Kwa nini ukurasa huu upo
Sehemu kubwa ya mwongozo huu inaelekea kuchukua hatari ya AGI kwa uzito, kwa kuwa sehemu kubwa yake inashughulikia kinachotokea iwapo wenye matumaini ni sahihi. Msimamo huo unafanya iwe rahisi kubapua wenye shaka kuwa mzaha—«hawaelewi tu uongezaji kiwango»—na kuendelea. Hilo ni dhuluma kwa msimamo wenye msingi unaoshikiliwa na watafiti waliojenga baadhi ya vifaa vya msingi vya uwanja huu. Ukurasa huu unawakilisha hoja zao halisi, wala si toleo lililojengwa kushindwa, bila kuamua ni nani aliye sahihi; angalia jinsi ya kupima madai kuhusu AGI na utabiri wa ratiba za AGI kwa jinsi wigo wa maoni unavyoripotiwa kwa kawaida.
Yann LeCun: hakuna mfano wa dunia, hakuna upangaji
Yann LeCun aliondoka Meta Novemba 2025 baada ya miaka kumi na miwili, ikijumuisha kuanzisha maabara yake ya FAIR, na kufikia Machi 2026 alikuwa Mwenyekiti Mtendaji na mwanzilishi mwenza wa AMI Labs, kampuni changa ya Paris iliyokusanya raundi ya uwekezaji wa awali ya dola bilioni 1.03—inayoripotiwa kuwa raundi kubwa zaidi ya uwekezaji wa awali wa kampuni changa barani Ulaya kuwahi kurekodiwa—kujenga kile anachokiita «mifano ya dunia» (world models) (TechCrunch). Hilo lina umuhimu: ushaki wa LeCun haukulainika kuwa tahadhari—uliimarika kuwa kampuni anayoweka kazi yake yote dau juu yake.
Pingamizi la LeCun ni hoja ya usanifu, si nadharia inayothibitisha kuwa transfoma haziwezi kupanga. Mifano ya kawaida ya kiotomatiki-rejeshi hutabiri alama bila mfano wa dunia ulio wazi na wa kudumu au mpangaji tofauti. Kila mpito wa mfano hutumia grafu thabiti ya ukokotoo, lakini mfumo mkubwa unaweza kutumia ukokotoo zaidi wakati wa uelekezaji kwa kuzalisha, kutathmini au kurekebisha alama za ziada. Hilo linaweza kuboresha matokeo bila kuthibitisha upangaji wa muda mrefu uliojikita katika dunia halisi.
Badala yake, LeCun anapendekeza mfano wa dunia unaoweza kusanidiwa unaotabiri hali zinazowezekana za baadaye, pamoja na mtendaji anayetafuta vitendo katika viwango kadhaa vya udhahania (waraka wa msimamo wa LeCun; muhtasari wa utafiti wa Meta). Huu ni mwelekeo wake wa utafiti uliopendekezwa, si hitimisho lililothibitishwa kuhusu mambo ambayo mifano ya lugha ya sasa haitaweza kamwe kufanya. Dau lake ni kwamba akili huru na thabiti itahitaji miundo inayojifunza kutoka video pamoja na uzoefu wa anga na hisi-mwendo, si maandishi pekee.
Andrew Ng: inua kiwango cha ushahidi
Andrew Ng—mwanzilishi wa DeepLearning.AI, Mshirika Mkuu Msimamizi katika AI Fund, na profesa msaidizi katika Stanford—anahoji kwamba «AGI imekuwa neno la uzushi badala ya neno lenye maana sahihi», na kwamba sekta hiyo iko miongo mbali na mfumo unaoweza kufanya kazi yoyote ya kiakili ambayo binadamu anaweza, kutoka kuendesha lori hadi kuandika tasnifu ya udaktari (PYMNTS). Mchango wake wa moja kwa moja ni wa kimbinu: «Jaribio la Turing-AGI» lililopendekezwa, ambapo hakimu anabuni jaribio la kazi halisi la siku nyingi—kazi halisi, wala si onyesho lililopangwa—na mfumo unapita tu iwapo unafanya vizuri kama binadamu mwenye ujuzi. Hoja: hamisha malengo kutoka alama za ubao wa vipimo kwenda utendaji endelevu, ukipunguza kile anachokiona kama uzushi wa hatari ya Bubble.
