23 marca 2026 roku na podcaście Lexa Fridmana padła deklaracja, która natychmiast rozgrzała środowisko technologiczne. Jensen Huang, dyrektor generalny Nvidii, stwierdził wprost: „Myślę, że osiągnęliśmy AGI. Myślę, że to już teraz”. Słowa jednego z najpotężniejszych ludzi w branży AI wywołały natychmiastową falę komentarzy, sporów i pytań o to, co tak naprawdę oznacza pojęcie sztucznej inteligencji ogólnej.
Co naprawdę powiedział Jensen Huang?
Kontekst rozmowy jest kluczowy. Lex Fridman zaproponował konkretną definicję operacyjną: czy sztuczna inteligencja jest w stanie założyć i rozwinąć firmę technologiczną o wartości przekraczającej miliard dolarów? Odpowiedź CEO Nvidii była równie zaskakująca, co ostrożna jednocześnie. „Myślę, że to teraz. Myślę, że osiągnęliśmy AGI” — powiedział Huang. Zaraz potem jednak zaczął się wycofywać, dodając warunki i zastrzeżenia typowe dla ostrożnego lidera korporacyjnego.
Wiele mediów przedstawiło tę wypowiedź jako jednoznaczne ogłoszenie przełomu. W rzeczywistości Huang wielokrotnie w przeszłości formułował podobne stwierdzenia — każde z nich wywoływało falę dyskusji, po czym temat ucichał do następnego strategicznego wystąpienia. Tym razem jednak kontekst jest inny: mocy obliczeniowej Nvidii pozwala już na trenowanie modeli na skali porównywalnej z niektórymi symulacjami ludzkiego mózgu.
Czym jest AGI — i dlaczego nikt nie może się zgodzić
Wielu badaczy unika terminu „AGI” całkowicie właśnie z tego powodu — uważają, że jest on nieuchwytny i służy głównie firmom technologicznym jako narzędzie marketingowe. Jak zauważają analitycy Fortune, wokół pojęcia AGI narosło wiele nieporozumień, które utrudniają merytoryczną dyskusję.
Problem zaczyna się już od nazwy. „Sztuczna inteligencja ogólna” — tłumaczenie angielskiego „Artificial General Intelligence” — zakłada, że istnieje jedna, spójna forma inteligencji, którą można w pełni zreplikować. Tymczasem ludzka cognitystyka od dawna wskazuje, że inteligencja nie jest jednowymiarową skalą. Człowiek nie jest „mądrzejszy” od innych w sensie absolutnym — każdy gatunek, każdy człowiek ma inne profile zdolności poznawczych.
Nie istnieje powszechnie uznana definicja AGI, nie mówiąc już o zgodzie co do sposobów pomiaru. Na przestrzeni lat zaproponowano dziesiątki definicji — od najprostszych („model zdolny wykonać dowolne zadanie intelektualne, które człowiek potrafi wykonać”) po niezwykle wyrafinowane formalizmy matematyczne. Każda z tych definicji jest krytykowana z innych powodów.
GPT-5 zdobył 57% — nauce do AGI daleko
Najzdolniejszy z przetestowanych systemów, GPT-5 wydany przez OpenAI w sierpniu 2025 roku, osiągnął wynik zaledwie 57% w testach badających ludzkie zdolności poznawcze na poziomie wykształconego dorosłego człowieka. To znaczący postęp względem wcześniejszych wersji, ale dalekie od poziomu „ogólnej” inteligencji rozumianej jako zestaw wszystkich zdolności poznawczych człowieka.
Co gorsza, nawet w testach, w których LLM-y radzą sobie dobrze, ich działanie opiera się na innych mechanizmach niż ludzkie rozumowanie. Model językowy nie „myśli” w tym samym sensie co człowiek — operuje na wzorcach statystycznych w tekście, którym był trenowany. Nie ma świadomości, intencji ani głębszego rozumienia kontekstu w sposób, w jaki rozumieją go istoty świadome.
Badacze z DeepMind, OpenAI i Anthropic wielokrotnie podkreślali, że obecne modele — nawet najpotężniejsze — nie posiadają tego, co określa się mianem „grounding”: zakorotu w rzeczywistym doświadczeniu sensorycznym i cielesnym. Bez tego trudno mówić o prawdziwie ogólnej inteligencji.
Wyścig korporacyjny napędza narrację
Mimo naukowych zastrzeżeń, wielkie firmy technologiczne aktywnie używają pojęcia AGI w komunikacji inwestorskiej i marketingowej. Nvidia, Microsoft, Google, Meta i OpenAI rywalizują o dominację w segmencie AI, a hasło „zbliżamy się do AGI” służy jako argument za olbrzymimi inwestycjami kapitałowymi i rosnącymi wycenami akcji.
To nie przypadek, że Huang wybrał podcast Lexa Fridmana — jedno z najbardziej technicznych i szanowanych miejsc w dyskursie AI — na sformułowanie swojej deklaracji. Chciał nadać swoim słowom autorytet, jednocześnie zachowując dystans do formalnej odpowiedzialności korporacyjnej. CEO Nvidii nie podpisywał żadnego dokumentu, nie składał obietnic regulatorom ani inwestorom. Była to wypowiedź w przestrzeni narracyjnej, nie strategicznej.
Dla przedsiębiorstw i decydentów politycznych oznacza to konieczność zachowania równowagi między entuzjazmem a krytycyzmem. Obietnice AGI padające z ust liderów Big Tech to w dużej mierze narzędzia strategiczne — warto je czytać w kontekście interesów korporacyjnych, nie wyłącznie jako prognozy naukowe.
Co to oznacza dla polskich firm?
Dla firm wdrażających AI w biznesie oznacza to przede wszystkim jedno: automatyzacja procesów za pomocą LLM-ów wymaga wciąż ludzkiego nadzoru, szczególnie w obszarach wymagających precyzji, odpowiedzialności prawnej i kontekstowego myślenia. Modele językowe doskonale sprawdzają się jako asystenci — wspierający, przyspieszający i optymalizujący pracę. Jako autonomiczni decydenci, szczególnie w domenach wysokiego ryzyka, pozostają niedojrzali.
Polskie przedsiębiorstwa powinny więc podejmować decyzje o wdrożeniach AI na podstawie konkretnych, zmierzalnych rezultatów — nie obietnic dotyczących hipotetycznej AGI. Na portalu mygpt.pl znajdziesz więcej materiałów na temat agentów AI, automatyzacji procesów biznesowych oraz szczegółowych recenzji modeli OpenAI. Zachęcamy również do lektury analizy GPT-5 a Claude, która przybliża różnice strategiczne między dwoma głównymi graczami na rynku AI.
Podsumowanie
Deklaracja Jensena Huanga to nie jest naukowe ogłoszenie — to element gry narracyjnej wielkiej korporacji. Przed branżą AI wciąż stoi ogromna droga do prawdziwej inteligencji ogólnej. Obecne modele, nawet najpotężniejsze, pozostają narzędziami o spektakularnych możliwościach, ale i spektakularnych ograniczeniach. Rozsądne wdrożenie AI w biznesie wymaga świadomości obu tych faktów.
Więcej na temat praktycznych aspektów korzystania z modeli AI znajdziesz w naszych artykułach o API OpenAI oraz skutecznych promptach. Śledzenie rozwoju tych technologii na bieżąco pozwala podejmować lepsze decyzje wdrożeniowe — zarówno w kontekście indywidualnym, jak i biznesowym.
