Sztuczna inteligencja · Artykuł
Demis Hassabis mówi, że sztuczna inteligencja ogólna może pojawić się w ciągu dwóch do trzech lat
Opublikowano:

W skrócie
Demis Hassabis, szef Google DeepMind, powiedział magazynowi WSJ Magazine, że teraz oczekuje sztucznej inteligencji ogólnej (AGI) w ciągu dwóch do trzech lat, w dół z okresu trzech do pięciu lat, który przytaczał wcześniej w 2026 roku. Definiuje AGI poprzez "test Einsteina" i mówi, że jego szacunek stale zbliża się do teraźniejszości.
Ta wersja jest tłumaczeniem maszynowym oryginału (English). Przeczytaj oryginał
Demis Hassabis, współzałożyciel i dyrektor generalny Google DeepMind, powiedział magazynowi The Wall Street Journal Magazine, że teraz oczekuje pojawienia się sztucznej inteligencji ogólnej (AGI) w ciągu dwóch do trzech lat. Artykuł został opublikowany 21 października 2026 roku w ramach pakietu nagród magazynu "Innovator in Tech", gdzie Hassabis został nagrodzony w 2026 roku w kategorii technologia.
Pytany o oś czasu, Hassabis powiedział, że będzie to wkrótce i że jego szacunek stale zbliża się do teraźniejszości, zgodnie z profilem. Nowy okres oznacza zmniejszenie z przedziału trzech do pięciu lat, który publicznie przytaczał wcześniej w 2026 roku.
Co Hassabis ma na myśli pod AGI
Hassabis definiuje AGI jako poznanie na poziomie człowieka i opisał konkretny punkt odniesienia, który nazywa "testem Einsteina". Zgodnie z tym testem, system byłby zakwalifikowany jako AGI, jeśli, szkolony tylko na wiedzy ludzkiej dostępnej do 1901 roku, mógłby niezależnie stworzyć przełomy, które Albert Einstein stworzył w swoich artykułach z 1905 roku "annus mirabilis" — obejmujących efekt fotoelektryczny, ruch Browna, szczególną teorię względności i równoważność masy i energii.
W profilu magazynu WSJ Magazine Hassabis opisał również swoją szerszą misję w dwóch etapach: najpierw rozwiązać samą inteligencję, a następnie wykorzystać tę inteligencję do rozwiązywania innych poważnych problemów naukowych. Wskazał na badania fizyki i leczenie raka jako wczesne zastosowania, które ma nadzieję realizować, gdy będą dostępne bardziej zaawansowane systemy AI.
Oś czasu, która przesunęła się w ciągu 2026 roku
Publiczne wypowiedzi Hassabisa na temat pojawienia się AGI zmieniały się w ciągu 2026 roku. Na konferencji deweloperów Google I/O 20 maja 2026 roku powiedział, że AI osiągnęło to, co nazwał u podnóża osobliwości, wyjaśniając, że miał na myśli obecną erę, a nie jeden moment transformacji. Na tym samym wydarzeniu powiedział również, że agenci i narzędzia kodowania zaczęły działać skutecznie w ciągu roku, opisując to jako wczesny etap praktycznego wykorzystania AI.
| Kiedy | Stwierdzona oś czasu / rama | Kontekst |
|---|---|---|
| Wcześnie 2026 | Trzy do pięciu lat | Publiczny szacunek przytoczony przed wywiadem w magazynie WSJ Magazine |
| 20 maja 2026 | "U podnóża osobliwości" | Uwagi zamykające Google I/O |
| 21 października 2026 | Dwa do trzech lat | Profil w magazynie WSJ Magazine "Innovator in Tech" |
Isomorphic Labs i debata dotycząca regulacji
Profil magazynu WSJ Magazine poruszył również Isomorphic Labs, firmę zajmującą się odkrywaniem leków, założoną przez Hassabisa, która stosuje modele AI w stylu AlphaFold do odkrywania leków. Donoszono, że firma prowadziła rozmowy na temat pozyskania ponad 2 miliardów dolarów finansowania przy wycenie około 40-50 miliardów dolarów.
Dotycząc kwestii nadzoru nad AI, profil opisywał Hassabisa, który argumentuje przeciwko przedwczesnemu regulowaniu technologii, stanowisku zgodnym z jego naciskiem w 2026 roku na kontynuowanie rozwoju przemysłu, podczas gdy ramy zarządzania są opracowywane równolegle.
Dlaczego pogląd Hassabisa ma wagę
Hassabis kieruje badaniami AI w Google DeepMind. W październiku 2024 roku on i jego kolega z DeepMind John Jumper podzielili połowę Nagrody Nobla w Chemii za AlphaFold, model AI, który przewiduje trójwymiarowe struktury białek na podstawie sekwencji genetycznych; druga połowa nagrody przypadła Davidowi Bakerowi. Komitet Noblowski w tym czasie opisał to osiągnięcie jako spełnienie długo poszukiwanego celu w nauce o białkach.
Przesuwam coraz bliżej.
