Existuje už obecná umělá inteligence a my jsme si toho nevšimli?

Čím dál víc vědců tvrdí, že jsme klíčovou hranici možná překročili – tiše, bez fanfár

Po celá léta byla obecná umělá inteligence něčím vzdáleným, téměř mýtickým. Jenže skupina výzkumníků nyní naznačuje, že to, co jsme považovali za „hudbu budoucnosti", se možná právě stalo přítomností. Jen to stále popisujeme starými definicemi a úzkými očekáváními.

Nová teze: AGI už tu je, jen ji špatně definujeme

V průlomové publikaci v prestižním vědeckém časopise tým výzkumníků z Kalifornské univerzity předkládá odvážné tvrzení: obecná umělá inteligence (AGI, z anglického Artificial General Intelligence) již byla dosažena. Podle jejich názoru současné modely – například pokročilé chatboty založené na velkých jazykových modelech (LLM) – splňují praktická kritéria inteligence na úrovni člověka.

AGI se obvykle chápe jako AI schopná zvládat velmi rozmanité úkoly v mnoha oblastech, přinejmenším na úrovni průměrného člověka, v některých situacích dokonce experta. Autoři studie tvrdí, že přesně to se již děje: tyto systémy píší kód, shrnují vědecké výzkumy, vytvářejí obchodní strategie, řeší fyzikální úlohy a pomáhají při lékařské diagnostice.

Nový návrh zní provokativně: problémem není to, že AI „nedospěla" k našim očekáváním, ale to, že naše kritéria inteligence byla postavena výhradně podle lidského měřítka.

Turingův test: hranice dávno překročená

Po desetiletí byl Turingův test klasikou v debatách o strojové inteligenci. Alan Turing ho navrhl v roce 1950: pokud člověk nedokáže v textovém rozhovoru rozeznat, zda komunikuje s člověkem nebo strojem, lze hovořit o inteligenci na lidské úrovni.

Dnešní chatboty pravidelně procházejí různými variantami tohoto testu. V části výzkumů uživatelé častěji považují jazykový model za člověka než skutečného protějšku. Kdybychom se drželi starého kritéria, věc by byla jasná – obecná strojová inteligence tu již je. Mezitím jsme ale laťku neustále posouvali výše.

Autoři článku upozorňují na paradox: kdysi měl samotný Turingův test stačit jako důkaz inteligence. Dnes, kdy ho AI začala zvládat, rychle jsme prohlásili, že to nestačí, a přidáváme nové požadavky – někdy bez jasného zdůvodnění.

AGI versus superinteligence – pleteme si dva různé cíle

Ve veřejné debatě se často házejí do jednoho pytle dva pojmy: obecná umělá inteligence a superinteligence. To je chyba, která výrazně ovlivňuje naše očekávání.

Autoři studie tvrdí, že AGI bychom měli porovnávat nikoli s nějakým „ideálním člověkem", ale s reálným spektrem lidských schopností. Žádný člověk není expertem na vše. Máme své mezery, předsudky, logické chyby. AI schopná plnit širokou škálu úkolů na odborné úrovni v mnoha oborech podle nich splňuje kritéria obecné inteligence – i když není neomylná.

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

„Statistický papoušek"? Deset populárních námitek pod lupou

V debatě o LLM se pravidelně vrací označení „statistický papoušek" – naznačující, že model jen opakuje vzorce z tréninkových dat bez skutečného porozumění. Tým z Kalifornské univerzity analyzoval deset nejčastějších argumentů proti uznání AGI a pokouší se je rozbít.

• Řešení nových úloh: modely si poradí s problémy z matematiky nebo fyziky, které se v tréninkových datech doslova nevyskytovaly.
• Přenos dovedností: dokáží přenášet znalosti mezi obory – například využít koncept z programování při plánování vědeckého experimentu.
• Chápání důsledků: popisují výsledky různých jednání ve fyzickém prostředí a vysvětlují, co se stane v 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 úspěšností v testech a úkolech dostal nálepku „inteligentní", proč v případě AI náhle zpřísňujeme kritéria?

