Kunstmatige intelligentie · Artikel
Demis Hassabis zegt nu dat AGI binnen twee tot drie jaar kan arriveren
Gepubliceerd:

In het kort
Demis Hassabis van Google DeepMind vertelde WSJ Magazine dat hij nu verwacht dat kunstmatige algemene intelligentie (AGI) binnen twee tot drie jaar aankomt, omlaag van het drie- tot vijfjaarige venster dat hij eerder in 2026 noemde. Hij definieert AGI via een "Einstein-test" en zegt dat zijn schatting steeds dichter naar het heden verschuift.
Deze versie is een machinevertaling van het origineel (English). Lees het origineel
Demis Hassabis, de medeoprichter en chief executive officer van Google DeepMind, vertelde The Wall Street Journal Magazine dat hij nu verwacht dat kunstmatige algemene intelligentie (AGI) binnen twee tot drie jaar aankomt. Het interview werd op 21 oktober 2026 gepubliceerd als onderdeel van het "Innovator in Tech" awardspakket van het magazine, waar Hassabis de 2026-ontvanger in technologie werd genoemd.
Gevraagd naar de tijdlijn zei Hassabis dat het gauw zou komen en dat zijn schatting steeds dichter naar het heden verschoof, volgens het profiel. Het nieuwe venster markeert een vernauwing van het drie- tot vijfjarige bereik dat hij eerder in 2026 openbaar had genoemd.
Wat Hassabis met AGI bedoelt
Hassabis definieert AGI als cognitie op menselijk niveau en heeft een specifieke benchmark beschreven die hij de "Einstein-test" noemt. Volgens deze test zou een systeem als AGI kwalificeren als het, getraind alleen op menselijke kennis beschikbaar tot 1901, onafhankelijk het soort doorbraken zou kunnen produceren dat Albert Einstein in zijn 1905 "annus mirabilis"-papers maakte – over het fotoelektrische effect, Brownse beweging, speciale relativiteit en massa-energiëquivalentie.
In het WSJ Magazine-profiel beschreef Hassabis ook zijn bredere missie in twee stappen: eerst intelligentie zelf oplossen, dan die intelligentie gebruiken om andere grote wetenschappelijke problemen aan te pakken. Hij wees op natuurkundeonderzoek en kankerbehandeling als vroege toepassingen die hij hoopt na te streven zodra meer geavanceerde AI-systemen beschikbaar zijn.
Een tijdlijn die zich in 2026 heeft verplaatst
Hassabis' openbare verklaringen over de aankomst van AGI verschoven gedurende 2026. Op de Google I/O-ontwikkelaarsconferentie op 20 mei 2026 zei hij dat AI had bereikt wat hij de hellingen van de singulariteit noemde, verduidelijkend dat hij de huidige era bedoelde in plaats van een enkel moment van transformatie. Bij dat evenement zei hij ook dat agenten en coderingshulpmiddelen gedurende het jaar effectief waren gaan werken, beschrijvend als een vroeg stadium van praktisch AI-gebruik.
| Wanneer | Aangegeven tijdlijn / kader | Context |
|---|---|---|
| Begin 2026 | Drie tot vijf jaar | Openbare schatting genoemd voor het WSJ Magazine-interview |
| 20 mei 2026 | "Hellingen van de singulariteit" | Opmerkingen ter afsluiting van Google I/O |
| 21 oktober 2026 | Twee tot drie jaar | WSJ Magazine "Innovator in Tech"-profiel |
Isomorphic Labs en het regelgevingsdebat
Het WSJ Magazine-profiel raakte ook aan Isomorphic Labs, een geneesmiddelontwikkelingsbedrijf opgericht door Hassabis dat AlphaFold-achtige AI-modellen toepast op geneesmiddelenontdekking. Gemeld werd dat het bedrijf in onderhandelingen was om meer dan 2 miljard dollar op te halen met een waardering van ongeveer 40 tot 50 miljard dollar.
Over de vraag van AI-toezicht beschreef het profiel Hassabis stellende tegen voortijdige regulering van de technologie, een positie consistent met zijn drang gedurende 2026 om industrieontwikkeling voort te zetten terwijl governanceframeworks er naast worden uitgewerkt.
Waarom Hassabis' standpunt gewicht heeft
Hassabis leidt het AI-onderzoek van Google DeepMind. In oktober 2024 deelden hij en collega van DeepMind John Jumper de helft van de Nobelprijs Scheikunde voor AlphaFold, een AI-model dat driedimensionale eiwitstructuren uit genetische sequenties voorspelt; de andere helft van die prijs ging naar David Baker. De Nobelcommissie beschreef het resultaat destijds als het bereiken van een lang nagestreefd doel in de eiwitwetenschappen.
Ik update dichter en dichter.
Omdat AGI geen enkele overeengekomen wetenschappelijke definitie heeft, weerspiegelt Hassabis' tijdlijn zijn eigen benchmark – de Einstein-test – in plaats van een industrie-norm. Andere AI-leiders hebben verschillende definities en tijdlijnen aangeboden, die de voor dit artikel onderzochte bronnen niet in vergelijkbare termen hebben uitgewerkt.
