Inteligența artificială generală (AGI) - un sistem cu o inteligență comparabilă sau superioară oamenilor în toate domeniile - continuă să fie considerată Sfântul Graal al tehnologiei. Cu toate acestea, în 2025, o cale alternativă se conturează mai clar: nu vom obține AGI ca sistem unificat, ci mai degrabă printr-o iluzie din ce în ce mai convingătoare, creată prin combinarea mai multor AI specializate și înguste.

‍

Mozaicul inteligenței artificiale

Inteligența artificială actuală excelează în îndeplinirea unor sarcini specifice: modelele mari de limbaj (LLM) gestionează texte, modele precum Midjourney sau DALL-E creează imagini, AlphaFold analizează proteine. Deși limitate în mod individual, atunci când sunt integrate într-un ecosistem coordonat, aceste AI înguste creează o aparență de inteligență generală - un "proxy" pentru AGI.

‍

Conform raportului AI Index 2025 al Universității Stanford, în ciuda progreselor semnificative, inteligența artificială continuă să întâmpine obstacole în domeniul raționamentului complex.

Modelele mai avansate rezolvă probleme foarte structurate, dar prezintă limitări semnificative în ceea ce privește raționamentul logic articulat, planificarea secvențială și gândirea abstractă.

‍

Abordarea "Society of Minds" și sistemele multiagent

În 2025, inteligența artificială evoluează rapid de la o tehnologie de nișă la un element strategic al peisajului tehnologic și social, cu implicații culturale și etice profunde.

Acest lucru a condus la apariția sistemelor AI cu agenți care ne apropie de orizontul inteligenței artificiale generale.

‍

În sistemele multiagent, fiecare agent funcționează independent, folosind date locale și procese decizionale autonome, fără a depinde de un controlor central.

‍

Fiecare agent are o viziune locală, dar niciunul nu are o viziune globală asupra întregului sistem. Această descentralizare permite agenților să se ocupe individual de sarcini, contribuind în același timp la obiectivele generale prin interacțiune.

‍

În 2025, sistemele multiagent - în care mai mulți agenți AI colaborează pentru a atinge obiective complexe - devin din ce în ce mai populare. Aceste sisteme pot optimiza fluxurile de lucru, pot genera informații și pot sprijini procesele decizionale în diverse domenii.

‍

De exemplu, în serviciile pentru clienți, agenții AI gestionează solicitări complexe; în producție, aceștia supraveghează liniile de producție în timp real; în logistică, aceștia coordonează lanțurile de aprovizionare în mod dinamic.

‍

Platoul computațional și barierele fizice

În ciuda progreselor impresionante, începem să atingem un plafon în ceea ce privește dezvoltarea calculatoarelor tradiționale. Din 1959 până în 2012, cantitatea de energie necesară pentru antrenarea modelelor de inteligență artificială s-a dublat la fiecare doi ani, urmând legea lui Moore. Cu toate acestea, cele mai recente date arată că, după 2012, timpul de dublare a devenit semnificativ mai rapid - la fiecare 3,4 luni - ceea ce face ca rata actuală să fie de peste șapte ori mai mare decât rata anterioară.

‍

Această creștere dramatică a puterii de calcul necesare subliniază cât de dificilă a devenit din punct de vedere economic realizarea de progrese semnificative în domeniul inteligenței artificiale.

‍

Promisiunea calculului cuantic

Calculul cuantic ar putea depăși acest obstacol, oferind o schimbare de paradigmă în ceea ce privește capacitatea de calcul necesară pentru modele și mai sofisticate. În 2025, calculul cuantic va deveni un instrument esențial pentru abordarea acestor provocări, pe măsură ce companiile din domeniul tehnologiei vor adopta surse alternative de energie pentru a ține pasul cu consumul tot mai mare de energie al IA.

Conform unei previziuni a lui Arvind Krishna, CEO al IBM, datorită progreselor rapide în domeniul calculului cuantic, consumul de energie și apă al IA ar putea fi redus cu până la 99 % în următorii cinci ani.

‍

Această tehnologie promite să deblocheze capacități de calcul inimaginabile până în prezent și să deschidă noi frontiere în cercetarea științifică.

