ปัญญาประดิษฐ์ทั่วไป ( AGI ) เป็น ปัญญาประดิษฐ์ประเภทสมมติฐานที่เทียบเท่าหรือเหนือกว่าความสามารถของมนุษย์ในงานด้านการรับรู้เกือบทั้งหมด^{[ 1 ]}

นอกเหนือจาก AGI แล้วปัญญาประดิษฐ์ขั้นสูง (ASI) จะมีประสิทธิภาพเหนือกว่าความสามารถที่ดีที่สุดของมนุษย์ในทุกโดเมนอย่างมาก^{[ 2 ]}แตกต่างจากปัญญาประดิษฐ์เฉพาะด้าน (ANI) ซึ่งความสามารถถูกจำกัดไว้เฉพาะงานที่กำหนดไว้อย่างดี ระบบ AGI สามารถสรุปความรู้ ถ่ายโอนทักษะระหว่างโดเมน และแก้ปัญหาใหม่ๆ ได้โดยไม่ต้องเขียนโปรแกรมใหม่เฉพาะงาน

^{การสร้าง AGI เป็นเป้าหมายที่ระบุไว้ ของ}บริษัทเทคโนโลยี เช่นOpenAI [ ^{3 ]} Google [ ^{4 ]} xAI [ ^{5 ]} และMeta [ ^{6 ]}การสำรวจในปี 2020 ระบุ โครงการ วิจัยและพัฒนา AGI ที่ ^{ใช้ งานอยู่ 72}โครงการใน 37 ^{ประเทศ[ 7 ]}

AGI เป็นหัวข้อทั่วไปในนิยายวิทยาศาสตร์และ การ ศึกษาอนาคต^{[ 8 ] [ 9 ]}

มีการถกเถียงกันว่า AGI ก่อให้เกิดความเสี่ยงต่อการดำรงอยู่ของมนุษย์ หรือ ไม่^{[ 10 ] [ 11 ] [ 12 ]}ผู้เชี่ยวชาญด้าน AI และบุคคลในอุตสาหกรรมบางคนระบุว่าการลดความเสี่ยงต่อการสูญพันธุ์ของมนุษย์ที่เกิดจาก AGI ควรเป็นลำดับความสำคัญระดับโลก ในขณะที่คนอื่นๆ มองว่าการพัฒนา AGI ยังอยู่ในขั้นที่ห่างไกลเกินกว่าจะก่อให้เกิดความเสี่ยงดังกล่าว^{[ 13 ]}

AGI ยังเป็นที่รู้จักในชื่อ AI ที่แข็งแกร่ง^{[ 14 ] [ 15 ]} AI เต็มรูปแบบ^{[ 16 ]} AI ระดับมนุษย์^{[ 17 ]} AI อัจฉริยะระดับมนุษย์ หรือการกระทำอัจฉริยะทั่วไป^{[ 18 ]}

คำว่า "ปัญญาประดิษฐ์ทั่วไป" (Artificial General Intelligence หรือ AGI) ถูกใช้ครั้งแรกในปี 1997 โดย Mark Gubrud ในการอภิปรายเกี่ยวกับผลกระทบของการผลิตและการปฏิบัติการทางทหารแบบอัตโนมัติเต็มรูปแบบ^{[ 19 ] [ 20 ]}รูปแบบทางคณิตศาสตร์ของ AGI ที่เรียกว่าAIXIถูกเสนอขึ้นในปี 2000 โดยMarcus Hutterซึ่งนิยามสติปัญญาว่า "ความสามารถของตัวแทนในการบรรลุเป้าหมายหรือประสบความสำเร็จในสภาพแวดล้อมที่หลากหลาย" AGI ประเภทนี้ถูกเรียกว่า "ปัญญาประดิษฐ์สากล" (Universal Artificial Intelligence) ด้วยเช่นกัน^{[ 21 ]}คำว่า AGI ถูกนำกลับมาใช้ใหม่และได้รับความนิยมโดยShane LeggและBen Goertzelในช่วงประมาณปี 2002 ^{[ 20 ]}

แหล่งข้อมูลทางวิชาการบางแห่งสงวนคำว่า "ปัญญาประดิษฐ์ที่แข็งแกร่ง" ไว้สำหรับโปรแกรมคอมพิวเตอร์ที่จะมีความรู้สึกหรือจิตสำนึก^{[ a ]}ในทางตรงกันข้ามปัญญาประดิษฐ์ที่อ่อนแอ (หรือปัญญาประดิษฐ์แบบแคบ) สามารถแก้ปัญหาเฉพาะเจาะจงได้ แต่ขาดความสามารถในการรับรู้ทั่วไป[ ^{22 ] [ 15 ] แหล่ง}ข้อมูลทางวิชาการบางแห่งใช้คำว่า "ปัญญาประดิษฐ์ที่อ่อนแอ" เพื่ออ้างถึงโปรแกรมใดๆ ที่ไม่มีทั้งจิตสำนึกและไม่มีจิตใจในความหมายเดียวกับมนุษย์^{[ a ]}

แนวคิดที่เกี่ยวข้อง ได้แก่ปัญญาประดิษฐ์ ขั้นสูง และปัญญาประดิษฐ์เชิงเปลี่ยนแปลง ปัญญาประดิษฐ์ขั้นสูง (ASI) เป็น AGI ประเภทสมมติฐานที่มีความฉลาดมากกว่ามนุษย์โดยทั่วไป^{[ 23 ]}ในขณะที่แนวคิดของปัญญาประดิษฐ์เชิงเปลี่ยนแปลงเกี่ยวข้องกับปัญญาประดิษฐ์ที่มีผลกระทบอย่างมากต่อสังคม ตัวอย่างเช่น คล้ายกับการปฏิวัติทางการเกษตรหรืออุตสาหกรรม^{[ 24 ]}

