{"id":20196,"date":"2026-09-08T13:01:48","date_gmt":"2026-09-08T11:01:48","guid":{"rendered":"https:\/\/haimagazine.com\/?p=20196"},"modified":"2026-09-08T13:01:53","modified_gmt":"2026-09-08T11:01:53","slug":"jak-daleko-do-agi","status":"publish","type":"post","link":"https:\/\/haimagazine.com\/pl\/ai_branza\/it\/jak-daleko-do-agi\/","title":{"rendered":"Jak daleko do AGI? To zale\u017cy, kto mierzy"},"content":{"rendered":"

\u201eWelcome to the AGI era\u201d \u2013 tymi s\u0142owami Greg Brockman, wsp\u00f3\u0142za\u0142o\u017cyciel i prezes OpenAI, mia\u0142 zako\u0144czy\u0107 briefing prasowy po\u015bwi\u0119cony premierze GPT-6 Astra<\/mark><\/a>. Sama firma by\u0142a ostro\u017cniejsza. W oficjalnym komunikacie nazwa\u0142a Astr\u0119 \u201enow\u0105 generacj\u0105 inteligencji\u201d i swoim najbardziej inteligentnym modelem, ale nie og\u0142osi\u0142a: osi\u0105gn\u0119li\u015bmy AGI. Axios<\/a>.<\/p>

I dobrze, bo zanim zaczniemy rozstrzyga\u0107, czy AGI ju\u017c powsta\u0142o, wypada\u0142oby ustali\u0107, czym w\u0142a\u015bciwie jest.<\/p>

Artificial General Intelligence t\u0142umaczymy najcz\u0119\u015bciej jako sztuczn\u0105 inteligencj\u0119 og\u00f3ln\u0105. Problem w tym, \u017ce nie istnieje jedna uzgodniona definicja tego poj\u0119cia ani jeden test, kt\u00f3rego zaliczenie pozwala\u0142oby wyda\u0107 certyfikat: \u201eto ju\u017c AGI\u201d. OpenAI, Google DeepMind, Anthropic czy badacze skupieni wok\u00f3\u0142 ARC patrz\u0105 na ten sam cel z r\u00f3\u017cnych stron. Dla jednych najwa\u017cniejsza jest praca, dla innych pe\u0142ny zakres ludzkich zdolno\u015bci poznawczych, dla jeszcze innych zdolno\u015b\u0107 uczenia si\u0119 czego\u015b naprawd\u0119 nowego.<\/p>

Nie chodzi o „bardzo m\u0105dre AI”<\/h4>

Komputer pokona\u0142 mistrza \u015bwiata w szachach ju\u017c w 1997 roku. AlphaGo wygra\u0142 z jednym z najlepszych graczy Go w 2016 roku. \u017baden z tych system\u00f3w nie by\u0142 oczywi\u015bcie AGI, cho\u0107 by\u0142y istotnymi krokami w drodze do niej. Ale \u2013 cho\u0107 by\u0142y fenomenalne w konkretnym zadaniu \u2013 to praktycznie bezu\u017cyteczne poza nim.<\/p>

Kluczowa jest bowiem litera \u201eG\u201d \u2013 general, czyli og\u00f3lna.<\/p>

System aspiruj\u0105cy do AGI powinien radzi\u0107 sobie w bardzo r\u00f3\u017cnych dziedzinach, wykorzystywa\u0107 wiedz\u0119 zdobyt\u0105 w jednym miejscu w innym, adaptowa\u0107 si\u0119 do nowych sytuacji i rozwi\u0105zywa\u0107 problemy, do kt\u00f3rych nie zosta\u0142 specjalnie przygotowany. Na takie podej\u015bcie do tematu zgadzaj\u0105 si\u0119 w\u0142a\u015bciwie wszyscy.<\/p>

Ale te\u017c tutaj zgoda si\u0119 ko\u0144czy. Jak szerokie musz\u0105 by\u0107 te zdolno\u015bci? Czy wystarczy wykonywa\u0107 wi\u0119kszo\u015b\u0107 pracy cz\u0142owieka? Czy system musi posiada\u0107 wszystkie jego zdolno\u015bci poznawcze? A mo\u017ce najwa\u017cniejsze jest to, jak szybko potrafi nauczy\u0107 si\u0119 czego\u015b, czego nigdy wcze\u015bniej nie widzia\u0142?<\/p>

