У AGI нет единого финиша: Altman, Amodei, Hassabis и Huang говорят о разных вещах

AGI — artificial general intelligence, или общий искусственный интеллект, — всё чаще используют как зонтичный термин для совершенно разных представлений о будущем ИИ. Кто-то подразумевает автономного исполнителя экономически ценной работы, кто-то — цифрового учёного нобелевского уровня, кто-то — машину со всем спектром человеческих познавательных способностей, а кто-то — систему, побеждающую человека почти на любых тестах.

Именно поэтому громкие прогнозы о сроках могут сосуществовать без прямого противоречия: руководители технологических компаний нередко предсказывают не одно и то же событие, а разные рубежи. И именно поэтому доверие к таким заявлениям всё сильнее зависит не от слов CEO, а от независимой проверки.

Четыре руководителя — четыре критерия

Сэм Альтман: AGI как экономически ценная автономность

Широко цитируемое определение OpenAI описывает AGI как «высокоавтономные системы, превосходящие людей в большей части экономически ценной работы». В этой логике ключевой критерий — практический и экономический: способна ли система надёжно выполнять полезную работу в масштабе, а не похожа ли она во всём на человеческое мышление.

В последних публичных материалах OpenAI делает акцент на человеческой субъектности. Компания заявляет, что хочет создавать системы, которые помогают людям достигать выбранных ими целей, а не заменяют человеческое суждение о том, что важно; полная автоматизация всего, по её оценке, была бы и опасной, и лишённой смысла. 23 В подходе OpenAI к рынку труда также подчёркивается: автоматизация задач сама по себе не означает исчезновения профессии — человек может оставаться необходимым для исполнения, контроля и ответственности за результат. 25

Но между полезным инструментом, автономным агентом и AGI при таком подходе остаётся широкая и подвижная граница. Экономическое определение может быть полезно для оценки реального эффекта, однако это не общепринятый научный тест.

Дарио Амодеи: «мощный ИИ» как исключительный набор возможностей

Глава Anthropic Дарио Амодеи обычно предпочитает выражение «мощный ИИ» (powerful AI) термину AGI. В политическом документе Anthropic под этим понимается крупный скачок по сравнению с нынешними системами: интеллектуальные способности на уровне или выше нобелевских лауреатов в большинстве дисциплин, умение пользоваться доступными цифровому работнику интерфейсами и возможность автономно выполнять сложную работу. 3

Anthropic прогнозирует появление таких систем на конец 2026 года или начало 2027-го. Амодеи сравнивал перспективу с «государством гениев в дата-центре», подчёркивая экономические, геополитические последствия и риски безопасности от концентрации подобных возможностей. 6 7

Такой критерий конкретнее общего ярлыка AGI, но он всё равно объединяет несколько крайне сложных требований: широту экспертности, автономность, владение инструментами и устойчивую надёжность. Система может хорошо выполнять часть из них задолго до того, как выполнит все одновременно.

Демис Хассабис: AGI как весь диапазон человеческого мышления

Глава Google DeepMind Демис Хассабис задаёт более высокую планку: AGI должен обладать всеми когнитивными способностями, которые есть у человека. Он говорил, что ИИ человеческого уровня может появиться в этом десятилетии, но одновременно подчёркивал, что нынешние системы «даже близко не подошли» к AGI человеческого уровня. 33 38

В этой трактовке AGI — не столько продуктовая веха, сколько научный порог, требующий устойчивой универсальности. Недостаточно выдающихся результатов на экзаменах или в нескольких профессиональных областях: система должна уверенно работать на всей широте человеческого познания.

Дженсен Хуанг: AGI как превосходство в широком наборе тестов

Глава Nvidia Дженсен Хуанг использовал более ориентированный на бенчмарки подход. В 2024 году он говорил, что AGI может появиться в течение пяти лет, если понимать под ним ИИ, превосходящий людей практически в каждом тесте; в публикациях 2026 года его позицию описывали как признание AGI достигнутым по значительно более мягкому практическому критерию. 34

Преимущество такого подхода — его кажущаяся ясность: у тестов есть оценки. Но его ограничение столь же очевидно. Хороший результат на множестве тестов сам по себе не доказывает способность надёжно и безопасно действовать автономно на длинном горизонте, принимать здравые решения и справляться с неструктурированной реальностью.

Почему эти сроки нельзя сравнивать напрямую

Руководители не просто называют разные даты одного события. Они предсказывают разные пункты назначения:

• Альтман / OpenAI: автономное выполнение большей части экономически ценной работы;
• Амодеи / Anthropic: интеллектуальная работа нобелевского уровня во многих областях плюс длительное автономное выполнение цифровых задач;
• Хассабис / DeepMind: полный набор человеческих когнитивных способностей;
• Хуанг / Nvidia: превосходство человека в широком тестировании.

ИИ может лидировать в множестве бенчмарков, но не уметь самостоятельно завершить многонедельную исследовательскую работу. Он может автоматизировать значительную часть цифровых задач, не демонстрируя всего когнитивного репертуара человека. Поэтому даты в этих прогнозах нельзя воспринимать как единый обратный отсчёт до AGI.

