Искусственный общий интеллект

Искусственный общий интеллект также называют сильным искусственным интеллектом, полным искусственным интеллектом, искусственным интеллектом уровня человека, или общей интеллектуальной деятельностью^[7].^[8]

Некоторые авторы используют термин «сильный искусственный интеллект» для обозначения программ, обладающих сознанием или сентиментальностью, а понятие «слабый искусственный интеллект» или «узкий искусственный интеллект» ограничивают системами, решающими конкретные задачи и не обладающими универсальными когнитивными способностями.

Связанные понятия включают искусственный сверхинтеллект (ASI) — гипотетический уровень интеллекта, значительно превосходящий человеческий^[9]. Фундаментальное различие между ними заключается в том, что AGI стремится достичь уровня человеческого интеллекта, а ASI предполагает превосходство над ним во всех аспектах^[10]. Ещё одним связанным понятием является трансформационный искусственный интеллект, который оказывает значительное влияние на общество, сравнимое с аграрной или промышленной революцией^[11].

В 2023 году сотрудники Google DeepMind предложили классификацию AGI по уровням производительности и автономии^[12]. По качеству они выделяют такие уровни AGI, как начальный, компетентный, экспертный, виртуозный и сверхчеловеческий интеллекты^[12]. Например, компетентный AGI превосходит 50 % опытных взрослых в большом числе интеллектуальных задач, а сверхчеловеческий (или ASI) превосходит на 100 %^[12]. Современные большие языковые модели, вроде ChatGPT или LLaMA 2, рассматриваются как зарождающийся AGI (аналогично некомпетентным людям). Также определяются уровни автономии: инструмент (полный контроль у человека), консультант, соавтор, эксперт и агент (полностью автономный)^[13]. В 2026 году Google DeepMind дополнила свою классификацию когнитивной структурой для практического измерения уровней AGI, оценивающей 10 ключевых способностей^[14].

Существует множество популярных определений интеллекта, важное место среди которых занимает тест Тьюринга. Однако многие исследователи AI предлагают и другие трактовки. К 2026 году классический тест Тьюринга считается устаревшим для оценки AGI, так как он измеряет лишь способность к имитации диалога, с чем успешно справляются современные большие языковые модели^[15].

Для отнесения системы к AGI большинство авторов считают необходимым:

• рассуждать (включая способность к многошаговому логическому выводу и мышлению «Системы 2»^[16]), использовать стратегии, решать головоломки, принимать решения в условиях неопределённости;
• представлять знания (включая использование «мировых моделей» для формирования интуитивного понимания физического мира и здравого смысла^[17]);
• планировать;
• обучаться;
• коммуницировать на естественных языках;
• интегрировать вышеперечисленные навыки для достижения определённых целей.
• осуществлять кросс-доменное обобщение знаний (переносить опыт из одной области в другую без необходимости специального переобучения^[18]).

К дополнительным признакам относят воображение (способность создавать новые ментальные образы и понятия)^[19], при этом автономность (развитие автономных AI-агентов) стала рассматриваться как обязательный критерий AGI^[20][21].

Также для систем AGI желательно иметь развитыми:

• способность ощущать (например, видеть или слышать);
• способность действовать (например, перемещаться, манипулировать объектами).

Ранее считалось, что эти навыки не являются строго необходимыми, и в качестве исторического примера такого теоретического подхода часто приводится вымышленный HAL 9000 из фильма «Космическая одиссея 2001 года», управлявший кораблём без физической телесности^[22]. Однако в современных исследованиях (2025—2026 годы) воплощённый интеллект (Embodied AI) рассматривается как критически важный для формирования истинного понимания мира (grounding) через физическое взаимодействие^[23][24][25]. В качестве примеров практической интеграции мультимодальных моделей в гуманоидную робототехнику выделяют такие проекты, как роботы компании Figure AI (на базе модели Helix) и Tesla Optimus^[26].

