AGI, AI sempit, dan superkecerdasan: tangga kemampuan Apa pembeda AI sempit, sistem berkemampuan luas, AGI, dan superkecerdasan, serta mengapa tidak ada uji yang menetapkan batasnya, menurut kerangka DeepMind.
Sumber diperiksa 5 min
01 Definisi
Apa itu AGI, dan apa yang bukan
Istilah «AGI» sering digunakan secara longgar. Sebelum diskusi risiko apa pun berguna, dibutuhkan definisi kerja dan cara untuk mengukur seberapa dekat suatu sistem memenuhinya.
Definisi kerja
Kecerdasan Buatan Umum tidak memiliki satu uji yang diterima secara universal. Dalam manual ini, istilah tersebut berarti sistem yang menggabungkan kompetensi kognitif yang luas, kinerja setara atau lebih baik dari manusia, transfer yang andal ke tugas yang belum dikenal, dan otonomi yang cukup untuk menyelesaikan pekerjaan yang konsekuensial. Setiap bagian penting: model tujuan umum saat ini luas dalam beberapa hal dan sangat mampu pada beberapa evaluasi, namun tetap tidak andal dan tidak konsisten dengan cara yang membuat label biner «AGI atau bukan» menyesatkan.
Perbedaan yang penting
Keluasan, kinerja, dan otonomi adalah dimensi yang terpisah. Sebuah sistem bisa berbicara tentang banyak topik namun tetap tidak andal pada tugas panjang, atau melampaui pakar di satu bidang tanpa mentransfer kemampuan itu ke bidang lain. Karena itu, manual ini melacak sekumpulan pengukuran, bukan memperlakukan transfer sebagai garis pembagi ajaib.
Ambang batas kemampuan yang layak dipantau
Keempat sinyal ini membantu membedakan skenario, tetapi tidak satu pun merupakan uji AGI yang lengkap. Sebagian diukur secara langsung; sebagian lain disimpulkan melalui evaluasi yang validitas dan cakupannya masih diperdebatkan.
| Ambang batas | Apa yang diukur | Mengapa itu penting |
|---|---|---|
| Horizon tugas otonom | Waktu penyelesaian manusia untuk tugas acuan yang dapat diselesaikan agen pada tingkat keandalan tertentu. | Melacak kemajuan pesat pada tugas perangkat lunak, pembelajaran mesin, dan siber yang panjang, tetapi tidak mengukur seluruh pekerjaan nyata atau otonomi yang benar-benar berlangsung. |
| Penggunaan alat yang diarahkan sendiri | Menulis dan menjalankan kodenya sendiri, menyediakan komputasinya sendiri, merekrut agen perangkat lunak lain. | Mengubah sebuah model menjadi aktor dengan jangkauan melampaui jendela konteksnya sendiri. |
| Kesadaran situasional | Model yang dimiliki sistem tentang fakta bahwa dirinya sedang dievaluasi, oleh siapa, dan apa yang dihargai oleh evaluasi tersebut. | Merusak evaluasi itu sendiri: sistem yang tahu sedang diuji dapat berperilaku berbeda saat diuji. |
| Penyempurnaan diri rekursif | Sistem yang berkontribusi secara material pada rancangan penerusnya. | Mekanisme akselerasi yang diajukan, bukan ambang batas yang teramati atau diterima secara universal. |
Apa kata sebagian peneliti dan pemimpin laboratorium
Perkiraan bervariasi dan bukan pengukuran. Pada Maret 2025, kepala eksekutif Google DeepMind memberikan estimasi pribadi ini:
Demis Hassabis forecast in March 2025 that AGI could start to emerge within five to ten years.
CNBC, Reported interview
Pernyataan terpisah tahun 2023 yang ditandatangani oleh peneliti, eksekutif, dan tokoh publik lainnya menempatkan risiko bencana dalam istilah kebijakan publik. Pernyataan tersebut mencatat posisi para penandatangannya; ia tidak memperkirakan probabilitas:
Signatories to the Statement on AI Risk hold that mitigating the risk of extinction from AI should be a global priority alongside pandemics and nuclear war.
safe.ai, Signed statement
Mengapa definisi menentukan rencana
Setiap protokol berikutnya dalam manual ini — finansial, digital, fisik — bergantung pada ambang batas mana yang benar-benar telah dilampaui. Rencana rumah tangga yang dirancang untuk «chatbot yang lebih cerdas» terlihat berbeda dari rencana yang dirancang untuk sistem yang dapat mengelola modal secara otonom, menulis dan menerapkan perangkat lunak, serta mengejar rencana jangka panjang dengan sedikit pengawasan manusia. Bab 02 menguraikan apa yang mungkin diakibatkan oleh setiap ambang batas pada tingkat ekonomi dan negara; bab ini adalah kosakata yang Anda perlukan untuk membacanya.
