Jensen Huang twierdzi, że AGI już istnieje. Jest jednak ważne „ale”

Wypowiedź Jensena Huanga o AGI nie była ogłoszeniem naukowego konsensusu, lecz przede wszystkim biznesowym przeformułowaniem tematu. Prezes Nvidii przekonywał, że AI stała się użyteczna, agenci potrafią wykonywać wartościową pracę, a „w przypadku wielu zadań można uznać, że już osiągnęliśmy AGI”. Jednocześnie określił tradycyjne kamienie milowe AGI jako „w pewnym sensie pozbawione sensu”. 3448

Najważniejsze zastrzeżenie jest takie, że Huang nie zdefiniował powtarzalnego progu AGI, nie wskazał zestawu benchmarków ani nie twierdził, że obecne systemy mają w pełni ludzką inteligencję we wszystkich dziedzinach. Jego argument dotyczył przede wszystkim tego, co AI potrafi dziś robić produktywnie — oraz tego, co oznacza to dla popytu na infrastrukturę obliczeniową.

Co Jensen Huang powiedział o AGI?

Huang rozpoczął telekonferencję od stwierdzenia, że „AI stała się użyteczna”. Następnie skupił się na rozwoju agentów AI — systemów, które nie tylko odpowiadają na pojedyncze polecenie, ale mogą planować i realizować wieloetapową pracę.

Według Huanga agent może wymagać około 15–100 razy większej mocy obliczeniowej niż interakcja, w której człowiek bezpośrednio kieruje pracą AI. Wiele zależy od rodzaju zadania. 3336

W tym kontekście szef Nvidii powiedział, że AGI można uznać za osiągnięte „w przypadku wielu zadań”. To sformułowanie ma znaczenie: opisuje możliwości w wybranych obszarach, a nie dowodzi, że jeden system potrafi niezawodnie wykonywać niemal każde zadanie intelektualne dostępne człowiekowi.

Szerszy przekaz Huanga brzmi: AI należy oceniać po rezultatach, które przynosi w praktyce. Materiały Nvidii dotyczące wyników finansowych również podkreślały, że AI wykonuje użyteczną pracę, a popyt przyspiesza wraz z wdrażaniem jej w rzeczywistych systemach. 47

Czym różni się ta wizja od tradycyjnego rozumienia AGI?

Nie istnieje jedna, powszechnie zaakceptowana definicja sztucznej inteligencji ogólnej, czyli AGI. Z pojęciem tym zwykle wiąże się jednak ogólność: zdolność do przenoszenia wiedzy i kompetencji między szeroką gamą nieznanych wcześniej zadań, a nie tylko osiągania świetnych wyników w konkretnych dziedzinach. 17

Ujęcie Huanga przesuwa uwagę z jednego przełomowego progu poznawczego na praktyczną użyteczność. W takim modelu system może wyglądać na „AGI-podobny”, gdy wykonuje ekonomicznie wartościowe zadania — nawet jeśli nadal potrzebuje narzędzi, odpowiednio zaprojektowanych procedur, nadzoru człowieka lub specjalistycznego środowiska.

To istotna różnica:

• Tradycyjne podejście skoncentrowane na zdolnościach: AGI powinno wykazywać szerokie, przenośne kompetencje w nieznanych problemach intelektualnych.
• Praktyczne podejście Huanga: AI zbliża się do istotnego celu albo już go osiąga tam, gdzie agenci potrafią wykonywać użyteczną pracę.
• Czego ta wypowiedź nie dowodzi: Nie potwierdza samodzielnie solidnego rozumowania, niezawodnej autonomii w długich i złożonych zadaniach ani ogólnych kompetencji poza starannie zaprojektowanymi procesami.

Innymi słowy, Huang twierdzi, że ważniejsza od samej etykiety może być transformacja gospodarcza. To jednak nie oznacza, że naukowy spór o AGI został rozstrzygnięty.

Huang a Sam Altman i OpenAI: różnica definicji i skali

Historyczna definicja OpenAI również odwołuje się do ekonomii, ale stawia wyżej poprzeczkę. Organizacja określa AGI jako „wysoce autonomiczny system, który przewyższa ludzi w większości ekonomicznie wartościowej pracy”. 17

Różnica dotyczy przede wszystkim zakresu i poziomu autonomii. Huang mówił o AI skutecznej w przypadku wielu zadań. Definicja OpenAI wymaga systemu, który przewyższa ludzi w większości ekonomicznie wartościowej pracy i robi to w dużej mierze samodzielnie.

Sam Altman miał powiedzieć, że do końca 2026 roku OpenAI może dysponować wewnętrznym systemem, który firma uzna za AGI. To prognoza dotycząca wewnętrznego kamienia milowego według definicji OpenAI — niekoniecznie zapowiedź publicznego udostępnienia systemu ani natychmiastowej zmiany funkcjonowania całej gospodarki. 192228

Altman przyznawał także, że osiągnięcie technologiczne i jego przyjęcie przez gospodarkę mogą nastąpić w różnym czasie. Doniesienia dotyczące jego prognoz umieszczają nadejście superinteligencji później, około końca 2028 roku. Pokazuje to, że AGI, publiczne wdrożenie, wpływ ekonomiczny i superinteligencja są odrębnymi etapami. 1821

Pozorna sprzeczność między Huangiem a Altmanem wynika więc częściowo z definicji, a częściowo z odmiennego spojrzenia na czas. Huang podkreśla obecną użyteczność AI, natomiast Altman mówi o chwili, w której OpenAI uzna wewnętrzny system za spełniający szerszy standard autonomii i wyników ekonomicznych.

