Existuje už obecná umělá inteligence, aniž bychom si toho všimli?

Čím dál více vědců si myslí, že klíčový milník mohl být překročen tiše – bez jediného fanfáru.

Po léta byla obecná umělá inteligence něčím vzdáleným, téměř mýtickým. Skupina výzkumníků teď naznačuje, že to, co jsme považovali za „budoucnost", se možná právě stalo přítomností – jenže to stále popisujeme starými definicemi a úzkými očekáváními.

Nová teze: AGI už existuje, jen ji špatně definujeme

V průlomové publikaci prestižního vědeckého časopisu tým výzkumníků z Kalifornské univerzity přichází s odvážným tvrzením: obecná umělá inteligence (AGI, z anglického Artificial General Intelligence) již byla dosažena. Podle jejich názoru dnešní modely – jako jsou pokročilé chatboty založené na velkých jazykových modelech (LLM) – splňují praktická kritéria inteligence na úrovni člověka.

AGI se obvykle chápe jako umělá inteligence, která si poradí s velmi rozmanitými úkoly napříč mnoha oblastmi – přinejmenším na úrovni průměrného člověka, v určitých situacích dokonce na úrovni odborníka. Podle autorů se přesně to už děje: tyto systémy píší kód, shrnují vědecké výzkumy, vytvářejí obchodní strategie, řeší fyzikální úlohy a pomáhají při lékařské diagnostice.

Nový argument zní provokativně: problémem není to, že AI „nedorostla" našim očekáváním, ale to, že naše kritéria inteligence byla od základu postavena výhradně pro člověka.

Turingův test: hranice překročená už dávno

Po desetiletí byl Turingův test klasickým měřítkem v diskusích o inteligenci strojů. Alan Turing ho navrhl v roce 1950: pokud člověk při textovém rozhovoru nedokáže rozpoznat, zda komunikuje s člověkem nebo se strojem, lze hovořit o inteligenci na lidské úrovni.

Dnešní chatboty různé varianty tohoto testu pravidelně procházejí. V řadě studií uživatelé považují jazykový model za člověka častěji než skutečného protějška. Kdybychom se drželi původního kritéria, bylo by to jasné – obecná strojová inteligence tu již je. Mezitím jsme ale laťku neustále posouvali výš.

Autoři textu v Nature upozorňují na paradox: kdysi měl Turingův test sám o sobě sloužit jako důkaz inteligence. Jakmile ho AI začala zvládat, rychle jsme rozhodli, že to nestačí, a přidávali nové požadavky – někdy zcela bez jasného zdůvodnění.

AGI versus superinteligence – mícháme dva různé cíle

Ve veřejné debatě se dva pojmy velmi často hází do jednoho pytle: obecná umělá inteligence a superinteligence. To je omyl, který výrazně zkresluje naše očekávání.

Podle autorů bychom AGI neměli srovnávat s nějakým „ideálním člověkem", ale s reálným spektrem lidských schopností. Žádný člověk není expertem na všechno. Máme mezery, předsudky, logické chyby. AI, která zvládá širokou škálu úkolů na úrovni odborníků v mnoha oborech, podle jejich názoru kritéria obecné inteligence splňuje – i když není neomylná.

Superinteligence je úplně jiná liga a stále patří do budoucnosti. Není potřeba k tomu, abychom mohli hovořit o AGI. Zaměňování těchto dvou pojmů způsobuje, že obecnou inteligenci odsouváme do nekonečna a čekáme na téměř božské schopnosti.

„Statistický papoušek"? Deset populárních námitek pod lupou

V debatě o LLM se pravidelně vrací označení „statistický papoušek" – naznačující, že model pouze opakuje vzory z trénovacích dat, aniž by čemukoli rozuměl. Tým z Kalifornské univerzity analyzoval deset nejčastějších argumentů proti uznání AGI a snaží se je rozebrat.

