценностям |
| Вычислительные ресурсы и энергия | Обучение и эксплуатация передовых моделей требуют огромных вычислительных ресурсов и электроэнергии |
Если AGI действительно появится: возможности и риски
Именно потому, что потенциальное влияние настолько огромно, AGI одновременно вызывает воодушевление и беспокойство.
Рассматривая обе стороны вместе:
| Потенциальные возможности | Риски, которые необходимо воспринимать серьёзно |
|---|---|
| Ускорять научные исследования, сокращая цикл открытия новых лекарств и материалов | Структуры занятости перестраиваются массово и быстро, что приносит издержки переходного периода |
| Снижать барьер доступа к качественным услугам, таким как образование и медицинские консультации | Цели системы отклоняются от человеческих намерений (проблема выравнивания) |
| Брать на себя повторяющуюся, опасную или рутинную работу, высвобождая человеческий труд | Возможности используются не по назначению для кибератак, дезинформации или в качестве оружия |
| Стать «универсальным помощником» для людей и компаний, выполняя многошаговые задачи | Полномочия по принятию решений чрезмерно сосредоточиваются в руках нескольких организаций, контролирующих передовые системы |
Самое важное изменение с AGI, возможно, не в том, что «ИИ становится умнее»
а скорее:Интеллект начинает становиться фактором производства, который можно масштабировать и тиражировать。
Экономическое значение того, что компания наняла одного программиста в прошлом, и того, что она использует одного AI Agent в будущем, совершенно различается:
| Прошлый подход | Возможный подход в будущем |
|---|---|
| 1 программист | 1 ИИ-агент |
| 1 зарплата | Работает 24 часа |
| 8 часов / день | Обрабатывает десятки задач одновременно |
| Ограниченная производительность | Реплицируемый и распараллеливаемый |
Так что сейчас действительно заслуживает внимания не старый вопрос «заменит ли ИИ программистов», а более острый новый вопрос:
Сколькими ИИ-агентами сможет один человек на самом деле управлять в будущем?
AGI, возможно, действительно изменит способ организации «компаний»
Структура традиционной компании — это начальник, а под ним — ряд отделов:
Будущее, возможно, станет таким: один человек отвечает за небольшое число ИИ, а ИИ затем управляет группой агентов-исполнителей.
В этой структуре люди занимаются целями, оценкой, ресурсами и окончательными решениями, а ИИ берёт на себя большую часть исполнения.
Так что по-настоящему дефицитным в будущем, возможно, будет уже не «умение писать код», а способность определять правильные задачи, оценивать результаты, созданные ИИ, и организовывать несколько ИИ для выполнения сложных задач.
Это также причина, по которой в последние годы появились такие новые роли, как ИИ-агент, инженер по ИИ-приложениям, FDE, инженер контекста и ИИ-билдер.
AGI ≠ ИИ-агент
Эти два понятия легко перепутать.
AGI — это понятие на уровне возможностей, тогда какАгент — это форма системы。
Это можно понять так: как только большая модель обретает способность к рассуждению, добавление таких возможностей, как инструменты, память, восприятие среды, планирование и исполнение, формирует ИИ-агента.
AGI, с другой стороны, ближе к «достаточно сильному общему интеллекту».
Агент не обязательно требует AGI — многие агенты уже можно создавать сегодня.
Точно так же AGI не обязательно должен проявляться как агент — он может быть просто интеллектуальной системой с крайне универсальными когнитивными способностями.
Так существует ли AGI на самом деле уже сейчас?
На данный момент нет общепринятого ответа.
Ключевой вопрос: какому стандарту на самом деле должен соответствовать AGI?
Если стандарт — «умение выполнять большую часть интеллектуальной работы», то некоторые из сегодняшних ведущих моделей уже очень близки к этому; если стандарт — «автономно обучаться в совершенно незнакомой среде и выполнять различные долгосрочные задачи, как обычный взрослый человек», то разрыв явно гораздо больше.
Так что AGI — это скореенепрерывный спектр, а не выключатель, который внезапно включается:
Реальный мир, вероятно, никогда не увидит дня, когда «сегодня в 10:00 AGI официально родился».
Более вероятно, что общие возможности ИИ будут улучшаться постепенно, пока в какой-то момент люди не осознают, что он уже может самостоятельно выполнять большой объём сложной работы, которую раньше могли делать только люди, — это и есть настоящее наступление AGI.
Распространённые вопросы об AGI
Ниже приведены несколько вопросов, которые чаще всего вызывают путаницу у новичков.
Считаются ли большие модели вроде ChatGPT AGI?
Согласно текущему распространённому мнению, пока нет.
Они впечатляюще справляются с языковыми задачами, но всё ещё имеют явные недостатки в долгосрочном планировании, непрерывном обучении, истинных рассуждениях на основе здравого смысла и других областях — их возможности распределены неравномерно.
Означает ли AGI, что у роботов есть самосознание?
Нет, не означает.
AGI — это про «общие когнитивные способности», тогда как «сознание» — более расплывчатое и более философское понятие. Это не одно и то же, и они не обязательно появляются вместе.
Почему разные эксперты называют такие разные сроки?
Одна из причин заключается в том, что нет единого определения или стандарта тестирования того, «что считается AGI».
Другая — в том, что все используют разные методы: одни экстраполируют на основе технических дорожных карт, другие опираются на исторические закономерности, а третьи находятся под влиянием позиции индустрии.
Нужно ли обычным людям готовиться к AGI уже сейчас?
Вместо того чтобы беспокоиться о неопределённом моменте времени, более практичный подход — постоянно следить за границами возможностей ИИ, учиться взаимодействовать с уже существующими инструментами и поддерживать базовое понимание соответствующей политики и общественных дискуссий.
Понимание AGI в одном предложении
Сопоставление разных форм интеллекта делает различия более ясными:
| форма | Метафора в одном предложении |
|---|---|
| Традиционный ИИ | инструмент |
| Современные большие модели | Очень умный помощник. |
| ИИ-агент | Цифровой сотрудник, способный работать самостоятельно. |
| AGI | Универсальный интеллектуальный агент, способный сталкиваться с незнакомыми задачами, автономно учиться, рассуждать, планировать, действовать и исправлять ошибки. |
И ещё на шаг дальше: если этот интеллект в подавляющем большинстве когнитивных областей...всесторонне превзойдёт человека., то речь идёт уже не просто об AGI, а обASI (искусственный сверхинтеллект)。
Другие расширенияНа что действительно стоит обращать внимание — не дата «когда появится AGI», а то, какие профессии, компании и индивидуальные навыки будут переоценены первыми по мере того, как общие возможности ИИ продолжают приближаться к человеческому уровню.