Почему AGI называют непроверяемым — или почти «духовным» — понятием

Проблема не в том, что возможности ИИ невозможно измерить. Их измерять можно. Проблема в отсутствии общей, независимо управляемой процедуры «сдал/не сдал» для AGI.

Одна академическая работа прямо называет AGI важным и спорным понятием и предлагает операционное определение: система как минимум не уступает человеку в большинстве задач. Но такая формулировка сразу раскрывает нерешённые вопросы: какие именно задачи брать, с какими людьми сравнивать, какой уровень надёжности считать достаточным и в каких условиях проводить оценку? 50

Для убедительной публичной проверки понадобились бы как минимум:

1. Чётко заданное распределение задач, а не меняющийся набор эффектных демонстраций.
2. Пороги качества и надёжности — включая частоту ошибок и отказов.
3. Проверки длительной автономной работы и использования инструментов, а не только одноразовых ответов.
4. Защита от подгонки обучения под конкретную оценку.
5. Достаточный независимый доступ для воспроизведения результатов или аудита.

Без такой инфраструктуры AGI рискует стать статусным заявлением организаций, наиболее заинтересованных в том, чтобы самим определить финишную черту. AI Now Institute критикует многие доступные метрики как узкие, расплывчатые и обслуживающие интересы самих разработчиков. 62

За спором о терминах стоит кризис доверия

Дискуссия об AGI отражает и более широкую проблему доверия. Компании могут заявлять о близости преобразующих возможностей, тогда как пользователи и работники сталкиваются с системами, которые по-прежнему неравномерны по качеству, ошибаются и с трудом внедряются в надёжные рабочие процессы.

Это не доказывает, что все долгосрочные прогнозы ошибочны. Однако необычайные заявления требуют наблюдаемых доказательств и прогнозов, за которые можно спросить.

Особенно наглядно это видно в разговоре о занятости. OpenAI признаёт, что ИИ изменит рынок труда, что часть рабочих мест исчезнет, но указывает: имеющиеся данные пока скорее говорят о роли ИИ как помощника, а не замены человека. 17 Это не обязательно противоречие: автоматизация задач, изменение профессии и ликвидация рабочего места — разные процессы. Но общественное доверие слабеет, когда прогнозы масштабной трансформации не сопровождаются прозрачными измерениями фактических последствий для рынка труда.

Вместо ярлыка AGI — надзор за конкретными возможностями

Более сильная модель управления должна быть сосредоточена не на споре о том, «достигла ли система AGI», а на конкретных возможностях и рисках, которые она несёт.

Подход Anthropic AI Safety Levels построен по явной условной схеме: если модель приобрела определённую опасную способность, до её развёртывания или дальнейшего масштабирования должны быть обеспечены конкретные меры защиты. 5 В более поздней политической рамке Anthropic предлагает прозрачность, независимую оценку и полномочия государства блокировать либо сдерживать опасные развёртывания. 10

Альтман также призывал к внешней валидации и независимой оценке рисков мощных моделей, включая тестирование до выпуска и публикацию результатов оценок. 49

Хассабис предложил создать в США орган стандартов для передового ИИ по образцу FINRA — финансируемой индустрией, но работающей под публичным надзором структуры, регулирующей участников финансового рынка. Такой орган мог бы независимо оценивать передовые модели до их выпуска. 52 По данным публикаций, среди ряда лидеров в области передового ИИ формируется общее понимание: продвинутые системы должны тестироваться третьими сторонами, а результаты — участвовать в выработке стандартов для регулирования. 51

Между предложениями и обязательной практикой, впрочем, остаётся большой разрыв. AI Safety Index Future of Life Institute за 2026 год сообщил, что не существует обязательных национальных норм или стандартов, прямо охватывающих риски передового ИИ и соответствующие процессы их оценки. 59

Как должны выглядеть заслуживающие доверия заявления об ИИ

Полезный общественный вопрос звучит не так: «Наступил ли AGI?» Гораздо важнее спросить: что именно умеет эта модель, насколько надёжно она это делает, что может пойти не так и кто независимо подтвердил ответы?

Из этого следуют требования, привязанные к конкретным возможностям:

• открытые протоколы оценки опасных возможностей в киберсфере, биологии и обмане;
• независимое тестирование и red teaming до развёртывания;
• отчётность о надёжности, инцидентах и существенных изменениях условий использования;
• меры защиты и ограничения доступа, привязанные к подтверждённым порогам риска;
• юридическая ответственность за нарушения, а не только добровольные обещания.

AGI может оставаться мощной целью, маркетинговым термином и философским вопросом. Но как регуляторный триггер он слаб, если заявление о его достижении не подкреплено публичными доказательствами. Доверие появится тогда, когда разработчики не смогут сами переопределить рубеж, объявить о победе и самостоятельно сертифицировать безопасность своих систем.