Šta je AGI i kada ćemo ga imati?

AGI, odnosno opća umjetna inteligencija (opšta veštačka inteligencija u Srbiji), pojam je koji se posljednjih godina spominje gotovo svakodnevno u kontekstu razvoja tehnologije, a opisuje sistem koji bi mogao da razmišlja i uči na način sličan čovjeku, umjesto da bude ograničen na jedan zadatak. U nastavku saznaješ šta ovaj pojam tačno znači, odakle potiče, po čemu se razlikuje od AI-ja koji koristiš danas i kada bi, prema trenutnim procjenama, mogao stvarno da se pojavi.

Šta tačno znači AGI

AGI je skraćenica za artificial general intelligence, a označava hipotetski sistem koji bi mogao da obavlja bilo koji intelektualni zadatak jednako dobro kao čovjek, ili čak bolje. Za razliku od alata koje koristiš svaki dan, AGI ne bi bio specijaliziran samo za pisanje teksta, prepoznavanje slika ili igranje šahovskih partija, nego bi mogao da prenosi znanje iz jedne oblasti u drugu bez posebne obuke za svaki novi zadatak. Takav sistem trenutno ne postoji nigdje na svijetu, a stručnjaci se ozbiljno razilaze oko toga koliko smo mu blizu.

Dio ovog neslaganja dolazi i otuda što se sama definicija inteligencije razlikuje zavisno od struke koja se time bavi. Stručnjaci za računarstvo najčešće definiraju inteligenciju kroz sposobnost ostvarenja postavljenih ciljeva, dok psiholozi pojam opće inteligencije radije objašnjavaju kroz prilagodljivost i sposobnost snalaženja u novim, nepoznatim situacijama. Upravo zbog ovoliko različitih polazišta, ne postoji ni jedna univerzalno prihvaćena definicija AGI-ja na koju bi se svi istraživači jednoglasno oslonili.

Odakle dolazi termin AGI

Izraz umjetna opća inteligencija prvi put je upotrijebio istraživač Mark Gubrud još 1997. godine, u raspravi o posljedicama potpuno automatizirane vojne proizvodnje. Termin je kasnije dodatno populariziran zbornikom radova objavljenim 2007. godine, ali njegovo porijeklo seže dalje unazad nego što većina tekstova na ovu temu navodi, što potvrđuje i detaljan pregled na engleskoj Wikipediji. Već 2000. godine istraživač Marcus Hutter predložio je i matematički model poznat kao AIXI, pokušaj da se inteligencija formalno definira kao sposobnost agenta da postiže ciljeve u širokom rasponu okruženja.

Tehnički razvoj koji nas približava AGI-ju

Put ka AGI-ju nije se odvijao naglo, nego kroz nekoliko jasno prepoznatljivih perioda. Početkom 2000-ih godina istraživanje je bilo usmjereno na klasične algoritme i statističke metode, uz vrlo ograničenu računarsku snagu za bilo šta složenije. Period između 2012. i 2018. godine donio je nagli uspon dubokog učenja, kada su neuronske mreže konačno postale dovoljno moćne da prepoznaju slike i govor s tačnošću bliskom ljudskoj. Od 2018. do 2022. godine pažnja se preusmjerila na jezik, uz pojavu prvih velikih jezičnih modela koji su pokazali iznenađujuću sposobnost generalizacije izvan uskog zadatka za koji su trenirani.

Period od 2023. godine do danas obilježen je masovnim usvajanjem ovih alata u svakodnevnoj upotrebi, kao i prvim ozbiljnim pokušajima da se modeli povežu sa alatima, memorijom i sposobnošću samostalnog djelovanja, što mnogi istraživači smatraju posljednjim korakom prije nečega što bi ličilo na pravi AGI.

