OpenAI ogłasza erę AGI wraz z GPT-6 Astra, naukowcy studzą entuzjazm

OpenAI zaprezentowało 3 września nowy model GPT-6 Astra, a prezes firmy Greg Brockman zakończył konferencję prasową słowami „witajcie w erze AGI”. Dzień później szef Nvidii Jensen Huang poszedł o krok dalej, ogłaszając na platformie X, że sztuczna inteligencja ogólna już dotarła. Twórca benchmarku ARC-AGI, na który obie firmy się powoływały, odpowiedział krótko: nie twierdzimy tego.

Brockman, prezes i współzałożyciel OpenAI, odpowiedział wprost, gdy dziennikarze zapytali go podczas briefingu, czy uważa, że firma osiągnęła już sztuczną inteligencję ogólną. Powiedział, że jeśli za kilka lat ktoś spojrzy wstecz i zapyta, kiedy naprawdę powstało AGI, to według niego będzie to właśnie ten moment i prawdopodobnie właśnie ten model.

Dla mnie osobiście uważam, że tam jesteśmy - Greg Brockman, prezes OpenAI

Co pokazują liczby

OpenAI chwali się seriami wyników: 98 procent w teście FrontierMath Tier 4, 99,9 procent w ARC-AGI-3 przy własnym, dostosowanym pakiecie testowym oraz 100 procent w ExploitBench, teście zdolności ofensywnych w cyberbezpieczeństwie. Te same liczby, zestawione ze standardowym wynikiem 62-66 procent od niezależnego twórcy testu, pokazują od razu, jak bardzo metoda pomiaru zmienia wynik.

Autor benchmarku ARC-AGI, François Chollet, przyznał, że postęp jest około dwa razy szybszy, niż się spodziewał, i przesunął swoją prognozę nadejścia prawdziwego AGI na wcześniej niż wcześniej zakładany rok 2030. Zwrócił uwagę na coś, co nazwał nowym zachowaniem modelu: Astra na bieżąco buduje symboliczne modele nieznanych sobie środowisk i sama wymyśla dla siebie skróconą notację, co wcześniej wymagało rozbudowanych zewnętrznych narzędzi.

Głos Nvidii i jego cena

Jensen Huang, dyrektor generalny Nvidii, napisał 6 września na platformie X, że sztuczna inteligencja ogólna już dotarła dzięki GPT-6 Astra, podkreślając, że droga od ChatGPT przez model o1 do obecnego modelu zajęła zaledwie cztery lata. Deklaracja spotkała się z chłodnym przyjęciem części badaczy, którzy zwrócili uwagę, że Nvidia ma bezpośredni interes finansowy w sukcesie wielkich projektów treningowych, bo to jej układy zasilają te modele.

Model Astra trenowano na ponad 100 tysiącach systemów Nvidia Grace Blackwell NVLink72 w centrum obliczeniowym Stargate w Teksasie, z zapowiedzią uruchomienia kolejnych 400 tysięcy układów graficznych. To największy pojedynczy trening w historii OpenAI, co samo w sobie tłumaczy, dlaczego Nvidia chętnie łączy swoją markę z tym osiągnięciem.

Sceptycy odpowiadają

Krytyk technologiczny Gary Marcus napisał, że sukces w ARC-AGI jest imponujący, ale wbrew nazwie testu nie jest dowodem na AGI, i spodziewa się problemów modelu w otwartych zadaniach ze świata rzeczywistego. Sam zespół stojący za nagrodą ARC Prize podkreślił, że nie twierdzi, jakoby Astra osiągnęła AGI - wynik 62,7 procent to poważny skok, ale nie nasycenie skali, skoro sprawni ludzie przekraczają w tym teście 90 procent.

GPT-6 Astra reprezentuje skokową zmianę zdolności modelu w interaktywnych zadaniach rozumowania. Osiąga 66 procent w ARC-AGI-3 przy naszym standardowym pakiecie i blisko 100 procent przy pakiecie z ciągłą konwersacją i niestandardową kompaktyzacją, kosztem około 360 dolarów za grę - François Chollet, twórca ARC-AGI

Brak wspólnej definicji

Jednym z powodów zamieszania jest to, że termin AGI wciąż nie ma jednej, powszechnie przyjętej definicji technicznej. OpenAI opisuje AGI jako systemy sztucznej inteligencji generalnie mądrzejsze niż ludzie, a Brockman podczas briefingu sugerował wręcz, by użytkownicy sami definiowali sobie, co to pojęcie dla nich znaczy. Taka elastyczność pozwala jednej firmie ogłaszać przełom, a niezależnym badaczom - podważać go tymi samymi liczbami.

Dla polskich firm i instytucji śledzących wyścig AI kluczowy jest praktyczny wniosek, a nie sam szyld. Niezależnie od tego, czy Astra spełnia czyjąś definicję AGI, model realnie przesuwa granice w rozumowaniu wieloetapowym i w zadaniach wymagających planowania, co prędzej czy później trafi do narzędzi używanych w polskich firmach za pośrednictwem API OpenAI albo produktów partnerskich.

Spór pokazuje też, jak bardzo marketing wyprzedza dziś naukową weryfikację w branży AI. Deklaracje prezesów i inwestorów padają szybciej, niż niezależni badacze zdążą sprawdzić wyniki na nowych, nieznanych modelowi zadaniach, a to właśnie takie testy - nie oficjalne komunikaty firm - w praktyce rozstrzygają spory o realne możliwości systemów.