Wat is AGI (artificial general intelligence)?

Definitie: AGI (artificial general intelligence, in het Nederlands kunstmatige algemene intelligentie) is een hypothetische vorm van kunstmatige intelligentie die op vrijwel elke denktaak minstens zo goed presteert als een mens, en kennis zelfstandig kan toepassen in nieuwe situaties. Er bestaat geen algemeen aanvaarde definitie of test, en er is geen wetenschappelijke consensus dat AGI al is bereikt.

In het kort

• AGI staat voor artificial general intelligence. Het tegenovergestelde is smalle AI: systemen die één taak of een beperkt aantal taken goed uitvoeren.
• De term werd in 1997 gebruikt door Mark Gubrud en rond 2002 gepopulariseerd door Shane Legg en Ben Goertzel.
• Bedrijven als OpenAI, Google DeepMind, Anthropic en Meta zeggen te werken aan AGI. Voorspellingen over wanneer het er is lopen sterk uiteen.
• Voor bedrijven die nu AI inzetten, gaat het in de praktijk om smalle toepassingen met duidelijke taken en menselijke controle.

Wat is AGI?

AGI is het idee van een computer die net zo breed kan denken als een mens. Waar huidige AI-systemen goed zijn in specifieke taken, zou een AGI elke intellectuele taak kunnen leren en uitvoeren die een mens kan. Denk aan redeneren, plannen, problemen oplossen in een onbekende situatie, leren van weinig voorbeelden en kennis uit het ene vakgebied toepassen in het andere.

OVHcloud benadrukt dat er geen universeel geaccepteerde definitie van AGI bestaat. Dat is ook de kern van veel discussie. Volgens DataNorth hanteren het OpenAI Charter en de ARC Prize Foundation elk een eigen definitie, en heeft Google DeepMind een eigen indeling in niveaus. Wanneer een systeem AGI is, hangt dus af van wie je het vraagt.

Wat betekent AGI?

In het Nederlands spreek je van kunstmatige algemene intelligentie of artificiële algemene intelligentie. In het Engels wordt ook wel strong AI gebruikt, tegenover weak AI voor smalle systemen.

Waar komt de term AGI vandaan?

Het onderzoek naar kunstmatige intelligentie begon officieel in 1956, op het Dartmouth Summer Research Project, waar de term artificial intelligence werd bedacht. Het oorspronkelijke doel was eigenlijk al algemene intelligentie: machines die kunnen denken zoals mensen.

Toen dat lastiger bleek, richtte het vakgebied zich op specifieke problemen, zoals schaken, spraakherkenning en vertalen. Volgens Wikipedia gebruikte Mark Gubrud de term artificial general intelligence in 1997, in een discussie over geautomatiseerde militaire productie. Rond 2002 brachten Shane Legg en Ben Goertzel de term opnieuw in omloop om onderzoek naar brede, menselijke intelligentie te onderscheiden van smalle AI.

Wat is het verschil tussen AI en AGI?

DataNorth noemt spamfilters, schaakprogramma Stockfish en eiwitmodel AlphaFold als voorbeelden van smalle AI. Die kunnen binnen hun eigen domein beter presteren dan mensen, maar falen buiten dat domein vaak zonder dat aan te geven.

Grote taalmodellen zoals ChatGPT, Claude en Gemini vallen ergens tussenin. Ze kunnen veel verschillende taken, van schrijven tot programmeren. Toch zijn ze volgens de meeste onderzoekers geen AGI: ze maken fouten die een mens niet zou maken, kunnen zelf niet blijvend leren en zijn afhankelijk van hun trainingsdata. Google DeepMind plaatste dit soort modellen in 2023 op het laagste van vijf niveaus in zijn indeling, als emerging AGI.

Wat is het verschil tussen AGI en ASI?

AGI en ASI worden vaak in één adem genoemd, maar ze beschrijven een ander niveau. AGI is AI die ongeveer op menselijk niveau presteert over een breed scala aan taken. ASI, artificial superintelligence, gaat een stap verder: een systeem dat de beste mensen op vrijwel elk cognitief gebied ruim overtreft. Volgens DataNorth gaf filosoof Nick Bostrom in 1997 de klassieke definitie van superintelligentie.

Sommige onderzoekers verwachten dat de stap van AGI naar ASI snel kan gaan, omdat een systeem op menselijk niveau zichzelf zou kunnen helpen verbeteren. Anderen vinden dat speculatief. Van ASI bestaat in elk geval nog geen voorbeeld.

Hoe zou AGI gebouwd kunnen worden?

OVHcloud beschrijft verschillende onderzoeksrichtingen die als mogelijke route naar AGI worden gezien:

• Deep learning. Grote neurale netwerken die patronen leren uit enorme hoeveelheden data. Dit is de basis van de huidige taalmodellen.
• Reinforcement learning. Een systeem leert door te proberen en beloond of gecorrigeerd te worden.
• Transfer learning. Kennis uit de ene taak gebruiken om een andere taak sneller te leren.
• Neuro-evolutie. Netwerken die zich via een soort natuurlijke selectie ontwikkelen.
• Hybride methoden. Een combinatie van lerende systemen met vaste regels en logica.

Er is geen overeenstemming over welke route werkt. Een deel van de onderzoekers denkt dat opschalen van de huidige modellen genoeg is, een ander deel verwacht dat er fundamenteel nieuwe ideeën nodig zijn.