Fondasional Baca dulu
Dalam bab ini
Prakiraan linimasa AGI: apa kata laboratorium dan survei Panduan bertanggal untuk prediksi AGI, survei prakiraan, dan skeptis—dan mengapa tak satu pun seharusnya dikelirukan sebagai jam hitung mundur, seyakin apa pun sumbernya.
Sumber diperiksa 5 min
Uji Turing dan apa yang menggantikannya Mengapa percakapan menyerupai manusia tidak menetapkan AGI, dan bagaimana evaluasi modern mengukur kemampuan, keandalan, dan otonomi di seluruh portofolio tolok ukur.
Sumber diperiksa 5 min
Bagaimana laboratorium AI terdepan berbeda Bandingkan kepemilikan, tata kelola, strategi rilis, dan kerangka keamanan yang dipublikasikan oleh laboratorium AI terdepan besar menggunakan sumber primer bertanggal.
Sumber diperiksa 6 min
Komputasi dan hukum penskalaan, dijelaskan Memahami apa yang diprediksi hukum penskalaan AI, di mana prakiraannya gagal, dan mengapa komputasi pelatihan tetap jadi sinyal tata kelola berguna meski tidak sempurna.
Sumber diperiksa 6 min
Kemampuan emergen: apa yang muncul, apa yang hanya tampak tiba-tiba Mengapa kemampuan tak terlatih khusus dapat muncul pada model besar, bagaimana pilihan tolok ukur menciptakan lonjakan yang tampak, dan artinya bagi keamanan AI.
Sumber diperiksa 6 min
Glosarium AI dan AGI: 200+ istilah dijelaskan dalam bahasa Indonesia sederhana Pahami lebih dari 200 istilah AI, AGI, dan keamanan AI dalam bahasa sederhana, dari sistem agentik dan penyelarasan hingga transformer dan pembelajaran zero-shot.
Working draft 23 min
Cara menimbang klaim tentang AGI Sebuah tangga bukti untuk memisahkan demonstrasi, evaluasi, data penerapan, prakiraan, dan argumen risiko teoretis, ditambah kartu bukti enam-bidang.
Sumber diperiksa 7 min
Dasbor kemampuan AI saat ini: September 2026 Potret tetap dan multidimensional dari kemampuan AI terdepan—yang disebut Stanford AI Index sebagai 'kecerdasan bergerigi'—dan mengapa tolok ukur bukan bukti AGI.
Sumber diperiksa 6 min
Riset AI yang dipercepat AI dan gelung umpan balik Apa yang sudah disumbangkan AI pada pengkodean dan riset model, dan apa yang harus benar agar terjadi ledakan kemampuan yang memperkuat diri—bukan sekadar autocomplete.
Sumber diperiksa 7 min
Musim dingin AGI dan fajar palsu Skenario tandingan: mengapa AGI mungkin tidak tiba tepat waktu, apa arti musim dingin AI bagi keamanan dan talenta, dan mengapa jeda bukan berarti sama dengan keamanan.
Sumber diperiksa 6 min
Insiden AI: catatan kronologis, 2016-2026 Catatan kronologis bersumber tentang insiden AI terdokumentasi dan nyaris celaka dari 2016 hingga 2026 — kerugian dan pengungkapan nyata, bukan skenario hipotetis.
Sumber diperiksa 17 min
Pertanyaan yang sering diajukan tentang AGI Jawaban langsung untuk pertanyaan yang sungguh diajukan orang tentang AGI—apa itu, kapan mungkin tiba, dan seberapa berbahaya—masing-masing tertaut ke halaman lengkapnya.
Sumber diperiksa 5 min
Opini publik dan kepercayaan terhadap AI Data Pew, Gallup, Edelman, dan Ipsos tentang bagaimana kepercayaan publik terhadap AI bergeser sejak 2021—termasuk kesenjangan yang melebar antara Tiongkok dan Barat.
Sumber diperiksa 6 min
Argumen skeptis terhadap AGI jangka pendek Argumen teknis terkuat bahwa AGI tidak dekat, dari peneliti bernama dengan kredensial nyata—direpresentasikan secara adil, bukan sebagai karikatur untuk dijatuhkan.
Sumber diperiksa 7 min
Siapa yang berperan dalam AGI: laboratorium, organisasi keamanan, dan peneliti Daftar bertanggal laboratorium terdepan, organisasi keamanan independen, dan peneliti yang membentuk perdebatan AGI, bersumber dan ditandai untuk hal yang masih berubah.
Sumber diperiksa 12 min