‍

O descoperire majoră a fost anunțată în martie 2025 de către D-Wave Quantum, care a publicat o lucrare evaluată de colegi, intitulată "Beyond-Classical Computation in Quantum Simulation", demonstrând că computerul lor cuantic de recoacere a depășit unul dintre cele mai puternice supercomputere clasice din lume în rezolvarea unor probleme complexe de simulare a materialelor magnetice.

‍

În anul 2025 s-au înregistrat progrese transformatoare în domeniul calculului cuantic, cu progrese majore în materie de hardware, corecție a erorilor, integrare cu inteligența artificială și rețele cuantice. Aceste progrese redefinesc posibilul rol al calculului cuantic în domenii precum sănătatea, finanțele și logistica.

‍

Cu toate acestea, potrivit Forrester, calculul cuantic rămâne încă experimental în ciuda progreselor din 2025 și nu a demonstrat încă un avantaj practic față de calculatoarele clasice pentru majoritatea aplicațiilor.

‍

Cursa cuantică: Microsoft vs Google?

Microsoft susține că a făcut progrese semnificative în domeniul calculului cuantic cu cipul său Majorana 1, introdus la începutul anului 2025. Acest procesor dispune de o nouă arhitectură Topological Core, construită cu opt qubit-uri topologice care manipulează particulele Majorana, cvasi-particule care acționează ca "semielectroni", cunoscute pentru rezistența lor puternică la erori.

‍

Google, pe de altă parte, a dezvoltat o abordare diferită cu cipul său cuantic revoluționar numit Willow, care rezolvă problema tradițională a creșterii ratei de eroare pe măsură ce numărul de qubits crește - Willow devine de fapt mai precis pe măsură ce se adaugă mai mulți qubits.

‍

Aceste două strategii diferite reprezintă abordări fundamental diferite ale calculului cuantic, Microsoft concentrându-se pe topologie, iar Google pe optimizarea erorilor.

‍

Bariere cognitive care persistă

‍

Pe lângă limitările hardware, inteligența artificială compozită se confruntă cu alte bariere fundamentale:

‍

înțelegere cauzală: sistemele corelează variabilele, dar nu izolează adevăratele relații cauză-efect. IA a făcut progrese semnificative în multe domenii, dar continuă să se confrunte cu limitări în înțelegerea și reacția la emoțiile umane, în luarea deciziilor în situații de criză și în evaluarea considerentelor etice și morale.

‍

Învățarea continuă: Rețelele neuronale își pierd acuratețea atunci când sunt antrenate secvențial pe sarcini diferite, prezentând un fel de "amnezie catastrofală".

‍

Metacogniție: AI-urile nu dispun de un model intern al propriei lor cogniții, ceea ce limitează adevărata autoperfecționare.

‍

‍

‍

‍

‍

‍

Către un AGI "prin procură

Comunitatea științifică pare să fie destul de divizată în ceea ce privește tehnologiile și termenele necesare pentru atingerea obiectivului inteligenței artificiale generale (AGI), însă dezbaterea dă naștere unor noi sugestii interesante, care își găsesc deja aplicabilitatea practică în cercetarea noilor sisteme AI.

‍

2025 ar putea fi anul în care primele sisteme de agenți vor intra în producție în companii.

‍

În timp ce AGI reprezintă cel mai ambițios obiectiv - sisteme cu capacități cognitive comparabile sau superioare celor umane, capabile să înțeleagă, să învețe și să aplice cunoștințe într-o manieră transversală.

‍

În loc să așteptăm un AGI monolitic, viitorul mai probabil va vedea apariția a ceea ce am putea numi "AGI de fațadă" - sisteme care par să posede inteligență generală:

‍

1. Orchestrarea microserviciilor AI: mai multe AI specializate coordonate printr-un nivel comun de abstractizare.
2. Interfețe conversaționale unificate: O interfață unică care ascunde complexitatea mai multor sisteme de bază.
3. Învățare transversală limitată: schimb selectiv de cunoștințe între domenii specifice.

Conștiința: realitate sau iluzie împărtășită?

În dezbaterea AGI, tindem să luăm de bun faptul că ființele umane sunt înzestrate cu o "conștiință" pe care mașinile nu o pot reproduce. Dar poate că ar trebui să ne punem o întrebare mai radicală: este conștiința umană în sine reală sau este și ea o iluzie?

