AGI — что это, когда появится и почему все об этом говорят

«AGI близко» — заголовки об этом выходят почти каждую неделю. Sam Altman говорит «через несколько лет», Dario Amodei (CEO Anthropic) — «к 2027 будет страна гениев в дата-центре», DeepMind осторожнее — «3-5 лет». Реальность сложнее, чем эти заголовки.

В этой статье — что такое AGI на самом деле, почему все определения разные, текущий прогресс и реальные прогнозы (а не маркетинг).

Что такое AGI

AGI (Artificial General Intelligence) — гипотетический искусственный интеллект, способный выполнять любую интеллектуальную задачу на уровне человека или выше.

Ключевые отличия от текущих моделей (Claude, GPT, Gemini):

Параметр	Текущие AI (2026)	AGI
Решение задач	Узкие задачи (chat, код, анализ)	Любые задачи
Обучение	Требует огромных данных	Учится с малых примеров
Перенос знаний	Слаб	Свободно переносит между доменами
Планирование	Короткие цепочки	Долгосрочное планирование
Самостоятельность	Реагирует на промпты	Ставит цели сам
Память	Только контекст	Долговременная, как у человека
Физический мир	Нет	Понимает и действует в нём

Главное: AGI — это AI, который сам решает, что делать, и делает это на уровне человека-эксперта в любой области.

Почему все определения разные

В индустрии нет единого определения AGI. Каждая лаборатория продвигает своё:

OpenAI

«AI, который превосходит людей в большинстве экономически ценных задач»

Sam Altman добавил в 2025: «Если AGI создаст $100 млрд прибыли, мы будем считать что достигли AGI» — что многие восприняли как чисто экономический критерий, а не научный.

Anthropic

Dario Amodei избегает термина AGI, называя его «маркетинговым». Вместо этого использует Powerful AI или метафору «страна гениев в дата-центре» — миллион AI на уровне Эйнштейна, доступных одновременно.

Google DeepMind

Demis Hassabis (Nobel-лауреат 2024) даёт более консервативное определение:

«AI, который может действовать в физическом мире, перенося знания между доменами, как человеческий мозг»

Meta (Yann LeCun)

LeCun наиболее скептичен:

«Текущие LLM не приведут к AGI. Нужна новая парадигма (world models, JEPA архитектура)»

Так кто прав?

Никто и все. AGI — концепт без чёткого определения. Поэтому когда вы видите заголовок «AGI достигнут» — это всегда чьё-то определение, а не консенсус.

Текущее состояние (апрель 2026)

Где мы сейчас:

Что AI уже умеет на уровне человека-эксперта

Написание кода — топ-модели на уровне senior разработчика по бенчмаркам (SWE-bench Verified ~87%)
Математика — олимпиадный уровень (AIME ~93%)
Научные знания — PhD-level в большинстве областей (GPQA Diamond ~94%)
Перевод языков — на уровне профессионалов
Анализ документов — превосходит большинство людей в скорости и точности
Креативное письмо — на уровне крепкого middle-копирайтера

Что AI всё ещё делает хуже человека

Долгосрочное планирование (>10 шагов)
Самостоятельная постановка целей
Здравый смысл в новых ситуациях
Эмпатия и эмоциональный интеллект
Физическое взаимодействие с миром
Робастность (работает «как ожидалось» в 99% случаев, но 1% ошибок может быть катастрофичным)
Память между сессиями (без специальных надстроек)
Творчество высокого уровня (большие концептуальные прорывы)

Прогнозы 2026: когда будет AGI

Лаборатория / эксперт	Прогноз	Уровень доверия
Sam Altman (OpenAI)	2027-2028	Умеренный (есть финансовый стимул)
Dario Amodei (Anthropic)	«Powerful AI» к 2027	Высокий (технически обоснован)
Demis Hassabis (Google)	2030-2032	Высокий (consensus learning)
Yann LeCun (Meta)	2040+	Высокий (но скептик может ошибиться)
Ilya Sutskever (SSI)	«Скоро, но точно — нет ответа»	Высокий
Среднее по индустрии	2030	—
Среднее по академии	2040+	—

Реальный вывод: никто не знает. Прогнозы за последние 3 года значительно сократились — но это не значит, что они не сократятся ещё (как и не значит, что не отодвинутся).

Что мешает AGI прямо сейчас

Технические препятствия, которые нужно преодолеть:

1. Memory and continual learning

Современные LLM не помнят ничего между сессиями. Все «памяти» (как в Lumen AI или ChatGPT Plus) — это надстройки поверх контекста. Настоящая долговременная память без переобучения — открытая проблема.

2. Reasoning and planning

Модели хорошо отвечают на вопросы. Но планировать сложные действия (например, «организуй мне переезд в новый офис») — справляются плохо. Нужны годы прогресса.

3. World model

LLM «знают» мир через текст. Но не понимают физику, биологию, химию на интуитивном уровне. Yann LeCun считает, что без world model AGI невозможен.

4. Hallucinations

AI всё ещё придумывает факты. Для AGI нужна fundamental надёжность, а не статистическая «обычно правильно».

5. Compute и energy

Тренировка топовых моделей в 2026 уже стоит сотни миллионов $. Тренировка AGI может стоить триллионы. И требовать энергии целых стран.

6. Алгоритмы

Возможно, нужны фундаментально новые подходы. Текущие трансформеры могут оказаться тупиковой ветвью для AGI.

ASI — следующий шаг после AGI

Если AGI = «AI на уровне человека», то ASI (Artificial Superintelligence) = «AI выше любого человека во всех областях».