กรอบการทำงานสำหรับการจำแนกประเภท AGI ได้รับการเสนอในปี 2023 โดย นักวิจัย ของ Google DeepMindพวกเขากำหนดระดับประสิทธิภาพของ AGI ไว้ 5 ระดับ ได้แก่ กำลังพัฒนา มีความสามารถ เชี่ยวชาญ มีฝีมือ และเหนือมนุษย์ ตัวอย่างเช่น AGI ที่มีความสามารถถูกกำหนดให้เป็น AI ที่ทำงานได้ดีกว่าผู้ใหญ่ที่มีทักษะ 50% ในงานที่ไม่ใช่ทางกายภาพหลากหลายประเภท และ AGI เหนือมนุษย์ (เช่น ปัญญาประดิษฐ์ขั้นสูง) ก็ถูกกำหนดในทำนองเดียวกัน แต่มีเกณฑ์ที่ 100% พวกเขาพิจารณาว่าแบบจำลองภาษาขนาดใหญ่ เช่นChatGPTหรือLLaMA 2เป็นตัวอย่างของ AGI ที่กำลังพัฒนา (เทียบได้กับมนุษย์ที่ไม่มีทักษะ) ^{[ 25 ]}เกี่ยวกับความเป็นอิสระของ AGI และความเสี่ยงที่เกี่ยวข้อง พวกเขากำหนดไว้ 5 ระดับ ได้แก่ เครื่องมือ (อยู่ภายใต้การควบคุมของมนุษย์อย่างสมบูรณ์) ที่ปรึกษา ผู้ร่วมงาน ผู้เชี่ยวชาญ และตัวแทน (เป็นอิสระอย่างสมบูรณ์) ^{[ 26 ]}

ไม่มีคำจำกัดความที่ตกลงกันไว้เพียงข้อเดียวเกี่ยวกับสติปัญญาที่ใช้กับคอมพิวเตอร์ นักวิทยาศาสตร์คอมพิวเตอร์John McCarthyเขียนไว้ในปี 2007 ว่า "เรายังไม่สามารถระบุลักษณะโดยทั่วไปของกระบวนการคำนวณประเภทใดที่เราต้องการเรียกว่าฉลาดได้" ^{[ 27 ]}

โดยทั่วไปนักวิจัยเชื่อว่าระบบจะต้องดำเนินการดังต่อไปนี้ทั้งหมดจึงจะถือว่าเป็น AGI: ^{[ 28 ]}

• ใช้ เหตุผลวางแผน แก้ปัญหา และตัดสินใจภายใต้ความไม่แน่นอน
• แสดงถึงความรู้รวมถึง ความ รู้สามัญสำนึก
• วางแผน ,
• เรียนรู้ ,
• สื่อสารด้วยภาษาธรรมชาติ
• หากจำเป็นให้นำทักษะเหล่านี้ไปใช้ในการบรรลุเป้าหมายที่กำหนดไว้

แนวทาง สหวิทยาการหลายอย่าง(เช่นวิทยาศาสตร์การรู้คิดปัญญาประดิษฐ์และการตัดสินใจ ) พิจารณาคุณลักษณะเพิ่มเติม เช่นจินตนาการ (ความสามารถในการสร้างภาพและแนวคิดทางจิตใหม่ ๆ) ^{[ 29 ]}และความเป็นอิสระ^{[ 30 ]}

ปัจจุบันระบบคอมพิวเตอร์ที่แสดงความสามารถเหล่านี้แพร่หลาย โดยแบบจำลองภาษาขนาดใหญ่ สมัยใหม่ แสดงให้เห็นถึงความคิดสร้างสรรค์เชิงคำนวณ การให้เหตุผลอัตโนมัติและการสนับสนุนการตัดสินใจพร้อมกันในหลายโดเมน^{[ 31 ]}

ความสามารถอื่นๆ ถือเป็นสิ่งที่พึงปรารถนาในระบบอัจฉริยะ เนื่องจากอาจส่งผลต่อสติปัญญาหรือช่วยในการแสดงออกถึงสติปัญญา ซึ่งรวมถึง: ^{[ 32 ]}

• ความสามารถในการรับรู้ (เช่นการมองเห็นการได้ยิน เป็นต้น) และ
• ความสามารถในการกระทำ (เช่นการเคลื่อนย้ายและจัดการวัตถุการเปลี่ยนตำแหน่งเพื่อสำรวจ เป็นต้น)

^{ซึ่ง รวม}ถึงความสามารถในการตรวจจับและตอบสนองต่ออันตราย^{[ 32} ]

มีการพิจารณาการทดสอบหลายอย่างเพื่อยืนยันความสามารถของปัญญาประดิษฐ์ทั่วไปในระดับเดียวกับมนุษย์

การทดสอบทัวริงได้รับการเสนอโดยอลัน ทัวริงในบทความปี 1950 ของเขาเรื่อง "เครื่องจักรคำนวณและสติปัญญา" การทดสอบนี้เกี่ยวข้องกับผู้พิพากษาที่เป็นมนุษย์ที่มีส่วนร่วมในการสนทนาภาษาธรรมชาติกับทั้งมนุษย์และเครื่องจักรที่ออกแบบมาเพื่อสร้างการตอบสนองที่คล้ายมนุษย์ เครื่องจักรจะผ่านการทดสอบหากสามารถโน้มน้าวผู้พิพากษาได้ว่ามันเป็นมนุษย์ในสัดส่วนที่สำคัญของเวลา ทัวริงเสนอสิ่งนี้เป็นการวัดสติปัญญาของเครื่องจักรในทางปฏิบัติ โดยมุ่งเน้นที่ความสามารถในการสร้างการตอบสนองที่คล้ายมนุษย์มากกว่าการทำงานภายในของเครื่องจักร^{[ 34 ]}

แนวคิดของการทดสอบคือเครื่องจักรต้องพยายามแสร้งทำเป็นมนุษย์โดยการตอบคำถามที่ถาม และจะผ่านได้ก็ต่อเมื่อการแสร้งทำนั้นดูน่าเชื่อถือพอสมควร คณะลูกขุนส่วนใหญ่ซึ่งไม่ควรเป็นผู้เชี่ยวชาญด้านเครื่องจักรจะต้องหลงเชื่อการแสร้งทำนั้น^{[ 35 ]}

ในปี 2014 มีรายงานว่าแชทบอทชื่อEugene Goostmanซึ่งออกแบบมาเพื่อเลียนแบบเด็กชายชาวยูเครนอายุ 13 ปี ผ่านการทดสอบ Turing Test โดยทำให้กรรมการ 33% เชื่อว่าเป็นมนุษย์ อย่างไรก็ตาม ข้ออ้างนี้ได้รับการวิพากษ์วิจารณ์อย่างมากจากชุมชนวิจัย AI ซึ่งตั้งคำถามเกี่ยวกับการดำเนินการทดสอบและความเกี่ยวข้องกับ AGI ^{[ 36 ] [ 37 ]}