‍

Unii neuroștiințifici și filosofi ai minții, precum Daniel Dennett, au propus că ceea ce numim "conștiință" ar putea fi în sine o narațiune post-hoc - o interpretare pe care creierul o construiește pentru a da sens operațiunilor sale.

‍

Dacă considerăm conștiința nu ca pe o proprietate misterioasă și unitară, ci ca pe un set de procese neuronale interconectate care generează iluzia convingătoare a unui "eu" unificat, atunci granița dintre oameni și mașini devine mai puțin clară.

‍

Din această perspectivă, am putea vedea diferențele dintre AGI emergente și inteligența umană ca diferențe de grad, mai degrabă decât de natură. Iluzia înțelegerii pe care o vedem în modelele avansate de limbaj s-ar putea să nu fie atât de diferită de iluzia înțelegerii pe care o experimentăm noi înșine - ambele provenind din rețele complexe de procese, deși organizate în moduri fundamental diferite.

‍

Această perspectivă ridică o întrebare provocatoare: dacă conștiința umană este ea însăși o simulare care rezultă din multiple procese cognitive interconectate, atunci AGI "proxy" pe care îl construim - un mozaic de sisteme specializate care lucrează împreună pentru a simula o înțelegere generală - ar putea fi uimitor de similar cu propria noastră arhitectură mentală.

Nu am încerca să reproducem o calitate magică, inefabilă, ci mai degrabă să reconstruim iluzia convingătoare pe care noi înșine o experimentăm ca conștiință.

‍

Această reflecție nu diminuează profunzimea experienței umane, ci ne invită să reconsiderăm ce vrem să spunem cu adevărat atunci când vorbim despre "conștiință" și dacă acest concept este într-adevăr un obstacol insurmontabil pentru inteligența artificială sau pur și simplu un alt proces pe care am putea într-o zi să îl simulăm.

‍

‍

Concluzie: Regândirea liniei de sosire

Poate că ar trebui să ne reconsiderăm radical definiția AGI. Dacă însăși conștiința umană ar putea fi o iluzie emergentă - o narațiune pe care creierul o construiește pentru a da sens propriilor sale operațiuni - atunci distincția netă dintre inteligența umană și cea artificială devine mai puțin definită.

‍

Experții prezic că anul 2027 ar putea marca un moment crucial pentru inteligența artificială. În ritmul actual, modelele ar putea atinge generalitatea cognitivă - capacitatea de a aborda orice sarcină umană - în câțiva ani.

‍

Acest scenariu nu ar trebui văzut doar ca o replicare a inteligenței umane, ci ca apariția unui nou tip de inteligență - nici complet umană, nici complet artificială, ci ceva diferit și potențial complementar.

‍

Această abordare ne scutește de încercarea de a reproduce ceva ce poate nu înțelegem pe deplin - conștiința umană - și ne permite, în schimb, să ne concentrăm asupra a ceea ce inteligența artificială poate face în termenii săi proprii. Prin urmare, AGI care va apărea nu va fi un singur sistem care "pretinde" că este uman, ci un ecosistem tehnologic integrat cu propriile sale caracteristici emergente - o inteligență distribuită care, în mod paradoxal, poate reflecta natura fragmentată și interconectată a propriei noastre cogniții mai mult decât am crezut inițial.

‍

În acest sens, cercetarea AGI devine nu atât o încercare de a emula omul, cât o călătorie de descoperire a naturii inteligenței și conștiinței, atât umane, cât și artificiale.

‍

Surse

1. https://www.justthink.ai/artificial-general-intelligence/understanding-agi-vs-narrow-ai-explaining-the-differences-and-implications
2. https://www.rand.org/pubs/commentary/2024/02/why-artificial-general-intelligence-lies-beyond-deep.html
3. https://futurism.com/glimmers-agi-illusion
4. https://ai.stackexchange.com/questions/26007/are-there-any-approaches-to-agi-that-will-definitely-not-work
5. https://qubic.org/blog-detail/the-path-to-agi-overcoming-the-computational-challenge
6. https://www.linkedin.com/pulse/amplification-intelligence-recursive-self-improvement-gary-ramah-0wjpc
7. https://www.investopedia.com/artificial-general-intelligence-7563858

‍