4 juni 2026
De discussie over Kunstmatige Algemene Intelligentie (AGI) is een van de meest gekoesterde en ook verwarrende onderwerpen in de technologie-industrie. Het verwijst naar AI die in staat is om te leren en redeneren over tal van taken, vergelijkbaar met een mens. Terwijl techleiders hun verwachtingen uitspreken, investeren investeerders miljarden in onderzoek naar deze potentieel baanbrekende ontwikkeling. Tegelijkertijd waarschuwen critici voor de risico’s die zijn verbonden aan de komst van een dergelijke intelligentie.
Toch blijft er onduidelijkheid over wat AGI precies inhoudt. Er is een breed scala aan definities en meningen over de criteria waaraan een AI-systeem moet voldoen om als ‘algemeen intelligent’ te worden beschouwd. Malo Bourgon, CEO van het Machine Intelligence Research Institute, noemt deze definitieproblematiek uitdagend. In de praktijk betekent dit dat onderzoekers slechts in beperkte mate overeenstemming kunnen bereiken over wat AGI daadwerkelijk is en wanneer deze zal verschijnen.
Vooruitstrevende figuren binnen de technologie, zoals Sam Altman (OpenAI), Dario Amodei (Anthropic), en Elon Musk (xAI), hebben zich hierover uitgesproken. Musk voorspelde dat AGI in 2026 gerealiseerd zal zijn, terwijl hij er ook van overtuigd is dat AI tegen 2030 de collectieve intelligentie van de mensheid zal overstijgen. Dit soort voorspellingen wekt een halvering in de perceptie van AGI, en stemt het publiek niet zelden tot bezorgdheid.
AGI verschilt aanzienlijk van de generatieve AI waarmee de meeste mensen bekend zijn, zoals ChatGPT. Het begrip AGI verwijst naar een AI die in staat is om kennis te begrijpen, te leren en toe te passen over uiteenlopende taken op een menselijk niveau. Historisch gezien is het concept van AGI al meer dan een halve eeuw oud, en oogsten de opvattingen hierover voortdurend aandacht, vooral sinds de opkomst in de vroege jaren 2000 van onderzoekers zoals Ben Goertzel, Shane Legg en Peter Voss.
Bourgon wijst er echter op dat het streven naar “menselijke intelligentie” niet als een universieel doel moet worden gezien. Ons evolutionaire verleden, de structuur van ons brein, en de inherente limieten in ons werkgeheugen maken het waarschijnlijk dat, wanneer we AI-systemen ontwerpen die menselijke eigenschappen bezitten, er een enorme ruimte is voor verder ontwikkeling.
Recente vooruitgangen in grote taalmodellen en krachtige AI-systemen zoals Gemini, ChatGPT, Grok en Claude wekken de illusie dat AGI al is bereikt. Echter, het ontbreekt deze systemen aan autonomie. Bourgon legt uit dat veel mensen AGI associëren met een zekere mate van onafhankelijkheid, waarbij een AI niet zomaar als tool fungeert, maar taken kan uitvoeren in verschillende omgevingen met een significante mate van beslissingvrijheid.
Ben Goertzel, CEO van SingularityNET en een belangrijke pionier in de popularisering van AGI, stelt dat de term tegenwoordig vaak verkeerd wordt geïnterpreteerd. Hij merkt op dat veel technologische CEO’s het aantrekkelijk vinden om te beweren dat ze AGI hebben gelanceerd, wat leidt tot sensationalisme in de media. Het probleem is dat de huidige modellen weliswaar krachtig zijn, maar wezenlijk verschillen van wat we onder general intelligence verstaan. Ze zijn niet geleerd zoals mensen; in plaats daarvan krijgen ze toegang tot enorm veel data, waaruit ze hun kennis putten.
Een echte algemene intelligentie zou in staat moeten zijn om te generaliseren en werkelijk nieuwe inzichten te genereren, in plaats van simpelweg het geleerde te remixen. Goertzel vergeleek dit met een situatie waarin AI-systemen getraind worden op muziek tot het jaar 1900: ze zouden onmogelijk hiphop of grindcore kunnen uitvinden. De overgang naar AGI zal daarom niet plaatsvinden als een helder en plotseling moment.
De discussie over AGI is niet uniform wereldwijd. Kyle Chan van Brookings legt uit dat terwijl in de Verenigde Staten de existentiële implicaties van AGI uitvoerig worden gedebatteerd, de conversatie in China totaal anders is. Daar ligt de nadruk meer op het financiële aspect van AI en de ontwikkeling van autonome systemen, waarbij men zich richt op praktische toepassingen in plaats van theoretische speculatie over AGI.
De stelling van Chan is dat, hoewel Chinese AI-ontwikkelaars minder gefocust zijn op AGI dan hun Amerikaanse tegenhangers, er nog steeds interesse in het concept is. Dit geldt ook voor voorspellingen over het moment waarop AGI kan worden gerealiseerd; er is grote diversiteit in de meningen.
Bourgon stelt dat het veel belangrijker is om aandacht te besteden aan de capaciteiten en effecten van deze systemen, aangezien de label “AGI” er eigenlijk minder toe doet dan hetgeen die systemen kunnen betekenen voor de samenleving.
Wat is Kunstmatige Algemene Intelligentie (AGI)?
AGI verwijst naar een AI-systeem dat in staat is om kennis op menselijke wijze te begrijpen, leren en toepassen over verschillende taken, in tegenstelling tot de beperkte functionaliteit van huidige AI-modellen.
Wanneer verwachten experts dat AGI zal verschijnen?
De voorspellingen variëren sterk, met figuren als Elon Musk die spreekt over 2026, terwijl anderen de tijdlijn veel vaguer houden om de complexiteit van de ontwikkeling van AGI te onderstrepen.
Hoe verschilt AGI van de huidige AI-systemen?
Huidige AI-systemen kunnen krachtige taken uitvoeren door grote hoeveelheden data te gebruiken, maar missen de autonomie en de capaciteit om creatief en innovatief te zijn, wat cruciaal is voor wat AGI wordt geacht te zijn.
Bitcoin (BTC)
Ethereum (ETH)
XRP (XRP)
