Inteligência artificial geral, comumente abreviada IAG, refere-se a uma forma hipotética de inteligência artificial capaz de compreender, aprender e executar qualquer tarefa intelectual que um ser humano possa, em vez de se destacar estritamente em um único domínio. Ela é tipicamente contrastada com a "IA estreita", os sistemas especializados, de mecanismos de xadrez a classificadores de imagem, que dominam a IA implantada atualmente. Nenhum sistema é amplamente aceito como tendo alcançado a IAG até 2025, e a definição precisa do termo permanece em disputa entre pesquisadores, executivos e filósofos.
Definições
Não existe uma definição única e aceita de IAG. Os critérios propostos variam desde igualar o desempenho humano em uma ampla gama de tarefas cognitivas, até possuir a capacidade de aprender e transferir habilidades entre domínios sem retreinamento específico para a tarefa, passando por limiares economicamente significativos, como um sistema capaz de executar a maioria das tarefas de trabalho remoto que um humano pode. Algumas organizações, incluindo a OpenAI, usaram definições contratuais ou econômicas, vinculando a IAG a um nível de criação de valor econômico automatizado, em vez de puramente técnico, uma escolha que os críticos dizem tornar o termo mais um marco de negócios do que um padrão científico.
História do termo
A expressão antecede o atual boom da IA. O físico Mark Gubrud usou "inteligência artificial geral" em um artigo de 1997 discutindo nanotecnologia e risco militar, e o termo foi posteriormente adotado e popularizado nos círculos de pesquisa de IA em meados dos anos 2000, notadamente por meio de um volume editado em 2007 intitulado "Artificial General Intelligence", associado ao pesquisador Ben Goertzel. Seu uso aumentou à medida que organizações dedicadas se formaram em torno do objetivo: a OpenAI adotou a IAG como sua missão explícita quando foi fundada em 2015, e a Google DeepMind, cofundada por Demis Hassabis como DeepMind em 2010, antes de sua aquisição pelo Google em 2014, também enquadrou sua missão em torno da IAG desde sua fundação.
Caminhos e previsões
As abordagens propostas para a IAG incluem escalar as arquiteturas existentes de grandes modelos de linguagem e modelos de fundação com mais dados e poder computacional, a aposta industrial dominante desde aproximadamente 2020, combinar modelos de linguagem com planejamento explícito e uso de ferramentas, como em sistemas de agentes de IA, arquiteturas híbridas neuro-simbólicas que combinam redes neurais com raciocínio lógico, e abordagens baseadas na interação incorporada com o mundo físico. Pesquisas com pesquisadores de IA mostraram ampla discordância sobre cronogramas, com previsões medianas para "inteligência de máquina de alto nível" se tornando mais cedo em pesquisas sucessivas realizadas entre 2016 e 2023, embora as estimativas individuais variem de alguns anos a muitas décadas.
Debate sobre a proximidade
Líderes da indústria ofereceram avaliações bastante diferentes. Sam Altman e outros executivos descreveram a IAG como alcançável na década atual, enquanto Hassabis ofereceu cronogramas mais medidos, enfatizando as lacunas científicas remanescentes. O surgimento de sistemas de modelos de raciocínio, como o OpenAI o1 a partir de 2024, que alocam computação adicional no momento da inferência para problemas de múltiplas etapas, foi citado por alguns como evidência de progresso acelerado em direção à capacidade geral, e por outros como uma melhoria incremental no desempenho de benchmarks estreitos, em vez de generalidade genuína.
Críticas e ceticismo
Pesquisadores como Gary Marcus e François Chollet argumentaram que os ganhos de benchmark alcançados por grandes modelos de linguagem frequentemente refletem memorização ou interpolação sobre dados de treinamento, em vez de generalização robusta, apontando para falhas persistentes em problemas de raciocínio novos. O benchmark ARC-AGI de Chollet foi explicitamente projetado para resistir a essa crítica ao testar abstração em tarefas com pouca probabilidade de aparecer nos dados de treinamento. As preocupações sobre a IAG estão intimamente ligadas ao debate mais amplo sobre superinteligência e risco existencial da IA, uma vez que muitos argumentos de segurança pressupõem que a IAG, uma vez alcançada, poderia se autoaprimorar rapidamente além da supervisão humana, uma alegação contestada por céticos que veem as arquiteturas atuais como fundamentalmente limitadas sem novos avanços conceituais.