AGI naspram uske umjetne inteligencije

Da bi se AGI uopšte mogao razumjeti, prvo treba jasno razdvojiti dva pojma koja se u svakodnevnom govoru često nepravilno miješaju, iako opisuju potpuno različite stvari i nemaju istu tehničku podlogu. Ova razlika je ključna za razumijevanje zašto trenutni sistemi, koliko god djelovali napredno i sposobno u svakodnevnoj upotrebi, još uvijek nisu ni blizu onoga što bi pravi AGI zapravo predstavljao. Sva umjetna inteligencija koju danas koristiš, uključujući chatbotove, alate za prepoznavanje slika i sisteme preporuka, spada u takozvanu usku ili slabu umjetnu inteligenciju. Takav sistem je izuzetno dobar u jednom, tačno određenom zadatku, ali nema pojma o bilo čemu izvan tog okvira. Model koji piše tekstove ne zna da vozi auto, a model koji prepoznaje slike ne zna da igra šah, iako svaki od njih djeluje impresivno u svom uskom domenu.

AGI bi trebao da radi potpuno drugačije. Umjesto da bude zaključan u jedan zadatak, prenosio bi naučene obrasce iz jedne oblasti u drugu, baš kao što čovjek koji nauči da vozi bicikl lakše savlada i motor, jer razumije osnovne principe ravnoteže. Ovakav vid generativne umjetne inteligencije koju danas imamo je impresivan korak naprijed, ali i dalje samo predviđa najvjerovatniji nastavak na osnovu podataka, a ne razumije stvarno značenje onoga što stvara.

Opšta veštačka inteligencija: kako se ovaj pojam koristi u Srbiji

U Srbiji se za ovaj koncept najčešće koristi izraz opšta veštačka inteligencija, dok se u Bosni i Hercegovini i Hrvatskoj koristi opća ili opšta umjetna inteligencija. Skraćenica AGI ostaje ista u svim regionalnim varijantama, jer je riječ o međunarodno prihvaćenom terminu koji se ne prevodi. Princip rada i sve tehničke karakteristike identični su bez obzira na to koji se naziv koristi.

AGI, ASI i granica ljudske inteligencije

Pored AGI-ja, često se spominje i pojam ASI, odnosno umjetna superinteligencija. Dok bi AGI trebao da dostigne ljudski nivo sposobnosti, ASI bi taj nivo nadmašio u gotovo svakoj oblasti, od naučnog istraživanja do kreativnog razmišljanja. Filozof Nick Bostrom je 2014. godine u svojoj knjizi opisao superinteligenciju kao sistem koji bi u praktično svakoj disciplini bio pametniji od najboljih ljudskih umova zajedno.

Mnogi istraživači vjeruju da bi AGI, ako se ikada ostvari, vrlo brzo prerastao u ASI, jer sistem sposoban da uči i poboljšava sebe nema jasnu prirodnu granicu na kojoj bi se zaustavio.

Kako bi izgledao sistem sa AGI sposobnostima

Istraživači se ne slažu potpuno oko toga šta tačno neki sistem mora da ispuni da bi se nazvao AGI, ali nekoliko osobina se stalno ponavlja u ozbiljnim analizama.

Prenošenje znanja između oblasti

Sistem bi morao da primijeni ono što je naučio u jednom kontekstu na potpuno drugačiji problem, a da mu prethodno niko nije objasnio vezu između njih. Ovo je jedna od najtežih prepreka, jer današnji modeli i dalje uglavnom rade najbolje unutar granica podataka na kojima su obučeni.

Samostalno učenje

AGI bi trebao da uči kontinuirano, iz novih iskustava, umjesto da čeka da ga programer ponovo obuči na svježim podacima. Trenutni modeli se treniraju u fazama, a zatim ostaju zamrznuti sve do sljedeće verzije, što je bitno drugačije od načina na koji čovjek stalno prilagođava svoje znanje.

Logičko rezoniranje i rješavanje problema

Sistem bi morao da rasuđuje kroz više koraka, prepoznaje uzročno posljedične veze i donosi zaključke na osnovu nepotpunih informacija, slično kao što čovjek razmišlja kada rješava novi problem bez gotovog rješenja pred sobom.

