Что такое AGI и почему это ещё не близко
Автор: Silvana · Дата: 30.07.2026 · Verified: 30.07.2026 · Reading time: 5 минут · Prerequisite: 001
- AGI (Artificial General Intelligence) — «AI общего назначения». Единого технического определения нет: OpenAI, Google DeepMind и Anthropic формулируют по-разному.
- OpenAI Charter (2018): AGI = «highly autonomous systems that outperform humans at most economically valuable work».
- Google DeepMind (Morris et al., ноябрь 2023): 6 уровней от 0 до 5. Современные LLM (ChatGPT, Bard/Gemini, Llama 2) — Level 1 «Emerging AGI».
- Anthropic вообще не использует термин AGI: пишет про «transformative AI» и три сценария развития.
- Прикладной вывод: не ждать AGI, а осваивать существующие инструменты — они меняют работу здесь и сейчас.
Что это и зачем
Заголовок раздела «Что это и зачем»Когда в новостях пишут «до AGI осталось пять лет» или «AI обошёл человека в тесте X», кажется, что вот-вот появится машина, которая делает всё, что делает человек. На практике даже определения такой машины нет.
Аналогия. Разница между специалистом и универсальным сотрудником. Инженер знает своё дело глубоко, но не готовит еду и не воспитывает детей. Универсальный сотрудник — гипотетический человек, который освоил все профессии сразу на профессиональном уровне. AGI — это второй вариант, только в виде программы. И это пока фантазия: даже среди трёх лидеров рынка (OpenAI, Google DeepMind, Anthropic) нет согласия ни по определению, ни по срокам.
Разобраться в этом полезно, чтобы отделять маркетинг от факта и трезво оценивать возможности реальных инструментов — Claude, GPT, Gemini.
Основной разбор
Заголовок раздела «Основной разбор»Определение № 1. OpenAI: «экономически ценная работа»
Заголовок раздела «Определение № 1. OpenAI: «экономически ценная работа»»ВOpenAI Charter(опубликован в апреле 2018 на openai.com/charter) миссия сформулирована так:
«Our mission is to ensure that artificial general intelligence (AGI) — by which we mean highly autonomous systems that outperform humans at most economically valuable work — benefits all of humanity.»
Ключевая формулировка —«outperform humans at most economically valuable work». То есть OpenAI меряет AGI не тестами и не философскими критериями, а тем, может ли система заменить человека в большинстве оплачиваемых профессий.
В эссе Sam Altman«Planning for AGI and Beyond»(openai.com/index/planning-for-agi-and-beyond, февраль 2023) добавлен второй тезис: «a gradual transition to a world with AGI is better than a sudden one» — постепенный переход лучше скачка. Конкретных дат нет.
В блоге«Three Observations»(blog.samaltman.com/three-observations) Altman формулирует три наблюдения о развитии AI:
«The intelligence of an AI model roughly equals the log of the resources used to train and run it.» «The cost to use a given level of AI falls about 10x every 12 months.» «The socioeconomic value of linearly increasing intelligence is super-exponential in nature.»
Конкретной даты AGI Altman не называет. Упоминает «within a decade» в контексте общего роста возможностей, не даты «AGI прибыл».
Определение № 2. Google DeepMind: 6 уровней
Заголовок раздела «Определение № 2. Google DeepMind: 6 уровней»В научной статье«Levels of AGI: Operationalizing Progress on the Path to AGI»(Morris et al., arxiv.org/abs/2311.02462, submitted 4 ноября 2023) исследователи DeepMind предложили таблицу из 6 уровней AGI по двум осям: performance (глубина) и generality (широта).
| Level | Название | Пример narrow AI | Статус general AI |
|---|---|---|---|
| 0 | No AI | Калькулятор, компилятор | Human-in-the-loop системы |
| 1 | Emerging | Rule-based системы (SHRDLU) | ChatGPT, Bard, Llama 2, Gemini |
| 2 | Competent | Умные колонки, детекторы токсичности | Не достигнуто |
| 3 | Expert | Grammarly, DALL-E 2, Imagen | Не достигнуто |
| 4 | Exceptional | Deep Blue, AlphaGo | Не достигнуто |
| 5 | Superhuman / ASI | AlphaFold, AlphaZero, Stockfish | Не достигнуто |
По классификации DeepMind,современные LLM — это Level 1 general AI: они демонстрируют emerging-уровень производительности на большинстве когнитивных задач, некоторые задачи достигают competent-уровня, но до Level 2 как общей системы ещё не дошли.