ASI — это:

Прорывные научные открытия
Решение глобальных проблем (рак, климат, fusion)
Новые технологии каждый день
Полная автоматизация когнитивного труда
Возможно — экзистенциальные риски

Когда ASI? Если AGI — 2027-2030, то ASI — сразу следом, потому что AGI может ускорять собственное развитие. Это сценарий intelligence explosion (Vernor Vinge, Nick Bostrom).

Что AGI/ASI означает для бизнеса и работы

Сценарий 1: «Soft landing»

AGI приходит постепенно
Государства успевают регулировать
Безусловный базовый доход вводится для смягчения
Работа меняет характер — больше creativity, менее routine

Сценарий 2: «Disruption»

AGI приходит за 1-2 года
Массовая безработица (50-70% job loss)
Социальные потрясения
Концентрация капитала у владельцев AI

Сценарий 3: «Existential risk»

AGI/ASI выходит из-под контроля
Misalignment между целями AI и человечества
Catastrophic outcome (сценарий «paperclip maximizer»)

Что более вероятно? Эксперты расходятся, но большинство (опросы 2025-2026) дают:

Soft landing: 40-50%
Disruption: 30-40%
X-risk: 5-15%

Что делать обычному человеку

Если вы скептик («AGI не скоро»)

Используйте текущий AI для productivity
Прокачивайте уникально человеческие навыки (creativity, leadership, empathy)
Не вкладывайтесь в hype-circle

Если вы умеренный («AGI к 2030»)

Освойте AI-инструменты на профессиональном уровне
Развивайте навыки, которые AI делает плохо (стратегия, продажи людям, физическая работа)
Думайте про карьеру в AI или AI-смежных областях

Если вы believer («AGI к 2027»)

Финансовая подушка (на случай дисрапции)
Освойте AI-orchestration (управление AI-командами)
Думайте про safety и governance — это будут ключевые роли

Реальный прогресс: бенчмарки vs реальность

Бенчмарки впечатляющие, но обманчивые:

Что измеряют бенчмарки

Узкие задачи с чёткой проверкой
Часто — на «стандартных» примерах
Не отражают реальную надёжность

Что НЕ измеряют

Долгосрочное планирование
Работу в новых, неизвестных доменах
Robustness в edge cases
Самостоятельную постановку целей
Способность учиться без переобучения

Пример: AI решает 87% задач SWE-bench. Но в реальной разработке всё ещё нужен человек для:

Понимания бизнес-контекста
Выбора архитектуры
Code review нетривиальных решений
Коммуникации с командой

87% бенчмарка ≠ 87% реальной автономии.

Главные мифы про AGI

Миф 1. «Скоро ChatGPT станет AGI»

Нет. GPT и подобные — это очень умные chatbot, не AGI. Для AGI нужны фундаментально другие архитектуры или серьёзные надстройки.

Миф 2. «AGI означает конец работы»

Не сразу. Даже если AGI появится в 2027, его внедрение займёт 5-10 лет. Это время на адаптацию.

Миф 3. «AGI заменит всех»

Не всех. Профессии с физическим компонентом, тонкой человеческой коммуникацией, мастерством рук — будут цениться больше.

Миф 4. «Россия отстанет навсегда»

Не обязательно. Open-source модели (DeepSeek V4, Llama 4) выравнивают доступ. Главное — навыки людей и применение, не разработка с нуля.

Миф 5. «AGI это страшно, нужно остановить»

Сложный вопрос. Останавливать развитие технологии в одной стране при продолжении в других — наивно. Лучше — управлять ответственно.

Что почитать про AGI

Nick Bostrom — «Superintelligence» — классика, основные риски
Stuart Russell — «Human Compatible» — alignment problem
Max Tegmark — «Life 3.0» — будущее с разными уровнями AI
Brian Christian — «The Alignment Problem» — технические аспекты
Mustafa Suleyman — «The Coming Wave» — управление мощными технологиями

Из российских источников:

Канал Ilya Sutskever (на английском, но субтитры есть)
Подкаст «Запуск завтра» — про технологии
Книги российских AI-исследователей (Никита Шилин, Михаил Бурцев)

AGI и российский контекст

Где Россия сейчас

Крупные модели от Yandex (YandexGPT) — на 1-2 поколения отстают от GPT
GigaChat от Сбера — конкурентен с GPT-4 предыдущего поколения
Академические исследования — есть, но финансирование ограничено
Стартапы — есть, но мало (нет крупного венчурного капитала)

Что это значит для нас

Использовать глобальные модели (через Lumen AI) — для прикладных задач
Учиться прикладному AI — это где Россия может быть конкурентна
Не пытаться «догонять Sam Altman» — это нереалистично

В Lumen AI все топ-модели мира доступны российским пользователям — это даёт равный доступ к фронтирному AI.

Связанные материалы

Источники

Итог

AGI не очевидно близко, но и не очевидно далеко. Серьёзные исследователи дают prognosы от 2027 до 2050+. Никто точно не знает.

Для практики:

Сейчас — используйте топ-модели для productivity
Через 3-5 лет — готовьтесь к существенным изменениям
Через 10 лет — мир, скорее всего, будет очень другим
Ставьте на навыки, которые AI делает плохо: глубокое стратегическое мышление, коммуникация, физический мир, креативность высокого уровня
Не ждите AGI — используйте то, что есть уже сегодня

Попробовать актуальный AI: Lumen AI — все топ-модели 2026 в одном чате. Бесплатный план: 20 сообщений в день. Pro за 299 ₽/мес.