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 slova smyslu, aby se projevovala účinným uvažováním. Člověk nevidomý od narození přesto rozvíjí bohaté pojmy prostoru a pohybu, jen jinými poznávacími kanály. Model AI, který se učí na obrovských souborech dat o světě, také získává určitý druh zprostředkované „zkušenostnosti".

Paralelně se rozvíjí robotika. Pojem „Physical AI" – strojů propojujících 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 opravdu nutné podmínky?

Mnoho kritiků opakuje, 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 a podrobnou paměť o vlastním životě, a přesto mu to inteligenci neupírá. Za druhé, AI často funguje jako nástroj – v rámci hranic stanovených programátory a uživateli. Očekávání plné autonomie jako podmínky inteligence je podle výzkumníků svévolné.

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

Halucinace AI a lidské chyby

Nejcitlivějším 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 však nejsou jednoznačná. Některé nezávislé studie naznačují, že v určitých úlohách zůstává míra halucinací vysoká, někdy dokonce roste, když žádáme o 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 často lépe prozkoumaná. V praxi to znamená, že systémy AI vyžadují vrstvy kontroly, ověřování a zodpovědné nasazení – zejména v oblasti zdravotnictví, práva nebo financí.

Nevidíme novou inteligenci kvůli vlastnímu antropocentrismu?

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

Takový antropocentrismus má praktické důsledky. Pokud budeme tvrdošíjně trvat na tom, že AGI je „ještě před námi", bude snazší bagatelizovat reálné dopady současných systémů: vliv na trh práce, vzdělávání, bezpečnost informací a politiku. Snáze pak také živíme představy o superinteligenci jako o něčem téměř mytickém, co jednou „náhle přijde" – místo abychom si všímali pomalého posouvání hranic tady a teď.

Není náhodou, že někteří technologičtí lídři, jako Mark Zuckerberg, stále raději používají termín „superinteligence". Dává totiž pocit, že skutečné výzvy teprve přijdou a to, co máme dnes, jsou stále jen „pokročilé nástroje". Přitom tyto nástroje již dokáží organizovat znalosti v měřítku, o kterém 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 dívat na AI jako na kuriozitu a začneme ji vnímat jako spolupracovníka – někoho, kdo nás může skutečně zastoupit, ale také posílit, například:

• v kancelářské práci – automatizací reportů, prezentací a datových analýz,
• ve vzdělávání – personalizací tempa učení a vysvětlováním složitých pojmů jednodušším jazykem,
• v medicíně – pomocí při analýze snímků nebo dokumentace a naznačováním možných scénářů,
• v kreativitě – generováním skic, nápadů a variant obsahu, které člověk dále dotváří.

Za druhé roste váha témat jako regulace, odpovědnost za chyby, transparentnost modelů nebo dopad na zaměstnanost. Je obtížnější říkat „je to jen algoritmus, který něco navrhuje", když tento algoritmus v mnoha úkolech skutečně dosahuje nebo překonává odborníky.

A konečně se vyplatí osvojit si několik praktických návyků: vždy ověřovat klíčová fakta, brát odpověď AI jako hypotézu a ne jako zjevenou pravdu, a vědomě nastavovat hranice důvěry – jinak při kreativních úkolech, jinak při právních nebo zdravotních záležitostech.

Nová definice inteligence – výzva na příští léta

Debata, kterou text v Nature vyvolal, neskončí rychle. 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 – bez ohledu na „nosič", ať už jde o mozek, křemík nebo něco jiného?

S rozvojem AI se může ukázat, že potřebujeme několik souběžných definic: jednu pro výzkumné účely, jinou pro právní regulaci a další pro každodenní rozhovory. Stejně jako máme různá pojetí zdraví – biologické, psychologické, sociální – tak i strojová inteligence může unikat jednomu jednoduchému popisu.

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