Najpoważniejszy zarzut: użyteczność to jeszcze nie inteligencja ogólna

Najmocniejsza krytyka tezy Huanga brzmi: sama wartość komercyjna nie jest dowodem inteligencji ogólnej. System może być bardzo dochodowy, a jednocześnie wąsko wyspecjalizowany, zawodny lub silnie zależny od infrastruktury zaprojektowanej przez człowieka.

Huang nie przedstawił niezależnej oceny pokazującej, że obecne systemy spełniają kryterium inteligencji ogólnej. Bez wspólnego zestawu zadań, standardu autonomii, wymogu niezawodności i testów obejmujących różne dziedziny hasło „AGI już nadeszło” trudno zweryfikować.

Nie oznacza to, że wypowiedź jest bez znaczenia. Oznacza raczej, że należy ją rozumieć jako biznesową interpretację, a nie ustalenie naukowe. Brak uniwersalnej definicji AGI pozwala różnym firmom używać tej samej etykiety wobec systemów o wyraźnie różnym poziomie możliwości. 17

Dlaczego rekordowy kwartał Nvidii wzmacnia węższą tezę Huanga?

Nvidia podała, że w drugim kwartale roku fiskalnego 2027 osiągnęła 96,2 mld dolarów przychodów — o 106 proc. więcej niż rok wcześniej. Przychody segmentu centrów danych wyniosły 89,0 mld dolarów, co oznacza wzrost o 117 proc. 1

Wyniki te nie dowodzą istnienia AGI. Pokazują jednak, że klienci wydają ogromne kwoty na infrastrukturę potrzebną do trenowania i uruchamiania systemów AI. To wspiera węższą tezę Huanga: AI jest już wystarczająco wartościowa, by generować olbrzymi popyt komercyjny.

Telekonferencja połączyła dwa kluczowe wątki:

1. Agenci AI stają się zdolni do wykonywania produktywnej pracy.
2. Wieloetapowe, bardziej autonomiczne działania wymagają znacznie większej mocy obliczeniowej niż prosta interakcja kierowana przez człowieka. 3348

Dla Nvidii drugi punkt ma szczególne znaczenie. Jeżeli agenci wykonują więcej kroków, korzystają z większej liczby narzędzi i działają przez dłuższy czas, każde wartościowe zadanie może generować większy popyt na obliczenia inferencyjne oraz powiązaną infrastrukturę.

Koszt pamięci pokazuje ograniczenia rozbudowy AI

Ekonomia tego rozwoju nie jest jednak jednostronna. Nvidia odczuwała również presję związaną z drogimi i trudno dostępnymi komponentami pamięci. Doniesienia wskazywały, że wyjątkowo wysokie koszty pamięci obciążały oczekiwania dotyczące marż. 15

To zmienia sposób, w jaki należy odczytywać argument Huanga. Nawet jeśli agenci AI stają się coraz bardziej zaawansowani, ich wdrożenie zależy od tego, czy firmy mogą uzyskać wystarczającą liczbę procesorów graficznych, pamięci, energii i mocy centrów danych — i zrobić to po cenie zapewniającej satysfakcjonujący zwrot.

Najważniejsze pytanie w branży przesuwa się więc z „Czy model potrafi wygenerować imponującą odpowiedź?” na „Czy system AI potrafi niezawodnie i opłacalnie wykonywać wartościową pracę na dużą skalę?”. Wyniki Nvidii dostarczają mocnych dowodów po stronie popytu. Niedobory pamięci i presja na marże pokazują jednak, że kwestie podaży oraz ekonomiki pojedynczych wdrożeń pozostają nierozstrzygnięte. 1315

Jak najrozsądniej interpretować słowa Huanga?

Wypowiedź Huanga najlepiej rozumieć jako odrzucenie AGI w roli jednego, spektakularnego finiszu. Prezes Nvidii twierdzi, że praktyczna zmiana już się rozpoczęła: agenci AI potrafią wykonywać użyteczną pracę, klienci płacą za potrzebną im infrastrukturę, a zapotrzebowanie na moc obliczeniową rośnie wraz z autonomią systemów.

To węższa teza niż stwierdzenie, że maszyny mają już ogólną inteligencję na poziomie człowieka. Różni się także od stanowiska OpenAI, według którego AGI wymaga wysoce autonomicznego działania w większości ekonomicznie wartościowej pracy.

Najbardziej uzasadniony wniosek jest zatem dwuczęściowy: użyteczna i ekonomicznie produktywna AI niewątpliwie już istnieje, natomiast odpowiedź na pytanie, czy nadeszło AGI, zależy od przyjętej definicji i standardu dowodów. Kwartalny przychód Nvidii na poziomie 96,2 mld dolarów pokazuje komercyjną siłę argumentu Huanga, ale sam w sobie nie rozstrzyga, czym jest AGI ani czy zostało osiągnięte.