AGI (Artificial General Intelligence) — это предполагаемый класс систем ИИ с широкой общностью способностей и высокой автономностью, то есть систем, которые обсуждают не в рамках одной узкой задачи, а в контексте множества доменов и рабочих ситуаций. По состоянию на 2026-08-16 единого общепринятого определения AGI нет: OpenAI даёт собственную операционную формулировку, OECD прямо называет концепцию спорной, а Google DeepMind предлагает сравнивать прогресс по осям производительности, общности и автономности.
В формулировке OpenAI AGI — это «highly autonomous systems that outperform humans at most economically valuable work», при этом сроки появления AGI остаются неопределёнными. OECD описывает AGI как спорный термин и отмечает, что часть экспертов понимает его как человеческий или сверхчеловеческий уровень интеллекта в широком спектре областей и контекстов.
Английский термин: Artificial General Intelligence (AGI). Русский вариант: общий искусственный интеллект. В актуальных первичных источниках термин задают через рабочие критерии и рамки оценки, а не через один универсальный порог.
Простыми словами
Грубо говоря, AGI — это не «модель, которая хорошо делает одну вещь», а идея системы, которую пытаются оценивать как более универсального исполнителя. Важен не один удачный навык, а то, как система переносит способности между разными задачами, насколько самостоятельно действует и какие риски создаёт.
Полезная оговорка: это именно аналогия, а не техническое определение. В практических документах 2024–2026 годов AGI всё чаще обсуждают не как магическую точку «до/после», а как набор измеримых признаков и процедур управления риском.
Как это работает
По текущим источникам AGI нельзя честно свести к одному тесту. Вместо этого организации и исследователи раскладывают вопрос на несколько осей: насколько система результативна, насколько эти результаты сохраняются в разных доменах, сколько автономности ей дают и как при этом устроено управление рисками.
Рабочая схема оценки AGI 1) Выбрать определение и зафиксировать дату/версию документа ↓ 2) Собрать задачи из разных доменов и контекстов ↓ 3) Измерить производительность на этих задачах ↓ 4) Проверить общность: переносится ли результат между доменами ↓ 5) Проверить автономность: сколько система делает без постоянного ведения человеком ↓ 6) Отдельно оценить риск и меры управления ↓ 7) Сделать вывод о прогрессе по выбранной рамке, а не объявлять «окончательно доказанный AGI»
Именно такую операционализацию предлагает статья Google DeepMind Levels of AGI for Operationalizing Progress on the Path to AGI: сравнивать модели по производительности, общности и автономности, чтобы измерять прогресс и обсуждать риски. Дополнительный нюанс: даже внутри одной исследовательской рамки формулировки меняются. В arXiv-версии этой работы, пересмотренной 2025-09-24 (v5), отдельно отмечено изменение номенклатуры уровня 4 на Exceptional.
Какие измерения повторяются в актуальных источниках
- Способности и производительность. OpenAI даёт определение через превосходство над человеком в большинстве экономически ценных видов работы, а DeepMind предлагает сравнивать реальные результаты, а не только громкие заявления.
- Общность. OECD подчёркивает широту доменов и контекстов, а DeepMind выносит generality в отдельную ось сравнения.
- Автономность. В формулировке OpenAI прямо есть «highly autonomous systems», а DeepMind делает autonomy отдельным измерением прогресса.
- Управление риском. NIST AI RMF и Generative AI Profile, а также OpenAI Preparedness Framework, Frontier Governance Framework и Anthropic Responsible Scaling Policy показывают, что обсуждение AGI сегодня идёт вместе с вопросами severe harm, тестирования до развёртывания, раскрытия инцидентов и процедур управления.
Практический смысл такой схемы: в рабочей среде термин AGI полезен только тогда, когда вы сразу уточняете, по какой рамке и по каким задачам делаете вывод.
Где применяется
- В стратегических и миссионных документах. OpenAI Charter использует AGI как целевую категорию систем и одновременно фиксирует, что сроки её достижения остаются неопределёнными.
- В управлении frontier-рисками. OpenAI Preparedness Framework v2 — версионируемый документ, обновлённый 2025-04-15, который отслеживает frontier capabilities, потенциально ведущие к severe harm. Это не определение AGI, а практическая рамка для работы с риском по мере роста возможностей.
- В публичном governance и юридическом выравнивании. OpenAI Frontier Governance Framework, опубликованный 2026-05-28, объясняет, как практики безопасности и security соотносятся с новыми правовыми требованиями, включая California’s Transparency in Frontier AI Act и Code of Practice к EU AI Act.
- В политиках ответственного масштабирования. У Anthropic страница Responsible Scaling Policy обновлена 2026-08-14; текущая версия 3.4 действует с 2026-07-08 и содержит историю версий. Это важно, потому что AGI-дискуссия на практике живёт в меняющихся governance-документах.
- В оценке моделей и систем. OpenAI Evals — open-source framework и registry для оценки LLMs и LLM systems. Он полезен не как «детектор AGI», а как инфраструктура повторяемых eval-процедур; при этом репозиторий прямо предупреждает, что для части сценариев нужен OpenAI API key и использование API может создавать расходы.
Практический пример
Сценарий: вы готовите внутреннюю записку о новой системе и хотите избежать пустой фразы «она уже близка к AGI».
- Сначала зафиксируйте словарь. Напишите, какую именно рамку вы используете: например, определение OpenAI, исследовательскую рамку DeepMind или более осторожный policy-контекст OECD/NIST.
- Разделите задачи по доменам и контекстам. Не смешивайте один впечатляющий демо-сценарий с широкой общностью. Для AGI-обсуждения важно, как система ведёт себя в разных типах работы.
