Altman, Amodei, Hassabis en Huang hanteren elk een andere definitie van AGI

AGI — artificial general intelligence, vaak vertaald als kunstmatige algemene intelligentie — is een verzamelnaam geworden voor heel verschillende ambities. Voor de een is het een autonome digitale werknemer die economisch waardevol werk doet. Voor de ander een digitale onderzoeker op Nobelprijsniveau. Of een systeem met het volledige cognitieve repertoire van een mens. Of simpelweg AI die mensen op vrijwel alle tests verslaat.

Dat verschil verklaart waarom zelfverzekerde voorspellingen over de termijn naast elkaar kunnen bestaan. De leiders schatten niet alleen verschillende data voor hetzelfde moment in: ze praten over verschillende eindpunten. En precies daarom hangt publiek vertrouwen steeds meer af van onafhankelijke toetsing, niet van een verklaring van een topman.

Vier leiders, vier drempels

Sam Altman: AGI als economisch waardevolle autonomie

De vaak aangehaalde definitie van OpenAI omschrijft AGI als „zeer autonome systemen die mensen overtreffen bij het merendeel van economisch waardevol werk”. De drempel is dus vooral praktisch en economisch: de hoofdvraag is of systemen op grote schaal nuttig werk kunnen verrichten, niet of zij menselijk denken exact nabootsen.

In recente publieke uitingen legt OpenAI de nadruk op menselijke zeggenschap. Het bedrijf zegt systemen te willen bouwen die mensen helpen hun eigen doelen na te streven, in plaats van menselijk oordeel te vervangen. Alles volledig automatiseren zou volgens OpenAI zowel gevaarlijk als onbevredigend zijn. 23 Ook het arbeidsmarktkader van het bedrijf waarschuwt dat het automatiseren van taken niet automatisch betekent dat een beroep verdwijnt: mensen kunnen essentieel blijven voor uitvoering, toezicht en verantwoordelijkheid. 25

Daarmee blijft de grens tussen krachtige hulpmiddelen, autonome agenten en AGI breed en veranderlijk. De economische definitie kan nuttig zijn om de impact in de praktijk te volgen, maar is geen publiek-wetenschappelijke test.

Dario Amodei: ‘powerful AI’ als uitzonderlijk pakket aan vaardigheden

Anthropic-topman Dario Amodei spreekt meestal liever van powerful AI dan van AGI. In een beleidsbijdrage definieert Anthropic dat als een grote sprong voorbij huidige systemen: intellectuele vermogens die die van Nobelprijswinnaars in de meeste vakgebieden evenaren of overtreffen; het kunnen gebruiken van digitale interfaces die menselijke werknemers gebruiken; en het vermogen om complex werk zelfstandig uit te voeren. 3

Anthropic verwacht zulke systemen eind 2026 of begin 2027. Amodei noemde het vooruitzicht een „land van genieën in een datacenter”, waarmee hij wijst op de economische, veiligheids- en geopolitieke gevolgen van zo’n concentratie van capaciteit. 6 7

Dit is concreter dan een algemeen AGI-label, maar het bundelt nog steeds lastige afzonderlijke claims: brede expertise, autonomie, gereedschapsgebruik en langdurige betrouwbaarheid. Een model kan aan sommige voorwaarden voldoen lang voordat het ze allemaal haalt.

Demis Hassabis: AGI als alle menselijke cognitieve vermogens

Demis Hassabis, CEO van Google DeepMind, hanteert een hogere lat: een systeem met alle cognitieve vermogens die mensen hebben. Hij zegt dat AI op menselijk niveau mogelijk nog dit decennium verschijnt, maar benadrukt tegelijk dat huidige systemen „nog lang niet” in de buurt komen van AGI op menselijk niveau. 33 38

In deze benadering is AGI minder een productmijlpaal dan een wetenschappelijke drempel die robuuste algemeenheid vereist. Goede prestaties op examens of in enkele professionele domeinen zijn niet genoeg: het systeem moet functioneren over de volle breedte van menselijke cognitie.

Jensen Huang: AGI als breed superieur op tests

Nvidia-CEO Jensen Huang heeft een meer benchmarkgerichte maatstaf gebruikt. In 2024 zei hij dat AGI binnen vijf jaar mogelijk is als je het definieert als AI die mensen op vrijwel iedere test kan overtreffen. Berichtgeving uit 2026 typeerde zijn visie als de stelling dat AGI al bereikt is onder een veel lossere, praktische standaard. 34

Het voordeel is de schijnbare helderheid: tests leveren scores op. Maar veel tests halen bewijst nog niet dat een systeem langdurig zelfstandig kan handelen, goed oordeelt of veilig blijft functioneren in rommelige situaties buiten het lab.

Waarom deze tijdlijnen niet rechtstreeks vergelijkbaar zijn

De vier voorspellen verschillende bestemmingen:

• Altman/OpenAI: autonome prestaties bij het merendeel van economisch waardevol werk;
• Amodei/Anthropic: intellectueel werk op Nobelprijsniveau, gecombineerd met langdurige autonome uitvoering van digitaal werk;
• Hassabis/DeepMind: het volledige spectrum van menselijke cognitieve vaardigheden;
• Huang/Nvidia: mensen overtreffen op een brede reeks tests.

Een AI kan veel benchmarks winnen zonder zelfstandig wekenlang onderzoek af te ronden. Zij kan een groot deel van digitaal werk automatiseren zonder het volledige cognitieve repertoire van een mens te tonen. De genoemde jaartallen zijn dus geen gezamenlijke AGI-klok.