Od odpowiedzi zale\u017cy, jak daleko od AGI jeste\u015bmy.<\/p>

OpenAI: AGI idzie do pracy<\/h5>

OpenAI od lat pos\u0142uguje si\u0119 wyj\u0105tkowo praktyczn\u0105 definicj\u0105. W jego OpenAI Charter<\/mark><\/a> AGI to \u201ewysoce autonomiczne systemy, kt\u00f3re przewy\u017cszaj\u0105 ludzi w wi\u0119kszo\u015bci ekonomicznie warto\u015bciowej pracy\u201d. OpenAI Charter<\/a><\/p>

Nie ma tu \u015bwiadomo\u015bci, emocji ani nawet wymagania, \u017ceby maszyna my\u015bla\u0142a podobnie do cz\u0142owieka. Liczy si\u0119 efekt.<\/p>

Wyobra\u017amy sobie jeden system, kt\u00f3remu mo\u017cna powierzy\u0107 analiz\u0119 finansow\u0105, napisanie programu, research prawny, przygotowanie kampanii marketingowej, stworzenie prezentacji, obs\u0142ug\u0119 komputera i prowadzenie projektu. Robi to samodzielnie i w wi\u0119kszo\u015bci tych zada\u0144 lepiej ni\u017c przeci\u0119tny cz\u0142owiek wykonuj\u0105cy dany zaw\u00f3d.<\/p>

W rozumieniu OpenAI by\u0142by to bardzo powa\u017cny kandydat do miana AGI.<\/p>

W tym kontek\u015bcie coraz wa\u017cniejsze w rozwoju modeli staj\u0105 si\u0119 wi\u0119c nie pytania sprawdzaj\u0105ce wiedz\u0119, lecz realna praca i autonomia. GPT-6 Astra ma wykonywa\u0107 wieloetapowe zadania w przegl\u0105darce i programach, zajmowa\u0107 si\u0119 programowaniem, researchem oraz profesjonaln\u0105 prac\u0105. Jeszcze ciekawszy jest komunikat<\/a><\/mark> OpenAI z 6 wrze\u015bnia: firma twierdzi, \u017ce osi\u0105gn\u0119\u0142a zapowiadany wcze\u015bniej etap \u201eautomated research intern\u201d, czyli systemu potrafi\u0105cego pod nadzorem realizowa\u0107 dobrze zdefiniowane zadania badawcze zajmuj\u0105ce wykwalifikowanemu badaczowi kilka dni.<\/p>

To nadal nie znaczy, \u017ce definicja z OpenAI Charter zosta\u0142a spe\u0142niona. \u201eWi\u0119kszo\u015b\u0107 ekonomicznie warto\u015bciowej pracy\u201d to poprzeczka znacznie wy\u017csza ni\u017c bardzo dobre wykonywanie wybranych zada\u0144 przy komputerze. Pokazuje jednak, dlaczego OpenAI mo\u017ce m\u00f3wi\u0107 o zbli\u017caniu si\u0119 do AGI wcze\u015bniej ni\u017c kto\u015b stosuj\u0105cy bardziej wymagaj\u0105c\u0105 definicj\u0119.<\/p>

DeepMind: inteligencja og\u00f3lna powinna by\u0107 naprawd\u0119 og\u00f3lna<\/h4>

Google DeepMind stawia poprzeczk\u0119 inaczej.<\/p>

W opracowanym przez jego badaczy modelu \u201eLevels of AGI<\/a><\/mark>\u201d licz\u0105 si\u0119 dwa podstawowe wymiary: poziom wykonania oraz generalno\u015b\u0107, czyli szeroko\u015b\u0107 zdolno\u015bci. Zamiast jednego punktu \u201eprzed AGI \/ po AGI\u201d otrzymujemy wi\u0119c kolejne poziomy zaawansowania. System mo\u017ce by\u0107 coraz lepszy i coraz bardziej wszechstronny, a\u017c dojdzie do pe\u0142nej og\u00f3lno\u015bci.<\/p>