• Řešení nových úloh: modely si poradí s problémy z matematiky nebo fyziky, které se v trénovacích datech doslova nevyskytovaly.
• Přenos dovedností: dokáží přenášet znalosti mezi obory – například využít koncept z programování při plánování vědeckého experimentu.
• Chápání důsledků: popisují výsledky jednání ve fyzickém prostředí a vysvětlují, co se stane při různých scénářích.

Pro autory je to důkaz, že nejde o prosté „kopíruj-vlož na steroidech", ale o systémy budující vnitřní reprezentace závislostí – i když jejich „myšlení" vypadá jinak než to lidské.

Kdyby člověk s podobnou mírou úspěšnosti v testech a úkolech dostal nálepku „inteligentní", proč v případě AI kritéria náhle zpřísňujeme?

AI bez těla, ale s přístupem k realitě

Častá námitka zní: skutečná inteligence vyžaduje tělo, smysly, přímý kontakt se světem. Jazykové modely skutečně vlastní tělo nemají, ale stále častěji je propojujeme s kamerami, mikrofony a roboty. Vznikají systémy, které současně analyzují text, obraz, zvuk i video.

Výzkumníci poukazují na to, že inteligence nemusí být „vtělena" v tradičním smyslu, aby se projevovala v účinném uvažování. Člověk slepý od narození si přesto buduje bohaté představy o prostoru a pohybu, i když jeho poznávací kanály jsou jiné. Model AI, který se učí na obrovských souborech dat o světě, také získává určitý druh nepřímé „zkušenostnosti".

Paralelně se rozvíjí robotika. Pojem „Physical AI" – stroje propojující jazykové modely s fyzickými těly – přestává být vizí z filmů. To je další krok, který může strojovou inteligenci ještě více přiblížit té, kterou intuitivně chápeme v každodenním životě.

Paměť, autonomie, čas učení – jsou to skutečně nezbytné podmínky?

Mnozí kritici opakují, že bez trvalé autobiografické paměti nebo plné autonomie jednání nelze hovořit o AGI. Autoři vědeckého textu s tímto stanoviskem nesouhlasí.

Za prvé, ne každý člověk má ucelenou, podrobnou paměť o vlastním životě – a přesto mu nikdo inteligenci neupírá. Za druhé, AI často funguje jako nástroj v určitém rámci stanoveném programátory a uživateli. Požadavek plné autonomie jako podmínky inteligence považují výzkumníci za svévolný.

Další námitka se týká nákladů na učení: AI potřebuje obrovské soubory dat, zatímco člověk se mnohé naučí z pouhých několika příkladů. To je pravda, autoři ale navrhují soustředit se na výsledek, nikoli na proces. Pokud systém po intenzivním „tréninku" dokáže jednat široce a efektivně, rozdíl v cestě by ho neměl diskvalifikovat jako inteligentního.

Halucinace AI versus lidské chyby

Nejdrážlivějším tématem jsou halucinace – situace, kdy model s plným přesvědčením vytváří nepravdivé informace: neexistující zdroje, vymyšlená fakta, smyšlené citáty. Autoři článku přiznávají, že tento problém existuje, ale tvrdí, že jeho rozsah se s každou novou generací modelů zmenšuje.

Data zde ale nejsou jednoznačná. Některé nezávislé studie naznačují, že v určitých úlohách zůstává podíl halucinací vysoký a někdy dokonce roste, když požadujeme stále složitější analýzy. Dokonce i OpenAI odhaduje, že v modelech příští generace bude přibližně jedna z deseti odpovědí stále obsahovat závažnou faktickou chybu.

Rozdíl mezi AI a člověkem nespočívá v tom, že jedno se mýlí a druhé ne – ale v povaze těchto chyb a způsobu jejich kontroly.