Waarom AGI vaak ontestbaar of zelfs ‘spiritueel’ heet

Het bezwaar is niet dat AI-vaardigheden niet meetbaar zijn. Dat zijn ze wel. Het probleem is dat er geen gedeelde, onafhankelijk bestuurde slaag-of-zakregel voor AGI bestaat.

Een academisch voorstel noemt AGI een controversieel concept en maakt het operationeel als ten minste menselijk niveau bij de meeste taken. Daarmee wordt zowel de wens om de term meetbaar te maken zichtbaar als de open vragen die erin verborgen zitten: welke taken, welke mensen als vergelijkingsgroep, welke betrouwbaarheid en onder welke omstandigheden? 50

Een geloofwaardige publieke test zou minimaal nodig hebben:

1. een duidelijk afgebakende verzameling taken, in plaats van steeds wisselende demonstraties;
2. drempels voor prestaties én betrouwbaarheid, inclusief de faalkans;
3. tests voor langdurige autonomie en gereedschapsgebruik, niet alleen losse antwoorden;
4. bescherming tegen modellen die speciaal voor de evaluatie zijn getraind;
5. voldoende onafhankelijke toegang om uitkomsten te reproduceren of te controleren.

Zonder die infrastructuur kan AGI een statusclaim worden van organisaties die er het meeste belang bij hebben om de finishlijn zelf te tekenen. Het AI Now Institute bekritiseert veel beschikbare meetmethoden als smal, vaag en zelfdienend. 62

Het vertrouwensprobleem achter de terminologie

De woordenstrijd over AGI legt een breder geloofwaardigheidsprobleem bloot. Bedrijven kunnen grootse claims doen over transformerende vermogens, terwijl werknemers en klanten systemen ervaren die nog wisselvallig, foutgevoelig of moeilijk betrouwbaar in te zetten zijn. Dat bewijst niet dat iedere langetermijnvoorspelling onjuist is. Wel betekent het dat buitengewone claims zichtbaar bewijs en toetsbare voorspellingen vragen.

De discussie over banen laat die spanning goed zien. OpenAI stelt dat AI werk zal hervormen, dat sommige banen verdwijnen, maar dat de beschikbare aanwijzingen AI voorlopig eerder als ondersteuning dan als vervanging tonen. 17 Dat hoeft niet tegenstrijdig te zijn: taakautomatisering, verandering van beroepen en het verdwijnen van banen zijn verschillende uitkomsten. Maar het publieke vertrouwen lijdt wanneer voorspellingen over grote veranderingen niet samengaan met transparante metingen van de werkelijke effecten op de arbeidsmarkt.

Van AGI-labels naar toezicht op concrete vermogens

Sterker bestuur zou minder moeten draaien om de vraag of een systeem AGI heeft bereikt, en meer om de specifieke vaardigheden en risico’s die het vertoont.

Anthropic werkt met AI Safety Levels: een expliciete voorwaardelijke structuur. Als een model een afgebakend gevaarlijk vermogen heeft, moeten bepaalde waarborgen aanwezig zijn voordat het wordt ingezet of verder wordt opgeschaald. 5 In een later beleidskader pleit Anthropic voor transparantie, onafhankelijke evaluatie en overheidsbevoegdheden om gevaarlijke inzet te blokkeren of af te schrikken. 10

Altman heeft eveneens gepleit voor externe validatie en onafhankelijke risicobeoordelingen voor krachtige modellen, waaronder tests vóór publicatie en het openbaar maken van evaluatieresultaten. 49

Hassabis stelde een door de VS geleid Frontier AI Standards Body voor, naar het voorbeeld van FINRA — de sectorgefinancierde toezichthouder op Wall Street die onder publiek toezicht staat. Die instantie zou geavanceerde modellen onafhankelijk moeten beoordelen voordat zij worden uitgebracht. 52 Volgens berichtgeving is er onder verschillende leiders van toonaangevende AI-labs groeiende overeenstemming dat externe partijen geavanceerde systemen moeten testen en standaarden voor beleid moeten helpen ontwikkelen. 51

Tussen zulke voorstellen en afdwingbare praktijk gaapt nog een grote kloof. De AI Safety Index 2026 van het Future of Life Institute meldde dat er geen bindende nationale regels of normen zijn die expliciet risico’s van frontier-AI en bijbehorende beoordelingsprocessen aanpakken. 59

Hoe geloofwaardige AI-claims eruitzien

De nuttigste publieke vraag is niet: „Is AGI er al?” Maar: wat kan dit model, hoe betrouwbaar doet het dat, wat kan er misgaan en wie heeft die antwoorden onafhankelijk gecontroleerd?

Dat wijst op eisen die aan concrete vermogens zijn gekoppeld:

• openbare evaluatieprotocollen voor risicovolle cyber-, biologische en misleidingscapaciteiten;
• onafhankelijke tests en red-teaming vóór brede uitrol;
• rapportage over betrouwbaarheid, incidenten en wezenlijke veranderingen in de inzet;
• waarborgen en toegangsbeperkingen zodra aantoonbare risicodrempels worden overschreden;
• juridische gevolgen bij niet-naleving, in plaats van alleen vrijwillige verklaringen.

AGI kan een krachtige ambitie, marketingterm en filosofische vraag blijven. Als regulatoire grens is het zwak zolang een verklaring niet wordt gedragen door publiek bewijs. Vertrouwen ontstaat pas wanneer ontwikkelaars niet zelf de mijlpaal kunnen herdefiniëren, vervolgens kunnen uitroepen dat zij die bereikt hebben en daarna hun eigen veiligheid kunnen certificeren.