W 2026 roku DeepMind poszed\u0142 krok dalej i zaproponowa\u0142 poznawczy framework<\/a><\/mark> mierzenia post\u0119pu w stron\u0119 AGI. Obejmuje nie jeden benchmark, ale szeroki zestaw ludzkich zdolno\u015bci, m.in. uczenie si\u0119, pami\u0119\u0107, rozumowanie, planowanie, metapoznanie czy kompetencje spo\u0142eczne. Autorzy podkre\u015blaj\u0105, \u017ce stworzenie systemu posiadaj\u0105cego ca\u0142y zestaw zdolno\u015bci poznawczych cz\u0142owieka by\u0142oby jako\u015bciowo nowym momentem.<\/p>

To podej\u015bcie jest bardziej wymagaj\u0105ce od ekonomicznej definicji OpenAI.<\/p>

Model mo\u017ce przecie\u017c znakomicie pisa\u0107 kod, analizowa\u0107 dane i obs\u0142ugiwa\u0107 aplikacje, a jednocze\u015bnie znacznie gorzej od cz\u0142owieka rozumie\u0107 nietypow\u0105 sytuacj\u0119 spo\u0142eczn\u0105, nauczy\u0107 si\u0119 nieznanej czynno\u015bci albo rozs\u0105dnie funkcjonowa\u0107 w \u015bwiecie fizycznym.<\/p>

Dlatego AI mo\u017ce ju\u017c przejmowa\u0107 znacz\u0105c\u0105 cz\u0119\u015b\u0107 pracy wykonywanej przez ludzi, a mimo to nadal nie by\u0107 AGI w rozumieniu DeepMind.<\/p>

ARC: niewa\u017cne tylko, co umiesz. Poka\u017c, jak si\u0119 uczysz<\/h4>

Jeszcze inaczej problem ustawia Fran\u00e7ois Chollet, tw\u00f3rca benchmark\u00f3w ARC.<\/p>

W tym podej\u015bciu ogromna wiedza modelu nie jest wystarczaj\u0105cym dowodem inteligencji og\u00f3lnej. Model m\u00f3g\u0142 przecie\u017c nauczy\u0107 si\u0119 niezliczonych schemat\u00f3w podczas treningu. Znacznie ciekawsze jest to, co zrobi w sytuacji naprawd\u0119 nowej.<\/p>

ARC-AGI<\/a><\/mark> sprawdza wi\u0119c zdolno\u015b\u0107 odkrywania nieznanych regu\u0142 na podstawie niewielkiej liczby przyk\u0142ad\u00f3w. W najnowszym ARC-AGI-3 system trafia do interaktywnego \u015brodowiska bez instrukcji i musi sam ustali\u0107, jak ono dzia\u0142a, jaki jest cel i jak do niego doj\u015b\u0107. Fundacja ARC ujmuje swoj\u0105 definicj\u0119 wyj\u0105tkowo prosto: \u201eAGI is here when a system can learn like a human\u201d \u2013 AGI pojawi si\u0119 wtedy, gdy system b\u0119dzie potrafi\u0142 uczy\u0107 si\u0119 jak cz\u0142owiek. <\/p>

I w\u0142a\u015bnie tutaj historia Astry robi si\u0119 szczeg\u00f3lnie pouczaj\u0105ca.<\/p>

OpenAI podaje wynik 99,9 proc. w ARC-AGI-3. To brzmi niemal jak rozwi\u0105zanie problemu AGI. Jednak ARC Prize<\/a><\/mark> pokazuje bardziej skomplikowany obraz. W standardowym \u015brodowisku testowym Astra osi\u0105gn\u0119\u0142a 62,7 proc. Wynik 99,9 proc. uzyska\u0142a z przygotowanym adapterem, kt\u00f3ry pozwala\u0142 zachowywa\u0107 stan rozumowania mi\u0119dzy kolejnymi interakcjami. Co r\u00f3wnie wa\u017cne, sami tw\u00f3rcy benchmarku podkre\u015blaj\u0105, \u017ce nawet jego pe\u0142ne rozwi\u0105zanie nie by\u0142oby dowodem osi\u0105gni\u0119cia AGI. ARC bada okre\u015blony fragment inteligencji w zamkni\u0119tych \u015brodowiskach, a nie ca\u0142\u0105 z\u0142o\u017cono\u015b\u0107 \u015bwiata.<\/p>

