Wat is AGI en hoe dichtbij zijn we?

Je hebt ongetwijfeld de term AGI voorbij zien komen. Artificial General Intelligence. Kunstmatige intelligentie die niet alleen uitblinkt in één taak — zoals schaken of teksten schrijven — maar in álles wat een mens kan. Het soort AI dat je kent uit films als Her of Ex Machina: systemen die zelfstandig kunnen leren, redeneren, plannen en improviseren.

Maar hoe realistisch is dat? En belangrijker: hoe dichtbij zijn we?

Dat hangt volledig af van wie je het vraagt. En dat maakt het debat over AGI zo verwarrend — en zo fascinerend.

Wat is AGI eigenlijk?

AGI wordt vaak omschreven als AI die 'menselijk niveau' bereikt. Maar wat betekent dat precies?

Stel je voor: je hebt een assistent die niet alleen je agenda kan bijhouden, maar die ook kan leren breien door een YouTube-video te kijken, een marketingstrategie kan bedenken voor een nieuw product, een gesprek kan voeren over ethiek, én je dakgoot kan repareren nadat hij de handleiding heeft doorgenomen. Zonder dat iemand hem specifiek heeft geprogrammeerd voor elke losse taak.

Dat is het idee achter AGI: een systeem dat zich flexibel aanpast aan nieuwe problemen, net zoals jij dat doet. Geen gespecialiseerde tool, maar een veelzijdige intelligentie.

Huidige AI-systemen — hoe indrukwekkend ook — zijn wat we 'narrow AI' noemen. ChatGPT is briljant in taal, maar kan geen dakgoot repareren. Een zelfrijdende auto begrijpt verkeer, maar kan geen juridisch advies geven. Ze zijn experts in hun domein, maar zitten vast aan wat ze geleerd hebben.

AGI zou die grenzen niet hebben.

Waarom zijn experts het zo oneens?

Als je interviews leest met toonaangevende AI-onderzoekers, valt één ding op: ze zijn het nergens over eens.

Sam Altman, CEO van OpenAI, suggereert in interviews regelmatig dat AGI binnen tien jaar realistisch is. Hij ziet de snelle vooruitgang van grote taalmodellen als bewijs dat we op de goede weg zitten. Zijn visie: schaal de systemen verder op, voeg meer data en rekenkracht toe, en we komen vanzelf bij AGI uit.

Yann LeCun, chief AI scientist bij Meta en winnaar van de Turing Award, ziet dat heel anders. Volgens hem missen huidige systemen fundamentele bouwstenen — zoals het begrijpen van oorzaak en gevolg, of leren door te kijken zoals baby's dat doen. In zijn ogen zijn we niet '90% klaar' maar eerder aan het begin van een heel nieuw hoofdstuk. AGI binnen tien jaar? Dat noemt hij wishful thinking.

En dan heb je nog onderzoekers die vinden dat we het concept 'menselijk niveau' überhaupt moeten herdefiniëren. Want welk menselijk niveau bedoelen we? Een kind van vijf? Een professor? Een timmerman? Intelligentie is niet één ding, maar een verzameling vaardigheden. En die vaardigheden zitten niet altijd in hetzelfde hoofd — of dezelfde AI.

Waarom is dit niet alleen een technisch debat?

De reden dat dit onderwerp zo'n verhitte discussie oplevert, is simpel: de claims over AGI hebben enorme gevolgen.

Als AGI écht binnen tien jaar komt, moeten bedrijven, overheden en scholen zich nu voorbereiden. Denk aan beroepen die kunnen verdwijnen, economische verschuivingen, veiligheidsvraagstukken. Maar als het nog decennia duurt — of helemaal niet gebeurt op de manier die nu wordt voorspeld — dan riskeer je dat organisaties kostbare beslissingen nemen op basis van hype.

En daar komt het gevaar: er circuleren op dit moment miljarden aan investeringen, subsidies en strategische keuzes die gebaseerd zijn op een belofte. De belofte dat AGI eraan komt. Snel.

Maar wat als die belofte niet uitkomt?

Wat missen huidige systemen nog?

Om te begrijpen waarom experts twijfelen, is het handig om te kijken naar wat de huidige generatie AI niet kan.

Leren met weinig voorbeelden — Een kind ziet één keer een zebra en herkent daarna elk gestreept paard. AI-modellen hebben duizenden tot miljoenen voorbeelden nodig om een patroon te leren. Dat verschil is enorm.

Redeneren over oorzaak en gevolg — Huidige systemen zijn geweldig in patronen herkennen, maar begrijpen niet waarom iets gebeurt. Ze zien correlaties, maar snappen geen causaliteit. Dat maakt ze kwetsbaar voor simpele denkfouten.

Plannen op lange termijn — Probeer ChatGPT te vragen om een bedrijf op te zetten en het vijf jaar te laten runnen, met aanpassingen op basis van marktveranderingen. Het kan een plan maken, maar kan niet écht anticiperen, bijsturen en strategisch handelen zoals een mens dat doet.

Fysieke interactie — De meeste AI leeft in tekst, beeld of data. Begrijpen hoe de fysieke wereld werkt — hoe objecten vallen, hoe je een deur opent, hoe balans werkt — dat is een apart probleem dat nog lang niet opgelost is.

Sommige onderzoekers geloven dat deze problemen op te lossen zijn door bestaande technieken te verbeteren. Anderen denken dat we compleet nieuwe benaderingen nodig hebben.

Hype versus realisme: waar zit de waarheid?

De waarheid zit waarschijnlijk ergens in het midden.

Ja, AI maakt indrukwekkende sprongen. Systemen die een paar jaar geleden ondenkbaar waren, zijn nu beschikbaar voor iedereen. Maar dat betekent niet automatisch dat we op een rechte lijn naar AGI gaan. Technologie ontwikkelt zelden lineair. Er zijn doorbraken, plateaus en soms complete koerswijzigingen.

Een nuttige vraag is misschien niet wanneer we AGI krijgen, maar wat we met huidige AI kunnen doen. Want of het nu AGI heet of niet: de impact van slimme systemen op je werk, je bedrijf en je dagelijks leven groeit hoe dan ook.

En de kans is groot dat die impact eerder voelbaar is dan een systeem dat écht alles kan wat jij kunt.

Wat betekent dit voor jou?

Je hoeft geen positie te kiezen in het AGI-debat om verstandige keuzes te maken. Wat je wel kunt doen:

• Leer met de tools van nú werken. Of AGI er over vijf of vijftig jaar komt: de AI die vandaag beschikbaar is, kan je nu al helpen. Focus op wat werkt.

• Blijf kritisch bij beloftes. Als iemand claimt dat AGI "bijna klaar" is, vraag dan: wat kan het systeem nog niet? En wat betekent dat voor mijn situatie?

• Investeer in vaardigheden die complementair zijn aan AI. Creativiteit, contextueel denken, improviseren, menselijke verbinding — dat zijn dingen waar huidige én toekomstige AI (voorlopig) niet goed in zijn.

Het mooie aan dit debat is dat het laat zien hoe open de toekomst nog is. Niemand weet precies waar we uitkomen. En dat geeft jou de ruimte om mee te denken, te experimenteren en je eigen koers te bepalen — zonder te wachten op een definitief antwoord.