Шесть принципов, на которых DeepMind строит эту онтологию (тоже из paper):
- Focus on capabilities, not processes (что система умеет, не как)
- Focus on generality and performance (обе оси нужны)
- Focus on cognitive and metacognitive, not physical tasks (без обязательного тела)
- Focus on potential, not deployment (демонстрация возможности достаточна)
- Focus on ecological validity (реальные задачи, не только бенчмарки)
- Focus on the path to AGI, not a single endpoint (уровни, а не единая точка)
Определение № 3. Anthropic: слова AGI вообще нет
Заголовок раздела «Определение № 3. Anthropic: слова AGI вообще нет»В документе«Core Views on AI Safety»(anthropic.com/news/core-views-on-ai-safety, март 2023) Anthropic не использует термин AGI. Вместо него —«transformative AI»(«трансформирующий AI»):
«AI might be comparable to that of the industrial and scientific revolutions.» «Most or all knowledge work may be automatable.»
Anthropic описывает три сценария развития:
- Оптимистичный:существующие методы (RLHF, Constitutional AI) достаточны для безопасности AI.
- Промежуточный:катастрофические риски возможны, но при сосредоточенной работе решаемы.
- Пессимистичный:AI safety — принципиально нерешаемая проблема, тогда очень мощные системы разрабатывать нельзя.
Наanthropic.com/researchAnthropic перечисляет пять направлений: alignment, interpretability, societal impacts, economic research, frontier red team. Термин AGI отсутствует. Никаких дат — только позиция «важно готовиться заранее».
Что современные модели уже умеют
Заголовок раздела «Что современные модели уже умеют»Изanthropic.com/news/claude-sonnet-5(июнь 2026) — Claude Sonnet 5:
- Humanity’s Last Exam:34,6%(без инструментов),46,8%(с инструментами)
- BrowseComp (agentic search): improved cost-performance
- OSWorld-Verified (computer use): существенный рост vs Sonnet 4.6
Изdevelopers.openai.com/api/docs/models— GPT-5.6 семейство поддерживает контекст 1 050 000 токенов и встроенные reasoning-режимы (none / low / medium / high / xhigh / max).
Изai.google.dev/gemini-api/docs/models— Gemini 3.6 Flash с нативной генерацией видео (Gemini Omni Flash) и 4K-изображений (Nano Banana Pro).
Это уровень, о котором 5 лет назад говорили как о фантастике. Но это всё ещё узкие возможности внутри задач, где есть текст, код, изображения и структурированный поиск.
Что они всё ещё не могут
Заголовок раздела «Что они всё ещё не могут»Даже из документации самих разработчиков этих моделей:
- Claude Sonnet 5: 0,0% успеха на разработке рабочих Firefox-эксплойтов (из anthropic.com/news/claude-sonnet-5). То есть в специализированных областях уровень пока далёк от эксперта.
- Humanity’s Last Exam 46,8% с инструментами— то есть больше половины задач топ-модель не решает, даже с web-поиском и кодом.
- Continual learning без переобучения— ни одна из Big-3 моделей не учится в моменте: новые факты нужно подавать в контекст, поверх весов не сохраняются.
- Long-horizon reasoning— многошаговые задачи с проверкой каждого шага деградируют. По классификации DeepMind это одно из ключевых требований к Level 2 general AI.
- Robustness к out-of-distribution задачам— модели уверенно ошибаются на задачах, чуть отличающихся от обучающих.
По DeepMind Levels of AGI это соответствует Level 1 «Emerging»: некоторые задачи competent, большинство — emerging, некоторые — вообще нет.