การศึกษาทดสอบทัวริงแบบสามฝ่ายที่ลงทะเบียนล่วงหน้าในปี 2025 โดย Cameron R. Jones และ Benjamin K. Bergen แสดงให้เห็นว่าGPT-4.5ถูกตัดสินว่าเป็นมนุษย์ในการสนทนาข้อความห้านาทีถึง 73% ซึ่งสูงกว่าอัตราความเป็นมนุษย์ 67% ของผู้ร่วมทดลองจริง และตรงตามเกณฑ์ที่นักวิจัยกำหนดไว้สำหรับการผ่านการทดสอบ^{[ 38 ] [ 39 ]}

"การทดสอบ Ikea" หรือที่รู้จักกันในชื่อการทดสอบเฟอร์นิเจอร์แบบประกอบเอง เกี่ยวข้องกับ AI ที่ควบคุมหุ่นยนต์ซึ่งพยายามประกอบ เฟอร์นิเจอร์แบบประกอบเอง ของ Ikeaหลังจากที่ได้เห็นชิ้นส่วนและคำแนะนำแล้ว^{[ 40 ]}ตั้งแต่ปี 2013 IkeaBot ของ MIT ได้สาธิตการประกอบโต๊ะ IKEA Lack ด้วยหุ่นยนต์หลายตัวแบบอัตโนมัติเต็มรูปแบบภายในสิบนาที โดยไม่มีการแทรกแซงจากมนุษย์และไม่มีคำสั่งการประกอบที่ตั้งโปรแกรมไว้ล่วงหน้า หุ่นยนต์อนุมานลำดับการประกอบจากรูปทรงเรขาคณิตของชิ้นส่วนเพียงอย่างเดียว^{[ 41 ]}

สตีฟ วอซเนียกเสนอการทดสอบที่เครื่องจักรต้องเข้าไปในบ้านของชาวอเมริกันโดยเฉลี่ยและหาวิธีชงกาแฟ มันต้องหาเครื่องชงกาแฟ หาเมล็ดกาแฟ เติมน้ำ หาแก้ว และชงกาแฟโดยการกดปุ่มที่ถูกต้อง^{[ 42 ]}การทดสอบนี้ได้รับการดำเนินการอย่างกว้างขวางในหลายระบบ ในเดือนมกราคม 2024 หุ่นยนต์ Figure 01 ของ Figure AIเรียนรู้การใช้งานเครื่องชงกาแฟ Keurig อย่างอิสระหลังจากดูวิดีโอสาธิต โดยใช้เครือข่ายประสาทแบบ end-to-end เพื่อแปลงข้อมูลภาพเป็นการเคลื่อนไหว^{[ 43 ]}ในปี 2025 นักวิจัยจากมหาวิทยาลัยเอดินบะระได้ตีพิมพ์กรอบงาน ELLMER ในNature Machine Intelligenceซึ่งแสดงให้เห็นแขนหุ่นยนต์ที่ตีความคำสั่งด้วยวาจา วิเคราะห์สภาพแวดล้อม และชงกาแฟอย่างอิสระในสภาพแวดล้อมห้องครัวแบบไดนามิก โดยปรับตัวให้เข้ากับอุปสรรคที่คาดไม่ถึงแบบเรียลไทม์ แทนที่จะทำตามลำดับที่ตั้งโปรแกรมไว้ล่วงหน้า^{[ 44 ]}

การทดสอบของมุสตาฟา สุไลมาน เสนอให้มอบเงิน 100,000 ดอลลาร์สหรัฐแก่โมเดล AI และขอให้มันหาเงินให้ได้ 1 ล้านดอลลาร์สหรัฐ ^{[ 45 ] [ 46 ]}

อดัมส์และคณะเสนอว่าความสามารถในการเรียนรู้และประสบความสำเร็จใน วิดีโอเกมหลากหลายประเภทสามารถใช้ทดสอบความฉลาดของ AI ได้ โดยเกมที่หลากหลายนี้จะรวมถึงเกมที่นักพัฒนา AGI ไม่รู้จักมาก่อนที่จะทำการทดสอบ^{[ 47 ] [ 48 ]}

ปัญหาจะถูกเรียกอย่างไม่เป็นทางการว่า "AI-complete" หรือ "AI-hard" หากเชื่อว่าจำเป็นต้องใช้ AGI ในการแก้ปัญหา เนื่องจากวิธีแก้ปัญหานั้นเกินขีดความสามารถของอัลกอริธึมเฉพาะวัตถุประสงค์^{[ 49 ]}

การวิจัย AI สมัยใหม่เริ่มต้นขึ้นในช่วงกลางทศวรรษ 1950 ^{[ 50 ]}นักวิจัย AI รุ่นแรกเชื่อมั่นว่าปัญญาประดิษฐ์ทั่วไปนั้นเป็นไปได้และจะเกิดขึ้นได้ภายในเวลาเพียงไม่กี่ทศวรรษ^{[ 51 ]}เฮอร์เบิร์ต เอ. ไซมอนผู้บุกเบิก AI เขียนไว้ในปี 1965 ว่า "ภายในยี่สิบปี เครื่องจักรจะสามารถทำงานใดๆ ก็ตามที่มนุษย์ทำได้" ^{[ 52 ] [ 53 ]}

การคาดการณ์ของพวกเขาเป็นแรงบันดาลใจให้กับ ตัวละครสมมติ HAL 9000ของStanley KubrickและArthur C. Clarkeซึ่งเป็นตัวแทนของสิ่งที่นักวิจัย AI เชื่อว่าพวกเขาสามารถสร้างได้ภายในปี 2001 Marvin Minsky ผู้บุกเบิก AI เป็นที่ปรึกษา^{[ 54 ]}ในโครงการสร้าง HAL 9000 ให้สมจริงที่สุดเท่าที่จะเป็นไปได้ตามการคาดการณ์ที่เป็นเอกฉันท์ในเวลานั้น เขาได้กล่าวไว้ในปี 1967 ว่า "ภายในหนึ่งชั่วอายุคน... ปัญหาของการสร้าง 'ปัญญาประดิษฐ์' จะได้รับการแก้ไขอย่างมีนัยสำคัญ" ^{[ 55 ]}