Gary Marcus: udanganyifu, kuporomoka kwa hoja, na hesabu ya mawazo yanayolimbikizana
Gary Marcus, Profesa Mstaafu wa Saikolojia na Sayansi ya Neva katika NYU na mwanzilishi wa Geometric Intelligence na Robust.AI, amejenga hoja ya pande nyingi. Kuhusu uaminifu: mifano ya LLM «kihalisi haijui tofauti kati ya ukweli na uongo», na ananukuu uthibitisho rasmi kwamba itadanganya (hallucinate) hata ikipewa data kamili na ukokotoo usio na kikomo—jambo lililothibitika, anasema, wakati GPT-5 (Agosti 2025) ilishindwa kutatua udanganyifu na o3 ya OpenAI ilidanganya zaidi kuliko watangulizi wake (Marcus on AI). Kuhusu hoja: «hatutatatua fizikia kwa mifumo isiyoweza kucheza Tower of Hanoi kwenye mnara wa diski 8»—akinukuu ugunduzi wa Apple kwamba mifano ya «hoja» ya LLM inaporomoka baada ya kizingiti cha utata badala ya kudorora kwa upole.
Uingiliaji wake unaojadiliwa zaidi ni wa kimbinu: kubomoa hali ya utabiri ya «AI 2027» kama «hadithi ya kubuni iliyovalishwa vazi la sayansi»—ikikopa mbinu za usimulizi huku ikiwasilisha manukuu na tanbihi kana kwamba matokeo yalikuwa utabiri. Marcus anagawanya hali hiyo katika hatua takriban nane mfululizo za «kuruka kwa imani», anazidisha uwezekano wao binafsi uliodokezwa, na kuonyesha kwamba uwezekano uliojilimbikiza wa mnyororo mzima kutua kwa ratiba ni karibu sifuri (Substack)—ikiungwa mkono na rekodi ya utabiri wenyewe: udanganyifu uliotangazwa «umetatuliwa» mwaka 2024, magari yasiyo na dereva yaliyodhaniwa kuwa «kila mahali» kufikia 2017. Ni muhimu kutambua, Marcus hahoji kwamba «AGI haiwezekani»—«yeyote anayefikiri AGI haiwezekani» ana makosa, anasema, kama yeyote anayefikiri iko karibu—na sasa anaweka ufikiaji unaowezekana ifikapo 2100, wala si 2027. Msimamo huo wenyewe ni ushahidi kwamba kambi ya wenye shaka ni mtawanyiko, wala si msimamo mmoja—jambo ambalo ukurasa wa utabiri wa ratiba unaeleza kuhusu uwanja mzima.
Tim Dettmers: ukokotoo ni wa kimwili
Tim Dettmers, mtafiti katika Allen Institute for AI, anatoa hoja isiyotegemea muundo wa mfano—inahusu fizikia. Utendaji wa GPU kwa kila dola ulisimama karibu 2018, anahoji, na faida nyingi zinazoonekana tangu wakati huo zimetokana na hesabu za usahihi mdogo (lower-precision numerics)—kufanya hesabu zilezile kwa gharama ya chini zaidi—badala ya ukuaji halisi wa kikokotoo. Anakadiria «huenda mwaka mmoja, huenda miwili zaidi ya uongezaji kiwango uliobaki» kabla faida hizo kugonga kuta za kumbukumbu, I/O, na umeme, ambapo nishati na gharama zinakua kwa kielelezo kwa faida ya uwezo ya mstari tu (timdettmers.com). Anaeleza «AGI» kama inayohitaji umahiri wenye maana kiuchumi katika kazi za kimwili, wala si alama za vipimo, na anapanua mantiki hiyo hadi mwisho wake: akili bandia kuu ingekabiliwa na vikwazo vilevile vya kimwili katika kuboresha muundo wake wenyewe wa hitimisho. Tofauti na hoja zilizo hapo juu, hii haitegemei kuwa sahihi kuhusu LLM mahususi—ni dai kuhusu msingi ambao akili yoyote ya kidijitali inaendeshwa juu yake.
Orodha fupi zaidi: angalia pia
Orodha fupi zaidi inakamilisha hoja hiyo. Rodney Brooks, CTO wa Robust.AI na Profesa Mstaafu wa Robotiki katika MIT, anaendesha ubao wa alama wa utabiri wa kila mwaka, wenye tarehe, unaoweza kukanushwa—nidhamu adimu miongoni mwa watoa maoni wa AI—na anahoji kutokana na miongo ya uzoefu wa robotiki kwamba maendeleo finyu ya vipimo yanaendelea kukosewa kwa umahiri wa jumla. François Chollet, muundaji wa kipimo cha ARC-AGI, anaonyesha mifano ikipata alama karibu sifuri katika kazi zilizojengwa kupinga ukariri—ARC-AGI-3 mpya zaidi iliona mifano bora ya 2026 ikipata chini ya asilimia 1 dhidi ya asilimia 100 kwa binadamu—kama ushahidi kwamba akili ni ufanisi wa upataji ujuzi, wala si kiwango. Subbarao Kambhampati wa Arizona State anahoji kwamba mifano ya LLM haiwezi kupanga au kujithibitisha bila kujali uandishi wa maagizo, na sasa anahoji kama alama za mnyororo-wa-fikra (chain-of-thought) zinawakilisha hoja halisi kabisa. Melanie Mitchell wa Santa Fe Institute anahoji kwamba mafanikio ya LLM yanaonyesha ulinganishaji wa muundo juu ya usambazaji wa mafunzo badala ya hoja ya kisababishi. Emily Bender, mtaalamu wa lugha wa University of Washington na mwandishi mwenza wa «Stochastic Parrots», anahoji kwamba matokeo yenye mtiririko ni umbo bila uelewa wenye msingi—mifano iliyofunzwa kutabiri mfululizo wa maneno haina ufikiaji wa nia ya mawasiliano.