Mo\u017cna wi\u0119c zda\u0107 \u201etest na AGI\u201d i nadal nie by\u0107 AGI.<\/p>

Anthropic: a je\u015bli zamiast AGI zbudujemy cyfrowego Noblist\u0119?<\/h4>

Anthropic komplikuje spraw\u0119 jeszcze bardziej, bo samo okre\u015blenie AGI nie jest centralnym elementem jego komunikacji. Firma cz\u0119\u015bciej m\u00f3wi o \u201epowerful AI\u201d.<\/p>

Definicja jest jednak konkretna. Taki system mia\u0142by dor\u00f3wnywa\u0107 lub przewy\u017csza\u0107 laureat\u00f3w Nagrody Nobla w wi\u0119kszo\u015bci wa\u017cnych dziedzin, korzysta\u0107 z cyfrowych narz\u0119dzi dost\u0119pnych cz\u0142owiekowi i autonomicznie wykonywa\u0107 skomplikowane zadania. Anthropic przewidywa\u0142o pojawienie si\u0119 takich system\u00f3w pod koniec 2026 lub na pocz\u0105tku 2027 roku, a jego aktualizowana mapa bezpiecze\u0144stwa <\/a><\/mark>nadal zak\u0142ada mo\u017cliwo\u015b\u0107 powstania \u201epowerful AI\u201d w perspektywie oko\u0142o 1\u20132 lat.<\/p>

Odpowiedzenie na trudne pytanie to jedno. Samodzielne prowadzenie skomplikowanego projektu przez wiele godzin czy dni to co\u015b innego. Dlatego coraz cz\u0119\u015bciej granicy mo\u017cliwo\u015bci AI szuka si\u0119 nie tylko w tym, jak dobry wynik uzyskuje model, ale tak\u017ce w tym, jak d\u0142ugo potrafi sensownie dzia\u0142a\u0107 bez cz\u0142owieka prowadz\u0105cego go krok po kroku.<\/p>

A kto jest najbli\u017cej?<\/h4>

Po tych wszystkich definicjach odpowied\u017a powinna by\u0107 ju\u017c oczywista: nie da si\u0119 uczciwie stworzy\u0107 tabeli, w kt\u00f3rej OpenAI ma 92 proc. AGI, Anthropic 87 proc., a Google 84 proc.<\/p>

Nie istnieje taka skala.<\/p>

OpenAI najmocniej akcentuje zdolno\u015b\u0107 do wykonywania realnej pracy i coraz d\u0142u\u017csz\u0105 autonomi\u0119. Anthropic buduje wizj\u0119 niezwykle kompetentnego autonomicznego eksperta. DeepMind trzyma si\u0119 znacznie bardziej rygorystycznej idei og\u00f3lno\u015bci i pe\u0142nego zestawu zdolno\u015bci poznawczych. ARC koncentruje si\u0119 na tym, czy system rzeczywi\u015bcie potrafi efektywnie uczy\u0107 si\u0119 nowych rzeczy.<\/p>

W zale\u017cno\u015bci od wybranej definicji mo\u017cna wi\u0119c uzyska\u0107 inn\u0105 odpowied\u017a na pytanie, kto prowadzi.<\/p>

Co wi\u0119cej, wy\u015bcig nie ogranicza si\u0119 ju\u017c do Stan\u00f3w Zjednoczonych.<\/p>

DeepSeek<\/a><\/mark> oficjalnie okre\u015bla AGI jako sw\u00f3j \u201eostateczny cel\u201d. Alibaba<\/a><\/mark> od pocz\u0105tku przedstawia Qwen jako \u201eprojekt w kierunku AGI\u201d. Na stronie Moonshot AI<\/a><\/mark>, tw\u00f3rcy Kimi, mo\u017cna przeczyta\u0107 wprost, \u017ce zesp\u00f3\u0142 badawczy \u201eworks toward AGI\u201d. Podobnie MiniMax<\/a><\/mark> deklaruje budow\u0119 w kierunku artificial general intelligence.<\/p>