Razumijevanje prirodnog jezika

Iako današnji veliki jezični modeli već izuzetno dobro obrađuju tekst, pravo razumijevanje jezika kod AGI-ja podrazumijevalo bi hvatanje konteksta, ironije i namjere iza riječi, ne samo statističko predviđanje sljedeće riječi u nizu.

Da li AGI mora imati fizičko tijelo

Jedno od pitanja o kojem se istraživači često spore jeste da li je fizičko prisustvo u svijetu uslov za pravu opću inteligenciju. Zagovornici ove ideje smatraju da čovjek svoju inteligenciju gradi kroz direktno iskustvo sa okolinom još od najranijeg djetinjstva, dodirujući, padajući i prilagođavajući se fizičkim zakonima svijeta, pa bi i AGI možda morao proći kroz sličan proces učenja kroz tijelo, a ne samo kroz tekst i slike.

Ovo je jedan od razloga zašto veliki broj kompanija paralelno ulaže i u razvoj humanoidnih robota, ne samo softverskih modela. Kolaborativni roboti, poznati i kao koboti, već rade rame uz rame sa ljudima u fabrikama i skladištima, dok napredniji humanoidni prototipi uče da hodaju, hvataju predmete i slažu police, korak po korak približavajući softversku inteligenciju stvarnom, opipljivom svijetu.

Šta bi AGI mogao da radi

Kada bi se AGI zaista ostvario, njegov uticaj bi vjerovatno bio osjetan u gotovo svakoj industriji. U medicini bi mogao samostalno da postavlja dijagnoze i predlaže nove terapije na osnovu podataka koje ljudski istraživači nikada ne bi stigli da obrade. U nauci bi mogao da vodi vlastita istraživanja, formuliše hipoteze i planira eksperimente bez čekanja na uputstva istraživačkog tima.

U svakodnevnom životu, sistemi slični AI agentima koje već poznajemo mogli bi samostalno da obavljaju čitave nizove zadataka, od organizacije putovanja do vođenja cijelog poslovanja, bez stalnog nadzora čovjeka. Razlika bi bila u tome što današnji agenti i dalje rade unutar jasno postavljenih granica koje im je postavio čovjek, dok bi AGI sam prepoznavao potpuno nove probleme i smišljao rješenja za njih bez ičije pomoći.

Primjeri bliski AGI-ju danas

Iako pravi AGI još ne postoji, postoji nekoliko sistema koji pokazuju osobine koje se približavaju toj ideji, svaki na svoj način i svaki i dalje ograničen na širi, ali ne i potpuno opći, skup zadataka. Noviji modeli poput GPT-4o pokazuju sposobnost da istovremeno obrađuju tekst, sliku i zvuk u jednom razgovoru, umjesto da svaki tip podataka zahtijeva poseban, odvojen model. Samovozeći automobili predstavljaju drugi primjer, jer moraju u realnom vremenu da donose hiljade odluka na osnovu senzora, saobraćajnih pravila i nepredvidivog ponašanja drugih vozača i pješaka. AlphaFold 3, sistem razvijen za predviđanje trodimenzionalne strukture proteina, pokazao je da model može da riješi naučni problem koji se decenijama opirao ljudskim istraživačima, dok su alati za generiranje muzike pokazali da se kreativnost, dugo smatrana isključivo ljudskom osobinom, može barem djelimično simulirati algoritamski.