โครงการ AI คลาสสิกหลายโครงการเช่น โครงการ CycของDoug Lenat (ซึ่งเริ่มต้นในปี 1984) และ โครงการ SoarของAllen Newellมุ่งเป้าไปที่ปัญญาประดิษฐ์ทั่วไป (AGI)

อย่างไรก็ตาม ในช่วงต้นทศวรรษ 1970 เป็นที่ชัดเจนว่านักวิจัยประเมินความยากลำบากของโครงการต่ำเกินไป หน่วยงานให้ทุนเริ่มไม่เชื่อมั่นใน AGI และกดดันนักวิจัยมากขึ้นให้ผลิต "AI ประยุกต์" ที่มีประโยชน์^{[ b ]} ในช่วงต้นทศวรรษ 1980 โครงการ คอมพิวเตอร์ยุคที่ห้าของญี่ปุ่นได้จุดประกายความสนใจใน AGI อีกครั้ง โดยกำหนดกรอบเวลาสิบปีซึ่งรวมถึงเป้าหมายของ AGI เช่น "สนทนากันอย่างเป็นกันเอง" ^{[ 59 ]}เพื่อตอบสนองต่อสิ่งนี้และความสำเร็จของระบบผู้เชี่ยวชาญทั้งภาคอุตสาหกรรมและภาครัฐต่างทุ่มเงินเข้าสู่สาขา นี้ ^{[ 57 ] [ 60 ]}อย่างไรก็ตาม ความเชื่อมั่นใน AI พังทลายลงอย่างน่าตกใจในช่วงปลายทศวรรษ 1980 และเป้าหมายของโครงการคอมพิวเตอร์ยุคที่ห้าก็ไม่เคยบรรลุผล^{[ 61 ]}เป็นครั้งที่สองในรอบ 20 ปีที่นักวิจัย AI ที่ทำนายความสำเร็จของ AGI ที่กำลังจะเกิดขึ้นนั้นผิดพลาด ในช่วงทศวรรษ 1990 นักวิจัย AI มีชื่อเสียงในด้านการให้คำสัญญาที่ไร้ประโยชน์ พวกเขาเริ่มลังเลที่จะทำนายอะไรเลย^{[ c ]}และหลีกเลี่ยงการพูดถึงปัญญาประดิษฐ์ระดับ "มนุษย์" เพราะกลัวว่าจะถูกตราหน้าว่าเป็น "นักฝันเพ้อเจ้อ" ^{[ 63 ]}

ในช่วงทศวรรษ 1990 และต้นศตวรรษที่ 21 ปัญญาประดิษฐ์กระแสหลักประสบความสำเร็จในเชิงพาณิชย์และได้รับการยอมรับทางวิชาการโดยมุ่งเน้นไปที่ปัญหาย่อยเฉพาะที่ปัญญาประดิษฐ์สามารถสร้างผลลัพธ์ที่ตรวจสอบได้และแอปพลิเคชันเชิงพาณิชย์ เช่นการรู้จำเสียงพูดและอัลกอริธึมการแนะนำ^{[ 64 ]}ปัจจุบันระบบ "ปัญญาประดิษฐ์ประยุกต์" เหล่านี้ถูกนำมาใช้อย่างกว้างขวางทั่วทั้งอุตสาหกรรมเทคโนโลยี และการวิจัยในแนวทางนี้ได้รับการสนับสนุนทางการเงินอย่างมากทั้งในสถาบันการศึกษาและอุตสาหกรรม ณ ปี 2018 การพัฒนาในสาขานี้ถือเป็นแนวโน้มที่กำลังเกิดขึ้น และคาดว่าจะถึงขั้นที่สมบูรณ์ในอีกกว่า 10 ปี^{[ 65 ]}

เมื่อเข้าสู่ศตวรรษใหม่ นักวิจัย AI กระแสหลักหลายคน^{[ 66 ]}หวังว่า AI ที่แข็งแกร่งจะสามารถพัฒนาได้โดยการรวมโปรแกรมที่แก้ปัญหาย่อยต่างๆ เข้าด้วยกันฮันส์ โมราเวคเขียนไว้ในปี 1988 ว่า:

ฉันมั่นใจว่าเส้นทางจากล่างขึ้นบนสู่ปัญญาประดิษฐ์นี้จะมาบรรจบกับเส้นทางจากบนลงล่างแบบดั้งเดิมในสักวันหนึ่ง พร้อมที่จะมอบความสามารถในโลกแห่งความเป็นจริงและความรู้สามัญสำนึกที่หาได้ยากอย่างน่าหงุดหงิดในโปรแกรมการให้เหตุผล เครื่องจักรที่ชาญฉลาดอย่างสมบูรณ์จะเกิดขึ้นเมื่อ มีการตอก หมุดทองคำ ในเชิง เปรียบเทียบ ซึ่งเป็นการรวมความพยายามทั้งสองเข้าด้วยกัน^{[ 66 ]}

อย่างไรก็ตาม แม้ในเวลานั้น เรื่องนี้ก็ยังเป็นที่ถกเถียงกันอยู่ ตัวอย่างเช่นสตีเวน ฮาร์เนดจากมหาวิทยาลัยพรินซ์ตัน สรุปงานวิจัยปี 1990 ของเขาเกี่ยวกับสมมติฐานการเชื่อมโยงสัญลักษณ์โดยระบุว่า:

มักมีการกล่าวคาดหวังว่าแนวทาง "บนลงล่าง" (เชิงสัญลักษณ์) ในการสร้างแบบจำลองการรับรู้จะมาบรรจบกับแนวทาง "ล่างขึ้นบน" (เชิงประสาทสัมผัส) ในบางจุด หากการพิจารณาพื้นฐานในเอกสารฉบับนี้ถูกต้อง ความคาดหวังนี้ก็จะเป็นแบบแยกส่วนที่ไร้ประโยชน์ และมีเพียงเส้นทางเดียวที่เป็นไปได้จากประสาทสัมผัสไปสู่สัญลักษณ์ นั่นคือจากล่างขึ้นบน ระดับสัญลักษณ์ที่ลอยตัวอย่างอิสระเช่นระดับซอฟต์แวร์ของคอมพิวเตอร์จะไม่สามารถเข้าถึงได้ด้วยเส้นทางนี้ (หรือในทางกลับกัน) – และก็ไม่ชัดเจนว่าทำไมเราจึงควรพยายามไปถึงระดับดังกล่าว เนื่องจากดูเหมือนว่าการไปถึงที่นั่นจะเท่ากับการถอนรากถอนโคนสัญลักษณ์ของเราออกจากความหมายที่แท้จริงของมัน (ซึ่งจะทำให้เราลดระดับตัวเองลงเหลือเพียงสิ่งที่เทียบเท่ากับการทำงานของคอมพิวเตอร์ที่ตั้งโปรแกรมได้) ^{[ 67 ]}