Důležité je, že i člověk podléhá iluzím paměti, opakuje neověřené informace a padá do pastí psychologických efektů. Když se mýlí AI, chyba je viditelnější, měřitelnější a zpravidla lépe zdokumentovaná. V praxi to znamená, že systémy AI vyžadují vrstvy kontroly, ověřování a odpovědného nasazení – zejména tam, kde jde o zdraví, právo nebo finance.

Nevidíme novou inteligenci kvůli vlastnímu antropocentrismu?

Ústřední myšlenka textu z Nature je poměrně nepohodlná: možná nechceme přiznat, že vznikla nová forma inteligence, protože příliš milujeme vlastní podobu. Jednoduše nám nevyhovuje myšlenka, že něco bez lidské tváře, těla nebo emocí v nám dobře známé podobě by mohlo být „stejně inteligentní" jako my.

Takový antropocentrismus má praktické důsledky. Budeme-li tvrdošíjně trvat na tom, že AGI je „ještě před námi", bude snadnější bagatelizovat reálné dopady současných systémů: vliv na trh práce, vzdělávání, informační bezpečnost nebo politiku. Snáze se také bude živit představa o superinteligenci jako o něčem téměř mytickém, co jednoho dne „najednou přijde" – místo abychom si všimli pomalého posouvání hranic tady a teď.

Není náhoda, že někteří technologičtí lídři, jako Mark Zuckerberg, stále ochotněji používají termín „superintelligence". Dává to pocit, že skutečné výzvy teprve přicházejí, a to, co máme dnes, jsou pořád jen „pokročilé nástroje". Přitom tyto nástroje už dokáží organizovat znalosti v měřítku, o němž může jednotlivý člověk jen snít.

Co to v praxi znamená pro běžné uživatele?

Pokud přijmeme, že AGI v praktickém smyslu již existuje, změní se naráz několik věcí. Přestaneme se na AI dívat jako na kuriozitu a začneme ji vnímat jako spolupracovníka. Někoho, kdo nás může skutečně zastupovat, ale také posilovat – například:

• v kancelářské práci – automatizací reportů, prezentací a datových analýz,
• ve vzdělávání – personalizací tempa výuky a vysvětlováním složitých pojmů jednodušším jazykem,
• v medicíně – pomocí při analýze snímků nebo dokumentace a navrhováním možných scénářů,
• v kreativitě – generováním náčrtů, nápadů a variant obsahu, které člověk dál dolaďuje.

Za druhé roste váha témat jako regulace, odpovědnost za chyby, transparentnost modelů nebo dopad na zaměstnanost. Těžko říct „je to jen algoritmus, který něco napovídá", když tento algoritmus reálně dosahuje nebo překonává odborníky v mnoha úlohách.

A konečně – stojí za to naučit se několik praktických návyků: vždy ověřovat klíčová fakta, brát odpověď AI jako hypotézu, nikoli jako zjevenou pravdu, a vědomě nastavovat hranice důvěry – jinak v kreativních úlohách, jinak v právních nebo zdravotních.

Nová definice inteligence – výzva na další léta

Diskuse, kterou text v Nature vyvolal, rychle neskončí. Dotýká se něčeho velmi hlubokého: jak vůbec chápeme inteligenci. Je to soubor schopností měřitelných testy? Nebo spíše schopnost adaptace, řešení nových problémů a učení se z chyb – nezávisle na „nosiči", ať už je jím mozek, křemík nebo něco úplně jiného?

S rozvojem AI se může ukázat, že potřebujeme několik paralelních definic: jednu pro výzkum, jinou pro právní regulaci a ještě jinou pro každodenní rozhovory. Stejně jako máme různé pojetí zdraví – biologické, psychologické, sociální – může se i strojová inteligence vymanit z jednoho jednoduchého popisu.

Pro běžného uživatele bude klíčové něco jiného: naučit se s těmito systémy soužít, využívat jejich silné stránky a chránit se před jejich slabinami. Bez čekání na den, kdy někdo oznámí „oficiální příchod" AGI – protože ten den možná již minul, jen nikdo nepřestřihl pásku.