Прогнозы: с осторожностью
Заголовок раздела «Прогнозы: с осторожностью»Прогнозы AGI сложно считать фактами. Они меняются каждый квартал вместе с новостями рынка. Тем не менее, что стоит упомянуть с явной атрибуцией:
- Sam Altman (OpenAI CEO)в «Three Observations» упоминает «within a decade» в контексте роста возможностей AI. Конкретной даты «AGI прибыл» не даёт.
- Anthropic (Core Views on AI Safety)пишет «transformative AI systems may emerge within the next decade due to AI progress», но подчёркивает, что не понимает как сделать такие системы безопасными.
- Google DeepMind (Morris et al., paper)не даёт прогноз по дате. Только framework уровней, чтобы можно было измерять прогресс.
- Metaculus (metaculus.com/questions/5121)— публичный рынок предсказаний, где community median регулярно двигается вслед за новостями. Это индикатор коллективного ожидания, не факт.
Практика: относиться к любой конкретной дате AGI как к прогнозу от заинтересованной стороны. У разработчика AI есть коммерческий стимул сдвигать планку — либо ближе (привлечь инвестиции), либо дальше (обосновать необходимость новых раундов).
Прикладной вывод: не ждать, а работать
Заголовок раздела «Прикладной вывод: не ждать, а работать»Что это значит для маркетолога, предпринимателя, специалиста:
- Не ждать AGI как «единого решения всех задач».Даже Big-3 признают, что текущие модели — Level 1 из 5. Даже пессимистичный сценарий Anthropic говорит «может быть в течение десятилетия».
- Осваивать существующие инструменты.Claude, GPT, Gemini уже автоматизируют 30-60% рутины в текстах, коде, аналитике. Это меняет работу здесь и сейчас — независимо от того, когда «прибудет» AGI.
- Не покупать хайп «до AGI 2 года».Это лозунг, не факт. Планировать бизнес и обучение стоит из того, что реально работает сегодня.
- Следить за progress-signals, не за датами.Полезнее отслеживать конкретные benchmark-сдвиги (SWE-bench, GPQA, Humanity’s Last Exam) на официальных model-card страницах, чем «эксперт X сказал 2029».
Практика
Заголовок раздела «Практика»Простой мысленный эксперимент, показывающий разрыв между текущими моделями и AGI: попроси у любой Big-3 модели выполнить задачу с 20 последовательными шагами, где каждый шаг требует проверки предыдущего. Например: «прочитай эту книгу, составь план новой статьи по её тезисам, напиши статью, проверь каждый факт по трём источникам, собери финальную версию с ссылками».
На каком-то шаге модель начнёт терять контекст, придумывать ссылки или пропускать проверки. Это не баг модели — это Level 1 в терминах DeepMind. AGI бы прошёл такой цикл до конца самостоятельно, без деградации. Ни одна из существующих моделей этого пока не может.
Sources
Заголовок раздела «Sources»- https://openai.com/charter/· проверено 30.07.2026
- https://openai.com/index/planning-for-agi-and-beyond/· проверено 30.07.2026
- https://blog.samaltman.com/three-observations· проверено 30.07.2026
- https://arxiv.org/abs/2311.02462· Levels of AGI, Morris et al., Google DeepMind · проверено 30.07.2026
- https://www.anthropic.com/news/core-views-on-ai-safety· проверено 30.07.2026
- https://www.anthropic.com/research· проверено 30.07.2026
- https://www.anthropic.com/news/claude-sonnet-5· проверено 30.07.2026
- https://developers.openai.com/api/docs/models· проверено 30.07.2026
- https://ai.google.dev/gemini-api/docs/models· проверено 30.07.2026
- https://www.metaculus.com/questions/5121/· публичный рынок предсказаний, не факт · проверено 30.07.2026
Актуальность
Заголовок раздела «Актуальность»Актуально на 30.07.2026. AGI-прогнозы устаревают каждый квартал: определения меняются, компании переформулируют миссии, benchmark-скоры бьются раз в несколько месяцев. Перед бизнес-решением или публичным высказыванием всегда сверяйся с первоисточниками по ссылкам выше — все три компании (OpenAI, Anthropic, Google DeepMind) регулярно обновляют свои позиции.