ณ ปี 2023 การพัฒนาและศักยภาพในการบรรลุ AGI ยังคงเป็นหัวข้อถกเถียงอย่างเข้มข้นในชุมชน AI แม้ว่าความเห็นพ้องแบบดั้งเดิมจะถือว่า AGI เป็นเป้าหมายที่อยู่ไกลออกไป แต่ความก้าวหน้าล่าสุดทำให้มีนักวิจัยและบุคคลในอุตสาหกรรมบางรายอ้างว่า AGI ในรูปแบบเริ่มต้นอาจมีอยู่แล้ว^{[ 68 ]}เฮอร์เบิร์ต เอ. ไซมอนผู้บุกเบิก AI คาดการณ์ในปี 1965 ว่า "ภายในยี่สิบปี เครื่องจักรจะสามารถทำงานใดๆ ก็ตามที่มนุษย์ทำได้" การคาดการณ์นี้ไม่เป็นจริง พอล อัลเลนผู้ร่วมก่อตั้งMicrosoftเชื่อว่าปัญญาประดิษฐ์เช่นนั้นไม่น่าจะเกิดขึ้นได้ในศตวรรษที่ 21 เพราะจะต้องอาศัย "ความก้าวหน้าที่คาดไม่ถึงและคาดเดาไม่ได้โดยพื้นฐาน" และ "ความเข้าใจเชิงลึกทางวิทยาศาสตร์เกี่ยวกับการรับรู้" ^{[ 69 ]}อลัน วินฟิลด์นักวิทยาการหุ่นยนต์เขียนในThe Guardianในปี 2014 ว่าช่องว่างระหว่างการคำนวณสมัยใหม่กับปัญญาประดิษฐ์ระดับมนุษย์นั้นกว้างเท่ากับช่องว่างระหว่างการบินอวกาศในปัจจุบันกับการบินอวกาศที่เร็วกว่าแสงในทางปฏิบัติ^{[ 70 ]}

ความท้าทายเพิ่มเติมคือการขาดความชัดเจนในการกำหนด ความหมายของ สติปัญญาจำเป็นต้องมีจิตสำนึกหรือไม่? จำเป็นต้องแสดงความสามารถในการตั้งเป้าหมายและดำเนินการตามเป้าหมายหรือไม่? เป็นเพียงเรื่องของขนาดหรือไม่ เช่น หากขนาดของแบบจำลองเพิ่มขึ้นมากพอ สติปัญญาก็จะเกิดขึ้น? จำเป็นต้องมีสิ่งอำนวยความสะดวก เช่น การวางแผน การให้เหตุผล และความเข้าใจเชิงสาเหตุหรือไม่? สติปัญญาจำเป็นต้องจำลองสมองและความสามารถเฉพาะของมันอย่างชัดเจนหรือไม่? จำเป็นต้องมีอารมณ์หรือไม่? ^{[ 71 ]}

นักวิจัย AI ส่วนใหญ่เชื่อว่า AI ที่แข็งแกร่งสามารถบรรลุได้ในอนาคต แต่นักคิดบางคน เช่นHubert DreyfusและRoger Penroseปฏิเสธความเป็นไปได้ในการบรรลุ AI ที่แข็งแกร่ง^{[ 72 ] [ 73 ]} John McCarthyเป็นหนึ่งในผู้ที่เชื่อว่า AI ระดับมนุษย์จะสำเร็จได้ แต่ระดับความก้าวหน้าในปัจจุบันนั้นทำให้ไม่สามารถคาดการณ์วันที่ได้อย่างแม่นยำ^{[ 74 ]}มุมมองของผู้เชี่ยวชาญด้าน AI เกี่ยวกับความเป็นไปได้ของ AGI เปลี่ยนแปลงไปมา การสำรวจความคิดเห็นสี่ครั้งที่ดำเนินการในปี 2012 และ 2013 ชี้ให้เห็นว่าค่ามัธยฐานของการประมาณการในหมู่ผู้เชี่ยวชาญเกี่ยวกับช่วงเวลาที่พวกเขามั่นใจ 50% ว่า AGI จะมาถึงคือปี 2040 ถึง 2050 ขึ้นอยู่กับการสำรวจ โดยค่าเฉลี่ยอยู่ที่ปี 2081 ในบรรดาผู้เชี่ยวชาญ 16.5% ตอบว่า "ไม่เคย" เมื่อถูกถามคำถามเดียวกัน แต่มีความมั่นใจ 90% แทน^{[ 75 ] [ 76 ]}ข้อพิจารณาเพิ่มเติมเกี่ยวกับความก้าวหน้าของ AGI ในปัจจุบันสามารถพบได้ข้างต้น การทดสอบเพื่อยืนยัน AGI ระดับมนุษย์

รายงานโดย Stuart Armstrong และ Kaj Sotala จากสถาบันวิจัยปัญญาประดิษฐ์พบว่า "ในช่วงเวลา 60 ปี มีอคติอย่างมากในการคาดการณ์การมาถึงของ AI ระดับมนุษย์ว่าจะเกิดขึ้นภายใน 15 ถึง 25 ปีนับจากเวลาที่ทำการคาดการณ์" พวกเขาได้วิเคราะห์การคาดการณ์ 95 ครั้งที่ทำขึ้นระหว่างปี 1950 ถึง 2012 เกี่ยวกับเวลาที่ AI ระดับมนุษย์จะเกิดขึ้น^{[ 77 ]}

ในปี 2023 นักวิจัย ของ Microsoftได้เผยแพร่การประเมินGPT-4 อย่างละเอียด พวกเขาสรุปว่า: "เมื่อพิจารณาจากขอบเขตและความลึกของความสามารถของ GPT-4 เราเชื่อว่าสามารถมองได้อย่างสมเหตุสมผลว่าเป็นเวอร์ชันเริ่มต้น (แต่ยังไม่สมบูรณ์) ของระบบปัญญาประดิษฐ์ทั่วไป (AGI)" ^{[ 78 ]}การศึกษาอีกฉบับในปี 2023 รายงานว่า GPT-4 มีประสิทธิภาพเหนือกว่ามนุษย์ 99% ในการทดสอบความคิดสร้างสรรค์ของ Torrance ^{[ 79 ] [ 80 ]}