Ko trenutno vodi trku ka AGI-ju

Nekoliko kompanija otvoreno navodi razvoj AGI-ja kao svoj krajnji cilj, a takmičenje između njih se svake godine dodatno zaoštrava. OpenAI, tvorac ChatGPT-a, ovo ističe kao svoju osnovnu misiju od osnivanja kompanije. Google, kroz svoj DeepMind tim i model Gemini, ulaže ogromne resurse u istu trku, oslanjajući se na dugogodišnje istraživanje u oblasti dubokog učenja. Anthropic, xAI i Meta takođe javno govore o dugoročnom cilju stvaranja sistema sa općim sposobnostima, svaki sa nešto drugačijim pristupom sigurnosti i brzini razvoja. Van zapadnog tržišta, kineske kompanije poput one iza modela DeepSeek pokazale su da se napredak može postići i uz znatno manje resursa nego što se ranije mislilo, što je dodatno ubrzalo cijelu utakmicu i primoralo sve ostale velike igrače da temeljito preispitaju vlastite strategije i tempo ulaganja u razvoj.

Šta kaže OpenAI o vlastitoj definiciji AGI-ja

OpenAI, kompanija poznata prije svega po ChatGPT-u, ponudio je konkretnu radnu definiciju: visoko autonoman sistem koji nadmašuje ljude u većini ekonomski vrijednih poslova. Zanimljivo je da je ova definicija dobila i sasvim praktičnu, ugovornu dimenziju kroz dugogodišnju saradnju sa Microsoftom, gdje se trenutak zvaničnog dostizanja AGI-ja djelimično vezuje za konkretan, unaprijed dogovoren finansijski prag od 100 milijardi dolara godišnjeg profita, što je neobičan spoj tehničkog i poslovnog rječnika.

Početkom 2026. godine izvršni direktor OpenAI-ja Sam Altman izjavio je da kompanija sada zna kako da izgradi AGI, te da se fokus firme pomjera ka narednom koraku, superinteligenciji. Kompletnu, opširniju verziju ove definicije OpenAI je objavio u vlastitom saopštenju o planiranju za AGI.

Kada ćemo imati AGI: pregled predviđanja

Procjene o tome kada bi AGI mogao da se pojavi razlikuju se drastično, od nekoliko godina do nekoliko stoljeća, zavisno od toga koga pitaš. Tabela ispod prikazuje neke od najčešće citiranih predviđanja.

Ovakav raspon procjena, od 2028. do 2300. godine, dobro pokazuje koliko je pitanje AGI-ja i dalje otvoreno čak i među ljudima koji se time bave na najvišem nivou. Većina istraživača se ipak slaže da smo trenutno bliže nego što smo bili prije samo nekoliko godina, ali da tačan trenutak ostaje nepoznat.

Prednosti i rizici AGI-ja

Kada bi se ostvario, AGI bi mogao da ubrza naučna otkrića, riješi složene globalne probleme poput klimatskih promjena i oslobodi ljude rutinskog rada, otvarajući prostor za kreativnije i smislenije zadatke. Istovremeno, ozbiljni rizici prate ovu priču. Gubitak kontrole nad sistemom koji samostalno donosi odluke, masovni gubitak radnih mjesta u kratkom periodu i pitanje ko bi zapravo upravljao tolikom moći samo su neki od razloga zbog kojih vodeći istraživači, uključujući i one koji rade na razvoju AGI-ja, javno pozivaju na oprez.

• Ubrzano rješavanje problema koje ljudski um sam ne bi mogao da riješi u razumnom roku
• Rizik gubitka nadzora nad sistemom koji donosi vlastite odluke
• Ozbiljne promjene na tržištu rada u kratkom vremenskom periodu
• Pitanja oko toga ko kontroliše i ko snosi odgovornost za postupke takvog sistema

Šta bi firme trebalo da rade povodom AGI-ja

Iako je AGI još uvijek daleko od svakodnevne stvarnosti, ozbiljne kompanije već sada razmišljaju kako da se pripreme za svijet u kojem bi takva tehnologija postojala. Praćenje razvoja i redovno informiranje o novim modelima pomaže firmama da ne budu iznenađene naglim skokom u sposobnostima. Ulaganje u kvalitetnu, urednu bazu podataka već sada donosi korist, jer svaki napredniji sistem, uključujući i buduće oblike AGI-ja, zavisi od kvaliteta podataka na kojima uči. Zadržavanje čovjeka u procesu odlučivanja, poznato i kao pristup gdje čovjek nadgleda i potvrđuje ključne korake, ostaje važno bez obzira na to koliko sistem postaje samostalan. Konačno, razmišljanje o etičkim i sigurnosnim pitanjima, poput zaštite podataka i sprečavanja zloupotrebe, danas je jednako važno kao i sama tehnička priprema.