Mbinu ya utabiri yenyewe ni shabaha
Zaidi ya mtafiti yeyote binafsi, wenye shaka wanalenga moja kwa moja jinsi ratiba za AGI zinavyozalishwa. Mbinu ya utafiti wa wataalamu inaonyesha athari iliyoandikwa vizuri ya «upeo unaosonga (moving horizon)»—waliohojiwa huweka AGI takriban miaka kumi na tano hadi ishirini na tano mbele bila kujali wanapoulizwa—ikizidishwa na athari za uchaguzi na unyeti wa jinsi maswali yanavyoulizwa. Ripoti ya RAND ya Machi 2026 inaorodhesha matatizo haya kwa utaratibu katika mbinu za utafiti, soko la utabiri, na uongezaji wa kikokotoo sawa (RAND).
Kipimo cha «mzani wa muda» cha METR yenyewe—mkondo wa uwezo unaonukuliwa zaidi kama ushahidi wa kuongeza kasi, na kujadiliwa katika ukurasa wa utabiri wa ratiba—kimevuta ukaguzi ikiwemo kutoka METR yenyewe. Taarifa ya Januari 2026 ilifichua marekebisho ya asilimia 35 yaliyowekwa kwenye mlinganisho wa logistiki wa mteremko-thabiti, kwamba karibu theluthi moja ya makadirio ya ugumu wa kazi yanahitimu badala ya kupimwa, na kwamba METR «haina wazo» kama mzani halisi wa muda wa mfano upo hasa ndani ya kipindi cha uaminifu inachoripoti (METR). Ukosoaji huru uliochapishwa siku chache mapema ulikwenda mbali zaidi: kazi hizo ni safi kupita kiasi kisicho na uhalisia, suluhu za hadhara huenda zilichafua data, na muda wa msingi wa binadamu ulitoka kwa sampuli ndogo, yenye kichocheo cha kifedha ambayo pengine iliongeza muda ambao kazi «zilipaswa» kuchukua—hivyo kufanya kasi inayoonekana ya AI kuwa kwa sehemu mabaki ya ulinganisho huo (Transformer News). Kwa hali yoyote, sehemu kubwa ya uhitimu wa ratiba za uwanja huu unarudia bei kutoka mkondo mmoja wenye kelele ambao waandishi wake wenyewe hawawezi kuuthibitisha kikamilifu.
Hilo linaongezeka na tatizo la zamani zaidi: Sheria ya Goodhart ikitumika kwa vipimo. Mara kipimo kinapokuwa shabaha ya uboreshaji, maabara hurekebisha kuelekea ubao wa alama badala ya dhana kinachopima—MMLU ilitoka alama ya pointi 43 ya GPT-3 dhidi ya msingi wa binadamu wa pointi 90 mwaka 2020 hadi mifano bora ikijikita kwa ukaribu mkubwa kufikia katikati ya 2024 kiasi kwamba tofauti zinaanguka ndani ya kelele ya uumbizaji wa maagizo. Uchafuzi wa uvujaji wa vipimo unafanya alama zinazopanda kuwa ngumu zaidi kusomwa kama faida halisi. Angalia jinsi ya kupima madai kuhusu AGI na ngazi ya uwezo kwa kwa nini «kushinda kipimo» na «kufikia AGI» ni madai tofauti.
Ukurasa huu haudai nini
Hakuna kati ya haya kinachofikia hoja kwamba AGI haiwezekani, na hakuna mtafiti yeyote hapo juu anayetoa dai hilo—Marcus anaeleza waziwazi kwamba pande zote mbili kali ni makosa. Kile kinachothibitishwa ni kitu halisi: vikwazo vya kimuundo visivyotatuliwa dhahiri kwa kiwango, dari la kimwili la kikokotoo lisilojali ramani yoyote, na vifaa vya utabiri ambavyo, kwa ukiri wa METR yenyewe, haviwezi kuthibitisha kikamilifu mkondo ambao kila mtu ananukuu. Kama hilo linajumlika kuwa «miongo mbali» au «karibu zaidi kuliko ukurasa huu unavyodokeza» ndilo hasa mwongozo huu unakataa kutatua kwa ajili ya msomaji. Kile hautafanya ni kuruhusu hoja ya wenye shaka kuwa mzaha.