Misverstanden over AGI

• Slim is niet hetzelfde als bewust. DataNorth benadrukt dat intelligentie en bewustzijn twee verschillende dingen zijn. Een systeem kan taken uitvoeren zonder iets te ervaren.
• Veelzijdig is niet hetzelfde als algemeen. Een taalmodel dat veel taken aankan, past die kennis nog niet betrouwbaar toe in elke nieuwe situatie.
• Eén definitie bestaat niet. Volgens DataNorth verzamelden Shane Legg en Marcus Hutter in 2007 al ongeveer zeventig definities van intelligentie.

Hoe weet je of AGI is bereikt?

Er is geen officiële test. Wikipedia beschrijft een aantal voorstellen:

• De Turing-test (1950). Een mens voert een gesprek via tekst en moet bepalen of hij met een mens of een machine praat.
• De koffietest. Voorgesteld door Steve Wozniak: een machine moet in een willekeurig huis koffie zetten, inclusief het vinden van de machine, de koffie en een kopje.
• De IKEA-test. Een robot moet een bouwpakket in elkaar zetten.
• Benchmarks. Sets met opgaven die moeilijk zijn voor AI en makkelijk voor mensen, zoals de ARC-AGI-tests van de ARC Prize Foundation.

Elke test meet een deel. Een systeem dat een gesprek kan voeren, kan nog geen koffie zetten. Daarom blijft de vraag of AGI bereikt is voorlopig vooral een kwestie van definitie.

Wanneer komt AGI?

De voorspellingen lopen ver uiteen:

• Volgens DataNorth gaf een enquête onder 2.778 AI-onderzoekers een kans van 50% dat machines in 2047 zonder hulp elke taak beter uitvoeren dan mensen.
• Dario Amodei van Anthropic schreef in oktober 2024 dat krachtige AI al in 2026 zou kunnen bestaan, maar dat het ook veel later kan worden.
• Androidplanet citeert Sam Altman van OpenAI met een verwachting binnen vijf jaar, en Robin Li van Baidu met meer dan tien jaar.

Een eerdere analyse, waar Wikipedia naar verwijst, liet zien dat voorspellingen over AI sinds de jaren vijftig steeds vijftien tot vijfentwintig jaar vooruit lagen. Dat is een reden om stellige uitspraken met voorzichtigheid te lezen.

Wat zijn de risico’s van AGI?

De discussie over AGI gaat niet alleen over techniek. Veelgenoemde zorgen zijn:

• Alignment. Hoe zorg je dat een zeer capabel systeem handelt volgens menselijke waarden en doelen?
• Controle. Kan een systeem dat slimmer is dan zijn makers nog worden bijgestuurd?
• Werk. Wat gebeurt er met banen als een systeem de meeste denktaken kan overnemen?
• Macht. Het eerste bedrijf dat AGI bereikt, zou een grote voorsprong krijgen.

Regelgeving zoals de Europese AI Act regelt nu al eisen voor AI-modellen voor algemene doeleinden. DataNorth wijst erop dat die categorie niet hetzelfde is als AGI.

Wat betekent AGI voor bedrijven nu?

Voor de meeste organisaties verandert de discussie over AGI weinig aan de vraag van vandaag. De AI die je nu kunt inzetten is smal: een taalmodel dat een e-mail samenvat, een systeem dat documenten uitleest, een assistent die vragen beantwoordt op basis van je eigen kennis. Die toepassingen werken het best met een duidelijke taak, goede invoer en een mens die het resultaat beoordeelt. Wie wacht op AGI voordat hij iets met AI doet, laat bruikbare kleine stappen liggen. Wie AI behandelt alsof het al AGI is, vertrouwt het te snel. Een nuchtere tussenweg is beginnen met één afgebakende taak, meten of het helpt en dan pas uitbreiden.

Wat betekent dit voor jouw project?

Ik kijk bij AI niet naar wat het ooit zou kunnen, maar naar wat een concrete taak in je proces nu nodig heeft. Wie gaat het gebruiken, en welke taak moet die persoon als eerste kunnen afronden?

Bij Elevtr, mijn eigen LinkedIn-software voor het voorbereiden en publiceren van content, staat één bouwles centraal: maak onderscheid tussen input, voorstel, keuze en uitvoering. Een gebruiker moet begrijpen wat de software voorbereidt en wat er daadwerkelijk wordt gepubliceerd. Die scheiding blijft waardevol, hoe slim de software ook wordt.

Vraag? Stuur me welke taak bij jullie veel tijd kost en wie ermee werkt. Dan kijken we samen of AI daar een logische eerste stap is, en waar een mens moet blijven beslissen.

Veelgestelde vragen over AGI

Wat is AGI in het kort?

AGI, artificial general intelligence, is een hypothetische vorm van AI die op vrijwel elke denktaak minstens zo goed presteert als een mens. Er is geen algemeen aanvaarde definitie, en er is geen wetenschappelijke consensus dat AGI al bestaat.

Is ChatGPT een AGI?

Volgens de meeste onderzoekers niet. ChatGPT kan veel verschillende taken uitvoeren, maar maakt fouten die een mens niet zou maken, leert niet zelfstandig bij en is afhankelijk van zijn trainingsdata.

Wat is het verschil tussen AGI en ASI?

AGI is AI op menselijk niveau over een breed scala aan taken. ASI, artificial superintelligence, gaat verder en zou de beste mensen op vrijwel elk gebied overtreffen. Beide bestaan nog niet.

Verwante termen

Deep learning · Agentic AI · AI-agent · AI-hallucinatie · LLM-API / AI-integratie · Spraakherkenning