Blaise Agüera y ArcasและPeter Norvigเขียนบทความในปี 2023 ในหัวข้อ "ปัญญาประดิษฐ์ทั่วไปมีอยู่แล้ว" โดยโต้แย้งว่าแบบจำลองแนวหน้าได้บรรลุระดับปัญญาประดิษฐ์ทั่วไปที่สำคัญแล้ว พวกเขาเขียนว่าความลังเลต่อมุมมองนี้มาจากเหตุผลหลักสี่ประการ ได้แก่ "ความสงสัยอย่างมีเหตุผลเกี่ยวกับตัวชี้วัดสำหรับ AGI" "ความมุ่งมั่นทางอุดมการณ์ต่อทฤษฎีหรือเทคนิค AI ทางเลือก" "ความทุ่มเทให้กับความพิเศษของมนุษย์ (หรือทางชีววิทยา)" หรือ "ความกังวลเกี่ยวกับผลกระทบทางเศรษฐกิจของ AGI" ^{[ 81 ]}

ความก้าวหน้าในปัญญาประดิษฐ์ในอดีตได้ผ่านช่วงเวลาแห่งความก้าวหน้าอย่างรวดเร็วสลับกับช่วงเวลาที่ความก้าวหน้าดูเหมือนจะหยุดชะงัก^{[ 72 ]}ความก้าวหน้าพื้นฐานในด้านฮาร์ดแวร์ ซอฟต์แวร์ หรือทั้งสองอย่างได้ยุติช่วงเวลาที่หยุดชะงักแต่ละครั้งเพื่อสร้างพื้นที่สำหรับความก้าวหน้าต่อไป^{[ 72 ] [ 84 ] [ 85 ]}ตัวอย่างเช่น ฮาร์ดแวร์คอมพิวเตอร์ที่มีอยู่ในศตวรรษที่ 20 ไม่เพียงพอที่จะใช้การเรียนรู้เชิงลึก ซึ่งต้องใช้ CPUที่รองรับGPUจำนวนมาก^{[ 86 ]}

ในบทนำของหนังสือปี 2006 ของเขา^{[ 87 ]} Goertzel กล่าวว่าการประมาณเวลาที่จำเป็นก่อนที่จะสร้าง AGI ที่ยืดหยุ่นได้อย่างแท้จริงนั้นแตกต่างกันไปตั้งแต่ 10 ปีไปจนถึงกว่าหนึ่งศตวรรษ ณ ปี 2007 ความเห็นพ้องในชุมชนวิจัย AGI ดูเหมือนจะเป็นว่าไทม์ไลน์ที่Ray Kurzweil กล่าวถึง ในปี 2005 ในThe Singularity is Near ^{[ 88 ]} (เช่น ระหว่างปี 2015 ถึง 2045) นั้นมีความเป็นไปได้^{[ 89 ]}นักวิจัย AI กระแสหลักได้แสดงความคิดเห็นที่หลากหลายเกี่ยวกับว่าความก้าวหน้าจะรวดเร็วเช่นนี้หรือไม่ การวิเคราะห์เชิงอภิมานในปี 2012 ของความคิดเห็นดังกล่าว 95 รายการพบว่ามีอคติในการคาดการณ์ว่าการเริ่มต้นของ AGI จะเกิดขึ้นภายใน 16-26 ปีสำหรับการคาดการณ์ทั้งในปัจจุบันและในอดีต เอกสารดังกล่าวถูกวิพากษ์วิจารณ์เกี่ยวกับวิธีการจัดประเภทความคิดเห็นเป็นผู้เชี่ยวชาญหรือไม่ใช่ผู้เชี่ยวชาญ^{[ 90 ]}

ในปี 2012 Alex Krizhevsky , Ilya SutskeverและGeoffrey Hintonได้พัฒนาโครงข่ายประสาทเทียมชื่อAlexNetซึ่งชนะ การแข่งขัน ImageNetด้วยอัตราข้อผิดพลาดในการทดสอบ 5 อันดับแรกที่ 15.3% ซึ่งดีกว่าอัตราของผลงานที่ดีที่สุดอันดับสองที่ 26.3% อย่างมีนัยสำคัญ (วิธีการแบบดั้งเดิมใช้ผลรวมถ่วงน้ำหนักของคะแนนจากตัวจำแนกประเภทที่กำหนดไว้ล่วงหน้าต่างๆ) ^{[ 91 ]} AlexNet ถือเป็นผู้บุกเบิกเบื้องต้นของคลื่นการเรียนรู้เชิงลึกในปัจจุบัน^{[ 91 ]}

ในปี 2017 นักวิจัย Feng Liu, Yong Shi และ Ying Liu ได้ทำการทดสอบความฉลาดของ AI ที่เปิดเผยต่อสาธารณะและเข้าถึงได้ฟรี เช่น AI ของ Google, SiriของAppleและอื่นๆ AI เหล่านี้มีค่า IQ สูงสุดประมาณ 47 ซึ่งเทียบเท่ากับเด็กอายุ 6 ขวบในชั้นประถมศึกษาปีที่ 1 ส่วนผู้ใหญ่จะมีค่า IQ เฉลี่ยประมาณ 100 การทดสอบที่คล้ายกันนี้เคยดำเนินการในปี 2014 โดยมีค่า IQ สูงสุดอยู่ที่ 27 ^{[ 92 ] [ 93 ]}

ในปี 2020 OpenAIได้พัฒนาGPT-3ซึ่งเป็นแบบจำลองภาษาที่สามารถทำงานที่หลากหลายได้โดยไม่ต้องฝึกฝนเป็นพิเศษ ตามที่Gary Grossman กล่าวไว้ ใน บทความ ของ VentureBeatแม้ว่าจะมีความเห็นพ้องกันว่า GPT-3 ไม่ใช่ตัวอย่างของ AGI แต่บางคนก็มองว่ามันล้ำหน้าเกินกว่าที่จะจัดเป็นระบบ AI แบบแคบได้^{[ 94 ]}