To istotne r\u00f3wnie\u017c dlatego, \u017ce pokazuje zmian\u0119 znaczenia samego skr\u00f3tu AGI. Nie jest ju\u017c tylko hipotetyczn\u0105 konstrukcj\u0105 z debaty akademickiej. Sta\u0142 si\u0119 nazw\u0105 celu badawczego najwi\u0119kszych laboratori\u00f3w na \u015bwiecie, cho\u0107 ka\u017cde z nich mo\u017ce rozumie\u0107 ten cel troch\u0119 inaczej.<\/p>

Po czym pozna\u0107 AGI?<\/h4>

Zamiast pyta\u0107 o jeden magiczny test, lepiej zada\u0107 kilka prostszych pyta\u0144.<\/p>

Czy system potrafi wykonywa\u0107 bardzo szeroki zakres zada\u0144, zamiast by\u0107 \u015bwietnym tylko w kilku dziedzinach? Czy potrafi przenosi\u0107 wiedz\u0119 mi\u0119dzy nimi? Czy umie nauczy\u0107 si\u0119 czego\u015b naprawd\u0119 nowego r\u00f3wnie sprawnie jak cz\u0142owiek? Czy osi\u0105ga ludzki lub ponadludzki poziom wykonania? I wreszcie: czy potrafi robi\u0107 to samodzielnie przez d\u0142u\u017cszy czas, bez ci\u0105g\u0142ych instrukcji?<\/p>

Dzisiejsze modele coraz cz\u0119\u015bciej odpowiadaj\u0105 \u201etak\u201d na cz\u0119\u015b\u0107 tych pyta\u0144. Na wszystkie naraz \u2013 jeszcze nie w spos\u00f3b, kt\u00f3ry zako\u0144czy\u0142by dyskusj\u0119.<\/p>

Dlatego prawdopodobnie nie obudzimy si\u0119 kt\u00f3rego\u015b ranka z powszechnie uzgodnion\u0105 wiadomo\u015bci\u0105: od dzi\u015b istnieje AGI. Bardziej prawdopodobne jest co\u015b mniej widowiskowego. Kolejne granice b\u0119d\u0105 znika\u0107 jedna po drugiej, a sp\u00f3r o definicj\u0119 b\u0119dzie trwa\u0142 jeszcze wtedy, gdy systemy zaczn\u0105 wykonywa\u0107 zadania, kt\u00f3re kilka lat wcze\u015bniej uznaliby\u015bmy bez wahania za dow\u00f3d og\u00f3lnej inteligencji.<\/p>","protected":false},"excerpt":{"rendered":"

AGI od dawna jest celem najwi\u0119kszych laboratori\u00f3w AI na \u015bwiecie. Problem w tym, \u017ce OpenAI, Google DeepMind, Anthropic i chi\u0144scy gracze nie zawsze maj\u0105 na my\u015bli to samo, gdy m\u00f3wi\u0105 o \u201eog\u00f3lnej inteligencji\u201d.<\/p>\n","protected":false},"author":354,"featured_media":20201,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rank_math_lock_modified_date":false,"footnotes":""},"categories":[771,780],"tags":[],"popular":[],"difficulty-level":[38],"ppma_author":[776],"class_list":["post-20196","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-it","category-redakcja-poleca","difficulty-level-medium"],"acf":[],"authors":[{"term_id":776,"user_id":354,"is_guest":0,"slug":"redakcja","display_name":"Redakcja","avatar_url":{"url":"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/07\/Zrzut-ekranu-2025-07-10-o-16.00.36.png","url2x":"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/07\/Zrzut-ekranu-2025-07-10-o-16.00.36.png"},"first_name":"","last_name":"","user_url":"","job_title":"","description":""}],"_links":{"self":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/20196","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/users\/354"}],"replies":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/comments?post=20196"}],"version-history":[{"count":4,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/20196\/revisions"}],"predecessor-version":[{"id":20206,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/20196\/revisions\/20206"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media\/20201"}],"wp:attachment":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media?parent=20196"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/categories?post=20196"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/tags?post=20196"},{"taxonomy":"popular","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/popular?post=20196"},{"taxonomy":"difficulty-level","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/difficulty-level?post=20196"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/ppma_author?post=20196"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}