Kako se mjeri napredak ka AGI-ju

Jedan od najstarijih pokušaja mjerenja jeste Turingov test, koji je još sredinom prošlog vijeka predložio Alan Turing: ako čovjek u razgovoru ne može da razlikuje da li komunicira sa mašinom ili drugim čovjekom, mašina prolazi test. Nijedan sistem do danas nije uvjerljivo prošao ovaj test u punom smislu.

Noviji pristup je ARC-AGI benchmark, skup zadataka dizajniranih tako da budu jednostavni za čovjeka, ali izuzetno teški za tipičan model, upravo zato što zahtijevaju pravo rezoniranje umjesto prepoznavanja obrazaca iz podataka na kojima je model prethodno obučen putem pažljivo sastavljenog upita. Napredak modela na ovakvim testovima danas se prati kao jedan od glavnih pokazatelja koliko smo blizu AGI-ju.

Kako bi izgledala budućnost sa AGI-jem

Ako se AGI zaista ostvari, promjene vjerovatno neće biti ograničene samo na tehnološku industriju. Naučna otkrića koja danas traju decenijama, poput razvoja novih lijekova ili razumijevanja složenih bolesti, mogla bi se ubrzati na način koji je danas teško i zamisliti. Obrazovanje bi se moglo potpuno prilagoditi svakom pojedincu, uz sistem koji prati tačno ono što učenik ne razumije i prilagođava objašnjenje u hodu.

Rad bi se promijenio možda i više nego u bilo kojem prethodnom tehnološkom talasu, jer bi AGI mogao preuzeti ne samo rutinske, nego i kreativne i analitičke zadatke koji su do sada bili isključivo ljudska domena. Upravo zbog razmjera ovih mogućih promjena, način na koji se AGI razvije, i ko će imati kontrolu nad njim, smatra se jednim od najvažnijih pitanja ovog vijeka.

Najčešća pitanja

Koja je razlika između AGI-ja i obične umjetne inteligencije?

Obična, uska umjetna inteligencija je specijalizirana za jedan ili nekoliko sličnih zadataka i ne može da primijeni znanje izvan tog okvira. AGI bi, za razliku od toga, mogao da rasuđuje i uči u bilo kojoj oblasti na način sličan čovjeku, bez potrebe za posebnom obukom za svaki novi zadatak.

Koja je razlika između AGI-ja i superinteligencije?

AGI podrazumijeva sistem koji dostiže ljudski nivo sposobnosti u gotovo svim oblastima. Superinteligencija, odnosno ASI, predstavlja sljedeći korak, sistem koji bi taj nivo nadmašio i bio pametniji od najboljih ljudskih umova u praktično svakoj disciplini.

Da li AGI već postoji?

Ne, AGI trenutno ne postoji ni u jednoj laboratoriji ili kompaniji. Svi dostupni modeli, uključujući najnaprednije chatbotove i asistente, i dalje spadaju u usku umjetnu inteligenciju, koliko god djelovali impresivno u pojedinim zadacima.

Šta je razlika između umjetne i veštačke opšte inteligencije?

Razlika je isključivo terminološka. Umjetna inteligencija je izraz koji se koristi u Bosni i Hercegovini i Hrvatskoj, dok se u Srbiji koristi termin veštačka inteligencija, pa je opšta veštačka inteligencija samo srpska varijanta istog pojma koji označava AGI.