ในปีเดียวกันนั้น Jason Rohrer ใช้บัญชี GPT-3 ของเขาเพื่อพัฒนาแชทบอท และได้จัดทำแพลตฟอร์มการพัฒนาแชทบอทชื่อ "Project December" OpenAI ขอให้มีการเปลี่ยนแปลงแชทบอทเพื่อให้สอดคล้องกับแนวทางด้านความปลอดภัยของพวกเขา Rohrer จึงตัดการเชื่อมต่อ Project December จาก API ของ GPT-3 ^{[ 95 ]}

ในปี 2022 DeepMind ได้พัฒนาGatoซึ่งเป็นระบบ "อเนกประสงค์" ที่สามารถทำงานต่างๆ ได้มากกว่า 600 งาน^{[ 96 ]}

ในปี 2023 นักวิจัย AI Geoffrey Hintonกล่าวว่า: ^{[ 97 ]}

ความคิดที่ว่าสิ่งเหล่านี้อาจฉลาดกว่ามนุษย์ได้นั้น มีคนเชื่ออยู่บ้าง [...] แต่คนส่วนใหญ่คิดว่ามันเป็นเรื่องที่ไกลตัวมาก และผมเองก็คิดว่ามันไกลตัวมากเช่นกัน ผมคิดว่ามันจะใช้เวลา 30 ถึง 50 ปี หรือนานกว่านั้นด้วยซ้ำ เห็นได้ชัดว่าตอนนี้ผมไม่ได้คิดอย่างนั้นอีกแล้ว

เขาประเมินในปี 2024 (ด้วยความมั่นใจต่ำ) ว่าระบบที่ฉลาดกว่ามนุษย์อาจปรากฏขึ้นภายใน 5 ถึง 20 ปี และเน้นย้ำถึงความเสี่ยงต่อการดำรงอยู่ที่จะเกิดขึ้น^{[ 98 ]}

ในเดือนพฤษภาคม 2023 Demis Hassabisกล่าวในทำนองเดียวกันว่า "ความก้าวหน้าในช่วงไม่กี่ปีที่ผ่านมานั้นน่าทึ่งมาก" และเขาไม่เห็นเหตุผลใดๆ ที่มันจะชะลอตัวลง โดยคาดหวังว่า AGI จะเกิดขึ้นภายในหนึ่งทศวรรษหรือแม้แต่ไม่กี่ปี^{[ 99 ]}ในเดือนมีนาคม 2024 Jensen Huangประธานเจ้าหน้าที่บริหาร (CEO) ของNvidiaระบุว่าเขาคาดหวังว่าภายในห้าปี AI จะสามารถผ่านการทดสอบใดๆ ได้ดีอย่างน้อยก็เทียบเท่ากับมนุษย์^{[ 100 ]} ในเดือนมิถุนายน 2024 Leopold Aschenbrennerนักวิจัย AI อดีต พนักงาน OpenAIประเมินว่า AGI ภายในปี 2027 นั้น "มีความเป็นไปได้อย่างน่าทึ่ง" ^{[ 101 ]}

ในเดือนกันยายน พ.ศ. 2568 การทบทวนผลสำรวจของนักวิทยาศาสตร์และผู้เชี่ยวชาญในอุตสาหกรรมในช่วง 15 ปีที่ผ่านมา รายงานว่าส่วนใหญ่เห็นพ้องกันว่าปัญญาประดิษฐ์ทั่วไป (AGI) จะเกิดขึ้นก่อนปี พ.ศ. 2543 ^{[ 102 ]}การวิเคราะห์ล่าสุดโดย AIMultiple รายงานว่า "ผลสำรวจปัจจุบันของนักวิจัย AI คาดการณ์ว่า AGI จะเกิดขึ้นประมาณปี พ.ศ. 2583" ^{[ 102 ]}

Sam Altmanซีอีโอของ OpenAI กล่าวในเดือนธันวาคม 2025 ว่า "เราสร้าง AGI ขึ้นมา" และ "AGI ดูเหมือนจะผ่านไปอย่างรวดเร็ว" โดยมีผลกระทบต่อสังคมน้อยกว่าที่คาดไว้ จึงเสนอให้วงการนี้ก้าวไปสู่ การกำหนดนิยามของปัญญาเหนือมนุษย์^{[ 103 ]}

ในขณะที่การพัฒนา โมเดล ทรานส์ฟอร์เมอร์เช่นในChatGPTถือเป็นเส้นทางที่มีแนวโน้มมากที่สุดสู่ AGI ^{[ 104 ] [ 105 ]}การจำลองสมองทั้งระบบสามารถใช้เป็นแนวทางทางเลือกได้ ด้วยการจำลองสมองทั้งระบบ โมเดลสมองจะถูกสร้างขึ้นโดยการสแกนและทำแผนที่สมองทางชีวภาพอย่างละเอียด จากนั้นคัดลอกและจำลองบนระบบคอมพิวเตอร์หรืออุปกรณ์คำนวณอื่น โมเดล จำลองต้องมีความเที่ยงตรงต่อต้นฉบับมากพอ เพื่อให้ทำงานในลักษณะเดียวกับสมองต้นฉบับ^{[ 106 ]}การจำลองสมองทั้งระบบเป็นประเภทของการจำลองสมองที่กล่าวถึงในประสาทวิทยาเชิงคำนวณและสารสนเทศประสาทและเพื่อวัตถุประสงค์ในการวิจัยทางการแพทย์ มีการกล่าวถึงในการวิจัยปัญญาประดิษฐ์^{[ 89 ]}ในฐานะแนวทางสู่ AI ที่แข็งแกร่ง เทคโนโลยี การสร้างภาพประสาทที่สามารถให้ความเข้าใจโดยละเอียดที่จำเป็นกำลังพัฒนาอย่างรวดเร็ว และนักอนาคตศาสตร์Ray KurzweilในหนังสือThe Singularity Is Near ^{[ 88 ]}ทำนายว่าแผนที่ที่มีคุณภาพเพียงพอจะพร้อมใช้งานในระยะเวลาที่ใกล้เคียงกับพลังการคำนวณที่จำเป็นในการจำลอง