Были предложены различные тесты для подтверждения наличия у системы интеллекта человеческого уровня:^[27][28]

• тест Тьюринга: проверка способности убеждать экспертного судью в том, что собеседник — человек.
• Тест «робот-студент»: прохождение учебного курса и получение диплома.
• Тест на профессиональную занятость: выполнение работы не хуже среднестатистического работника.
• Ikea-тест: сборка мебели по инструкции с помощью робототехнического тела (по состоянию на 2026 год остаётся не пройденным^[29]).
• Тест на самостоятельное зарабатывание: предоставление капитала и задача увеличить его; пример — предложенный Мустафой Сулейманом эксперимент с $100,000, который остаётся концептуальным предложением и на практике не проводился^[30].
• Тест на универсальное решение компьютерных игр: успешное освоение разнообразных игр, включая ранее неизвестные.
• Тест «на кофе»: умение войти в дом и приготовить кофе (также не пройден^[31]).
• «Тест Эйнштейна»: предложенный Демисом Хассабисом в 2026 году критерий, проверяющий способность ИИ к самостоятельному совершению фундаментальных научных открытий на основе исторических данных^[32].

К задачам, решение которых требует AGI, относят: полноценную компьютерную зрение, понимание естественного языка, обработку непредвиденных обстоятельств в реальном мире. Многие такие задачи теперь осваиваются большими языковыми моделями^[33].

К 2026 году ключевыми нерешёнными задачами на пути к AGI остаются: формирование здравого смысла, истинное рассуждение и обобщение, долгосрочное планирование, взаимодействие с физическим миром и проблема согласованности (AI Alignment)^[34][35].

Современные исследования в области AI начались в середине 1950-х годов^[36]. Первое поколение исследователей AI считало, что искусственный общий интеллект достижим в течение нескольких десятилетий^[37]. Однако к началу 1970-х стало ясно, что задача сложнее, чем предполагалось. В 1980-х Япония инициировала проект «пятое поколение», вновь привлекший внимание к AGI, но к 1990-м годам скепсис усилился, а финансирование сфокусировалось на прикладных направлениях.

В последующие десятилетия основной успех ИИ был связан с прикладными («узкими») задачами, такими как распознавание речи, компьютерное зрение и рекомендательные системы^[38]. С начала XXI века стали появляться концепции построения AGI путём объединения различных алгоритмов и методов машинного обучения.

Термин artificial general intelligence начали использовать с конца 1990-х — в частности, его популяризировали Бен Гёрцель и Шейн Легг^[39]. Одна из первых формальных моделей AGI — агент AIXI Маркуса Хуттера (2000) — математически определяет способность максимизировать успех во многих средах^[40].

Период с 2024 по 2026 год стал временем значительного ускорения разработки искусственного общего интеллекта. Ключевыми факторами этого процесса стали прорывы в области мультимодальности, развитие автономных агентных систем и переход к архитектурам «мировых моделей» (world models)^[41].^[42][43]

В мае 2026 года глава Google DeepMind Демис Хассабис назвал 2029 год «реальной возможностью» для появления искусственного общего интеллекта^[5][44]. Основным драйвером прогресса в этой области является стратегия «вычислительного масштабирования», сопровождающаяся беспрецедентными инвестициями. Тем не менее, серьёзным ограничивающим фактором для дальнейшего развития становятся высокая стоимость вычислений и нехватка энергетической инфраструктуры^[45].

Аналитики сравнивают потенциальное макроэкономическое влияние искусственного общего интеллекта (AGI) с промышленной революцией. Прогнозируется, что развитие AGI приведёт к автоматизации умственного труда и значительному увеличению мирового ВВП^[6][46].

Передовые системы искусственного интеллекта уже активно применяются на практике. В медицине они используются для повышения точности диагностики и ускорения разработки новых лекарств. В фундаментальной науке ИИ всё чаще выступает в роли самостоятельного инструмента для проведения исследований^[47][48].

Гипотетический переход от искусственного общего интеллекта (AGI) к искусственному сверхинтеллекту (ASI) сопряжён с риском «взрывного роста интеллекта»^[49] — процесса рекурсивного самосовершенствования системы. В связи с этим критическое значение приобретает проблема контроля и согласования (англ. Alignment Problem)^[50]. Её главная задача заключается в обеспечении совпадения целей и ценностей сверхинтеллекта с человеческими во избежание разрушительных последствий, которые могут возникнуть из-за слишком буквального выполнения машиной поставленных задач.

Для управления рисками, связанными с развитием искусственного интеллекта, формируется международная нормативная база. В августе 2026 года вступает в силу Европейский закон об искусственном интеллекте (EU AI Act), который устанавливает риск-ориентированный подход к регулированию технологий^[51]. На глобальном уровне этические инициативы продвигает ЮНЕСКО, разрабатывающая международные стандарты на основе универсальных гуманистических ценностей^[52].