Vragen
- Wat zei Demis Hassabis over de aankomst van AGI?
- Hij zei tegen WSJ Magazine, gepubliceerd op 21 oktober 2026, dat hij kunstmatige algemene intelligentie binnen twee tot drie jaar verwacht, zeggende dat zijn schatting steeds dichter naar het heden verschuift.
- Hoe definieert Hassabis AGI?
- Hij gebruikt een "Einstein-test": of een systeem getraind alleen op kennis beschikbaar voor 1901 onafhankelijk de doorbraken van Einstein uit 1905 zou kunnen produceren, inclusief speciale relativiteit en het fotoelektrische effect.
- Is de AGI-tijdlijn van Hassabis gedurende 2026 veranderd?
- Ja. Begin 2026 noemde hij een venster van drie tot vijf jaar; in mei 2026 zei hij dat AI aan de "hellingen van de singulariteit" was; in oktober 2026 verkleinde hij de schatting tot twee tot drie jaar.
- Wat is Isomorphic Labs en waarom wordt het genoemd?
- Isomorphic Labs is een geneesmiddelontwikkelingsbedrijf opgericht door Hassabis dat AlphaFold-achtige AI op geneesmiddelenontdekking toepast; het WSJ Magazine-profiel rapporteerde dat het meer dan 2 miljard dollar aan financiering zocht met een waardering van 40-50 miljard dollar.
- Waarom is Hassabis naast deze voorspelling bekend?
- Hij leidt het AI-onderzoek van Google DeepMind en deelde in 2024 de Nobelprijs Scheikunde met John Jumper voor AlphaFold, een AI-systeem dat eiwitstructuren voorspelt.
Bronnen
- t2online — Demis Hassabis expects AGI within two to three years
- AIWeekly — Hassabis trims AGI window to two-to-three years in WSJ profile
- Semafor — Google exec Demis Hassabis predicts we're 'at the foothills of the singularity'
- TechCrunch — DeepMind's Demis Hassabis and John Jumper scoop Nobel Prize in Chemistry for AlphaFold
Dit stuk is gemaakt met kunstmatige intelligentie en vóór publicatie automatisch op bronnen gecontroleerd. Ziet u een fout, vraag dan om een correctie. Correctie of weerwoord aanvragen · Hoe we dit maken
Gerelateerd

Kunstmatige intelligentieArtikel
Hoe AI-chatbots zoals ChatGPT en Claude eigenlijk werken, uitgelegd
AI-chatbots zijn gebaseerd op grote taalmodellen (LLM's), neurale netwerken die zijn getraind om het volgende "token" in een tekstsequentie te voorspellen. Ze zetten woorden in getallen om, gebruiken een aandachtsmechanisme om te wegen hoe woorden zich tot elkaar verhouden, en worden vervolgens verfijnd met menselijke feedback om zich als behulpzame assistenten te gedragen in plaats van als ruwe tekstprognosetellers.
Kunstmatige intelligentieArtikel
Hoe AI-aanbevelingsalgoritmen bepalen wat u online ziet en koopt
AI-aanbevelingssystemen personaliseren feeds en productsuggaties door te analyseren wat gebruikers klikken, bekijken, beoordelen en kopen, en dat gedrag vervolgens af te stemmen op patronen van vergelijkbare gebruikers. Platforms zoals Netflix, YouTube en Amazon zeggen dat ze engagement- en contextsignalen gebruiken – in sommige gevallen geen demografische gegevens – terwijl regelgevers in de VS en EU bezorgdheden hebben uitgesproken over de transparantie en gegevensverzameling achter deze systemen.
Kunstmatige intelligentieArtikel
Waarom AI-taalmodellen hallucineren: Het onderzoek achter valse antwoorden
AI-"hallucinaties" gebeuren omdat taalmodellen getraind zijn om het volgende plausibele woord te voorspellen, niet om waarheid te verifiëren, en omdat de tests die gebruikt worden om ze te beoordelen zelfverzekerde gokken belonen boven het toegeven van onzekerheid. OpenAI-onderzoekers stellen dat het probleem deels een wiskundige gevolg is van hoe modellen getraind worden en deels een gevolg van hoe de AI-industrie ze beoordeelt.
Kunstmatige intelligentieGids
Hoe u Deepfakes en AI-gegenereerde afbeeldingen kunt herkennen: Een stap-voor-stap handleiding
Het betrouwbaar identificeren van een deepfake of AI-gegenereerde afbeelding vereist het combineren van visuele controles, herkomstinstrumenten zoals Content Credentials of SynthID en omgekeerd zoeken naar afbeeldingen — geen enkele methode vangt elke vervalsing. Detectieonderzoekers waarschuwen dat geautomatiseerde tools kunnen worden bedrogen door eenvoudige bewerkingen zoals bijsnijden of compressie, dus contextverificatie blijft essentieel.