Az elmúlt évek látványos fejlődése miatt egyre komolyabban merül fel a kérdés: eljuthat-e a mesterséges intelligencia oda, hogy ne csak néhány területen legyen rendkívül jó, hanem lényegében minden gondolkodást igénylő feladatban eléri vagy meghaladja az emberi szintet. Ezt hívjuk „általános mesterséges intelligenciának” (artificial general intelligence, AGI), de jelenleg még a legfejlettebb AI-rendszereket építők között sincs egyetértés, hogy közeledünk-e ennek elérésehez.
Egyesek szerint akár már az Open AI Astra modellje a GPT 6 is ezen a szinten lehet, mások szerint néhány éven belül érhetjük el, megint mások szerint a mai nagy nyelvi modellekből egyszerűen nem vezet egyenes út az AGI-hoz. Az akadémiai kutatók jelentős része jóval óvatosabb. Az Association for the Advancement of Artificial Intelligence 2025-ös felmérésében a válaszadók 76 százaléka szerint a jelenlegi AI-megközelítések puszta felskálázásával „valószínűtlen” vagy „nagyon valószínűtlen” eljutni az AGI-hoz.
A vita nem egyszerűen arról szól, mennyivel lesznek fejlettebbek az elkövetkező mesterséges intelligencia modellek, hanem arról, hogy eltűnik-e az AI-t ma jellemző furcsa egyenetlenség: bizonyos dolgokban már az embernél is jobb, másokban pedig feltűnően gyenge. Ha igen, teljesen új technológiai korszak következhet. Ha nem, az AI jövője jóval kevésbé hasonlít majd a mindentudó gépek világára, mint ahogy azt a scifi történetek vagy a legmerészebb jóslatok sugallják.
AGI, a kiváló
Már maga az AGI fogalom sem teljesen egyértelmű. Az AI-iparágon belül sincs általánosan elfogadott definíció arra, pontosan mikortól nevezhetünk egy rendszert általános mesterséges intelligenciának. Az AGI nem egyszerűen egy jobb chatbot. Olyan rendszer lenne, amely az emberi gondolkodás rendkívül széles tartományában képes magas szinten teljesíteni: új helyzetekhez alkalmazkodni, tapasztalat szerint tanulni, összefüggéseket felismerni és döntéseket mérlegelni. Nem egy-egy feladatban lenne kiváló, hanem szinte mindenben.
Az egyik vezető cég, az Anthropic vezérigazgatója, Dario Amodei éppen a múlt hét végén, vagyis a BCG friss vizsgálatának https://www.bcg.com/publications/2026/agi-timeline-what-ceos-need-to-know megjelenését követően fejtette ki, hogy szerinte a mainál elővigyázatosabban kellene fejleszteni a mesterséges intelligencia modelljeinket, a képességek fejlődésének ütemét is szabályozni kellene. Amodei felszólította az AI-eszközökkel foglalkozó cégeket, hogy lassítsák a modelljeik fejlesztését és vonjanak be független értékelőket a biztonság ellenőrzéséhez. Arról is beszélt, hogy a mesterséges intelligenciával foglalkozó cégeknek együtt kellene meghatározniuk a biztonsági szabályokat. Az Anthropic vezér írásának megjelenése után Elon Musk, az xAI vezetője, és Sam Altman, az OpenAI vezérigazgatója is jelezte egyetértését, miközben politikai és szabályozói oldalon is egyre több ilyen hang jelenik meg az USA-ban és az EU-ban is.
Hegyek, völgyek
Az AI fejlődését hajlamosak vagyunk úgy elképzelni, mintha képességei nagyjából egyforma lépcsőfokokban fejlődnének: hogy minden új modell kicsit okosabb és pontosabb az előzőnél. A BCG szakértői szerint lépcső helyett inkább hegyláncra hasonlít a haladás, ahol egyszerre vannak nagyon magas csúcsok és meglepően mély völgyek. A szoftverfejlesztés jó példa: az AI ma már elképesztő sebességgel képes programkódot generálni, hibákat keresni vagy teszteket írni – de még nem helyettesít tapasztalt szoftvermérnököket. A rendszer egészét, a különböző megoldások közötti kompromisszumokat vagy az egymással ütköző üzleti és felhasználói szempontokat továbbra sem képes úgy mérlegelni, mint egy tapasztalt szakember. Ha az AGI-szint nem elérhető, akkor még tíz vagy húsz év múlva is elképesztően erős, de furcsán töredezett intelligenciáról beszélhetünk.
Hatalmasra nőtt gépek
Az elmúlt évek AI-forradalmának egyik receptje meglepően egyszerű volt: több adat, több számítási kapacitás, nagyobb modell. Minél több adatot és számítási teljesítményt kaptak a rendszerek, annál jobbak lettek, de ennek a növekedésnek is megvannak a határai. Az első ilyen határ maga az adat. A nagy nyelvi modellek jelentős részben az interneten hozzáférhető, emberek által létrehozott szövegekből teát véges készletből tanultak. Ilya Sutskever, az OpenAI társalapítója ezt tömören úgy fogalmazta meg: „csak egy internet van”.
A második probléma, hogy az AI-t sokkal könnyebb olyan feladatokra tanítani, amelyeknél egyértelmű, jó-e a válasz. Matematikában ellenőrizhető az eredmény, egy programkódról pedig gyorsan kiderülhet, működik-e. Egészen más kérdés viszont, hogy jó ötlet-e egy bizonyos terméket piacra dobni, vagy hogy egy befektetési stratégia öt év múlva felülteljesíti-e a piacot? Az AI ezért különösen gyorsan fejlődhet ott, ahol a helyes válasz könnyen ellenőrizhető. Sok valódi emberi döntés viszont éppen azért nehéz, mert nincs hozzá kész válasz.