- Сделайте воспроизводимую оценку. Для LLM-систем можно строить eval-процедуры на основе OpenAI Evals как фреймворка и реестра бенчмарков. Но даже хороший набор evals ещё не создаёт универсального стандарта AGI.
- Отдельно проверьте автономность. Сколько шагов система делает без постоянной ручной корректировки? Где заканчивается модель и начинается оркестрация, агентность или цепочка инструментов?
- Наложите governance-слой. Используйте подход NIST: governance, provenance, pre-deployment testing, incident disclosure. Для frontier-контекста проверьте, как ваши процедуры соотносятся с Preparedness Framework или Responsible Scaling Policy.
- Поставьте дату на вывод. Поскольку OpenAI, Anthropic и NIST работают с живыми документами, ссылка без даты быстро теряет точность.
Практический вердикт редакции: в профессиональной переписке лучше писать не «это AGI», а «по рамке X система демонстрирует такой-то уровень производительности, общности и автономности; риски управляются процедурами Y». Так ваше утверждение можно проверить и обновить.
Чем отличается от других близких терминов
| Термин | Что описывает | Чем отличается от AGI |
|---|---|---|
| AGI | Спорная категория систем с широкой общностью способностей; в актуальных работах обсуждается через performance, generality и autonomy. | Это предмет спора и операционализации, а не единый принятый стандарт. |
| Generative AI | Класс генеративных систем, для которого NIST выпустил отдельный профиль управления рисками. | Generative AI Profile полезен для риска и проверки процессов, но сам по себе не задаёт определение AGI. |
| LLM / LLM system | Объект оценки в OpenAI Evals: языковые модели и системы на их основе. | Наличие LLM или даже сильные результаты evals не дают автоматически консенсуса, что перед вами AGI. |
| Frontier governance / Responsible Scaling Policy | Организационные процедуры безопасности, security и публичного контроля по мере роста возможностей систем. | Это не тип интеллекта и не когнитивный порог, а правила того, как выпускать и ограничивать мощные системы. |
Ограничения и заблуждения
- Заблуждение: «Для AGI уже есть официальный мировой стандарт». На деле: OECD прямо называет AGI спорной концепцией, а корпоративные определения OpenAI и policy-документы Anthropic не являются универсальным отраслевым стандартом.
- Заблуждение: «AGI можно доказать одним тестом или одним бенчмарком». На деле: DeepMind предлагает многомерную рамку, а OpenAI Evals — это инфраструктура оценки, а не окончательный арбитр термина.
- Заблуждение: «AGI = generative AI». На деле: NIST Generative AI Profile покрывает генеративные системы как класс и полезен для risk management, но не объявляет критерии AGI.
- Заблуждение: «Если компания опубликовала policy, значит AGI уже строго определён». На деле: Preparedness Framework, Frontier Governance Framework и Responsible Scaling Policy — это живые документы с версиями, changelog и governance-процессами.
- Заблуждение: «Сроки появления AGI известны». На деле: OpenAI Charter прямо говорит, что timeline to AGI remains uncertain.
- Редакционное ограничение: по этому набору источников нельзя надёжно назвать конкретную систему AGI и нельзя вывести единый числовой порог. Можно только описать текущие рабочие рамки оценки и управления рисками по состоянию на 2026-08-16.
Связанные термины и инструменты
Если вы разбираете AGI не как абстрактную идею, а как инженерную и governance-задачу, полезно посмотреть смежные материалы: AI Agent (ИИ-агент) для разговора об автономности, Chain (цепочка агентов) для многошаговых систем, RLAIF для контекста выравнивания поведения, Fairness для обсуждения рисков за пределами «чистой способности», и ASI (Artificial Superintelligence) как смежный термин, который обычно обсуждают рядом с AGI.
Источники
- OpenAI Charter | OpenAI
- Preparedness Framework
- OpenAI’s Frontier Governance Framework | OpenAI
- Anthropic’s Responsible Scaling Policy | Anthropic
- Levels of AGI for Operationalizing Progress on the Path to AGI — Google DeepMind
- [2311.02462] Levels of AGI for Operationalizing Progress on the Path to AGI
- The future of artificial intelligence: OECD Digital Economy Outlook 2024 (Volume 1) | OECD
- AI Risk Management Framework | NIST
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile | NIST
- GitHub – openai/evals: Evals is a framework for evaluating LLMs and LLM systems, and an open-source registry of benchmarks. · GitHub
Вопросы и ответы
Есть ли единое официальное определение AGI?
Нет. OECD называет концепцию спорной, OpenAI использует собственное операционное определение, а DeepMind предлагает исследовательскую рамку сравнения по нескольким осям.
AGI уже существует?
По этому набору источников нельзя сделать такой вывод. Источники дают определения, рамки оценки и governance-процедуры, но не устанавливают универсально признанный факт достижения AGI конкретной системой.
Чем AGI отличается от generative AI?
Generative AI — это более широкий практический класс систем, для которого NIST выпустил профиль управления рисками. AGI — более спорный термин о широкой общности способностей и автономности.
Можно ли доказать AGI одним бенчмарком?
Судя по текущим источникам, нет. Для содержательного разговора нужны как минимум измерения способностей, общности и автономности, а также отдельная оценка рисков и governance-процедур.
Почему в документах так важны версии и даты?
Потому что Preparedness Framework, Responsible Scaling Policy и связанные governance-страницы — живые документы. Их формулировки, версии и процедуры обновляются, поэтому ссылка без даты быстро устаревает.