Ponieważ AGI nie ma jednej uzgodnionej definicji naukowej, oś czasu Hassabisa odzwierciedla jego własny punkt odniesienia — test Einsteina — a nie standard branżowy. Inni liderzy AI zaproponowali różne definicje i osie czasu, które źródła przeanalizowane dla tego artykułu nie opisują szczegółowo w porównywalnych warunkach.
Pytania
- Co powiedział Demis Hassabis o pojawienia się AGI?
- Powiedział magazynowi WSJ Magazine, opublikowanemu 21 października 2026 roku, że oczekuje sztucznej inteligencji ogólnej w ciągu dwóch do trzech lat, mówiąc, że jego szacunek stale zbliża się do teraźniejszości.
- Jak Hassabis definiuje AGI?
- Używa "testu Einsteina": czy system, szkolony tylko na wiedzy dostępnej przed 1901 rokiem, mógłby niezależnie stworzyć przełomy Einsteina z 1905 roku, w tym szczególną teorię względności i efekt fotoelektryczny.
- Czy oś czasu AGI Hassabisa zmieniła się w ciągu 2026 roku?
- Tak. Wcześnie w 2026 roku przytaczał przedział trzech do pięciu lat; do maja 2026 roku powiedział, że AI znajduje się u "podnóża osobliwości"; do października 2026 roku zmniejszył szacunek do dwóch do trzech lat.
- Co to jest Isomorphic Labs i dlaczego o niej wspomina się?
- Isomorphic Labs to firma zajmująca się odkrywaniem leków, założona przez Hassabisa, która stosuje modele AI w stylu AlphaFold do odkrywania leków; profil magazynu WSJ Magazine poinformował, że szuka finansowania ponad 2 miliardów dolarów przy wycenie 40-50 miliardów dolarów.
- Za co jeszcze znany jest Hassabis, oprócz tej prognozy?
- Kieruje badaniami AI w Google DeepMind i w 2024 roku podzielił Nagrodę Nobla w Chemii z Johnem Jumperem za AlphaFold, system AI, który przewiduje struktury białek.
Źródła
- 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
Ten tekst przygotowała sztuczna inteligencja, a przed publikacją przeszedł automatyczną kontrolę źródeł. Jeśli widzisz błąd, poproś o sprostowanie. Poproś o sprostowanie lub odpowiedź · Jak to robimy
Powiązane
Sztuczna inteligencjaArtykuł
Jak algorytmy rekomendacji AI decydują, co widzisz i kupujesz online
Systemy rekomendacji AI personalizują kanały i sugestie produktów, analizując to, co użytkownicy klikają, oglądają, oceniają i kupują, a następnie porównując to zachowanie ze wzorcami podobnych użytkowników. Platformy takie jak Netflix, YouTube i Amazon twierdzą, że używają sygnałów zaangażowania i sygnałów kontekstowych — a nie w niektórych przypadkach danych demograficznych — podczas gdy regulatorzy w USA i UE wyrazili obawy dotyczące przejrzystości i zbierania danych stojącego za tymi systemami.
Sztuczna inteligencjaArtykuł
Dlaczego modele języka AI halucynują: Badania stojące za fałszywymi odpowiedziami
"Halucynacje" AI występują, ponieważ modele języka są szkolone do przewidywania następnego prawdopodobnego słowa, a nie do weryfikacji prawdy, oraz ponieważ testy używane do ich oceny nagradzają pewne domysły nad przyznaniem się do niepewności. Naukowcy z OpenAI twierdzą, że problem jest częściowo matematyczną konsekwencją sposobu szkolenia modeli i częściowo wynikiem tego, jak przemysł AI je ocenia.
Sztuczna inteligencjaPoradnik
Jak dostrzec Deepfakes i obrazy generowane przez AI: przewodnik krok po kroku
Niezawodne zidentyfikowanie deepfake'a lub obrazu wygenerowanego przez AI wymaga połączenia wizualnych kontroli, narzędzi weryfikacji pochodzenia, takich jak Content Credentials lub SynthID, i wyszukiwania wstecznego — żadna pojedyncza metoda nie łapie każdego fałszu. Naukowcy zajmujący się detekcją ostrzegają, że zautomatyzowane narzędzia mogą być oszukane prostymi edycjami, takimi jak przycinanie lub kompresja, dlatego weryfikacja kontekstu pozostaje niezbędna.

Sztuczna inteligencjaWiadomość
Strata Anthropic w wysokości 80,7 miliarda dolarów ujawnia rzeczywisty koszt budowania modeli AI
Anthropic zgłosiła stratę netto w wysokości 80,7 miliarda dolarów za pierwszą połowę 2026 roku, wynika z projektu prospektu IPO przejrzanego przez Reuters. Większość tej kwoty — około 72 miliardów dolarów — to bezgotówkowe obciążenie księgowe związane z obligacjami zamiennymi, ale rzeczywiste koszty obliczeniowe firmy również gwałtownie wzrosły, wskazując na ogromne wydatki kapitałowe związane z opracowaniem zaawansowanych modeli AI.