สำหรับการจำลองสมองระดับต่ำ จำเป็นต้องใช้คลัสเตอร์คอมพิวเตอร์หรือ GPU ที่ทรงพลังมาก เนื่องจากสมองของมนุษย์มีจำนวนไซแนปส์มหาศาลเซลล์ประสาทแต่ละเซลล์ จำนวน ^10¹¹ (หนึ่งแสนล้าน) เซลล์มีการเชื่อมต่อไซแนปส์ (ไซแนปส์) กับเซลล์ประสาทอื่นโดยเฉลี่ย 7,000 จุด สมองของเด็กอายุสามขวบมีไซแนปส์ประมาณ 10¹⁵ จุด⁽ 1 พันล้านล้านจุด) จำนวนนี้จะลดลงตามอายุ และคงที่เมื่อเป็นผู้ใหญ่ การประมาณค่าสำหรับผู้ใหญ่แตกต่างกันไป ตั้งแต่ 10¹⁴ ^ถึง 5× ^10¹⁴ไซแนปส์ (100 ถึง 500 ล้านล้านจุด) ^{[ 108 ]}การประมาณค่าพลังการประมวลผลของสมอง โดยอิงจากแบบจำลองสวิตช์อย่างง่ายสำหรับกิจกรรมของเซลล์ประสาท อยู่ที่ประมาณ 10¹⁴ ⁽ 100 ล้านล้าน) การอัปเดตไซแนปส์ต่อวินาที ( SUPS ) ^{[ 109 ]}

ในปี 1997 เคิร์ซไวล์ได้พิจารณาการประมาณการต่างๆ เกี่ยวกับฮาร์ดแวร์ที่จำเป็นเพื่อให้เทียบเท่ากับสมองของมนุษย์ และใช้ตัวเลข^10¹⁶การคำนวณต่อวินาที^{[ d ]} (เพื่อเปรียบเทียบ หาก "การคำนวณ" เทียบเท่ากับ " การดำเนินการจุดลอยตัว " หนึ่งครั้ง ซึ่งเป็นมาตรวัดที่ใช้ในการจัดอันดับซูเปอร์คอมพิวเตอร์ ในปัจจุบัน การคำนวณ ^10¹⁶ครั้งจะเทียบเท่ากับ 10 เพตาฟลอปส์ซึ่งทำได้ในปี 2011ในขณะที่^10¹⁸ทำได้ในปี 2022 ) เขาใช้ตัวเลขนี้เพื่อทำนายว่าฮาร์ดแวร์ที่จำเป็นจะพร้อมใช้งานในช่วงระหว่างปี 2015 ถึง 2025 หากการเติบโตแบบทวีคูณของกำลังการประมวลผลของคอมพิวเตอร์ในขณะที่เขียนยังคงดำเนินต่อไป

โครงการสมองมนุษย์ (Human Brain Project ) ซึ่งเป็น โครงการที่ได้รับทุนสนับสนุน จากสหภาพยุโรป และดำเนินงานตั้งแต่ปี 2013 ถึง 2023 ได้พัฒนา แผนที่สมองมนุษย์ที่มีรายละเอียดมากและสามารถเข้าถึงได้โดยสาธารณะ^{[ 112 ]}ในปี 2023 นักวิจัยจากมหาวิทยาลัย Duke ได้ทำการสแกนสมองหนูด้วยความละเอียดสูง

แบบ จำลอง เซลล์ประสาทเทียมที่ Kurzweil สมมติขึ้นและใช้ใน เครือ ข่ายประสาทเทียม ในปัจจุบันหลายๆ เครือข่าย นั้นเรียบง่ายเมื่อเทียบกับเซลล์ประสาททางชีววิทยาการจำลองสมองน่าจะสามารถจับภาพพฤติกรรมของเซลล์ ประสาททางชีววิทยาได้อย่างละเอียด ซึ่งในปัจจุบันเข้าใจได้เพียงคร่าวๆ เท่านั้น ภาระที่เกิดจากการสร้างแบบจำลองรายละเอียดทางชีววิทยา เคมี และฟิสิกส์ของพฤติกรรมของเซลล์ประสาทอย่างเต็มรูปแบบ (โดยเฉพาะในระดับโมเลกุล) จะต้องใช้พลังการคำนวณที่มากกว่าที่ Kurzweil ประมาณไว้หลายเท่า นอกจากนี้ การประมาณการยังไม่ได้คำนึงถึงเซลล์เกลียซึ่งเป็นที่ทราบกันดีว่ามีบทบาทในกระบวนการทางปัญญา^{[ 113 ]}

การวิจารณ์พื้นฐานของแนวทางการจำลองสมองมาจาก ทฤษฎี การรับรู้แบบฝังตัวซึ่งยืนยันว่าการฝังตัวของมนุษย์เป็นแง่มุมที่สำคัญของสติปัญญาของมนุษย์และจำเป็นต่อการสร้างความหมาย^{[ 114 ] [ 115 ]}หากทฤษฎีนี้ถูกต้อง โมเดลสมองที่ทำงานได้อย่างสมบูรณ์จะต้องครอบคลุมมากกว่าแค่เซลล์ประสาท (เช่น ร่างกายหุ่นยนต์) Goertzel ^{[ 89 ]}เสนอการฝังตัวเสมือนจริง (เช่นในเมตาเวิร์สอย่างSecond Life ) เป็นทางเลือก แต่ยังไม่ทราบว่าจะเพียงพอหรือไม่

ในปี พ.ศ. 2523 นักปรัชญาJohn Searleได้บัญญัติศัพท์คำว่า "ปัญญาประดิษฐ์ที่แข็งแกร่ง" (strong AI) ซึ่งเป็นส่วนหนึ่งของข้อโต้แย้งห้องจีน ของเขา ^{[ 116 ]}เขาเสนอความแตกต่างระหว่างสมมติฐานสองข้อเกี่ยวกับปัญญาประดิษฐ์: ^{[ e ]}

• สมมติฐาน AI ที่แข็งแกร่ง : ระบบปัญญาประดิษฐ์สามารถมี "จิตใจ" และ "จิตสำนึก" ได้
• สมมติฐาน AI แบบอ่อน : ระบบปัญญาประดิษฐ์สามารถ (ทำได้เพียง) แสดงออกราวกับว่ามันคิด มีจิตใจ และมีสติสัมปชัญญะ

เขาเรียกคำแรกว่า "แข็งแกร่ง" เพราะมันเป็นการแสดง ความหมาย ที่ชัดเจนกว่ากล่าวคือ สมมติว่ามีบางสิ่งพิเศษเกิดขึ้นกับเครื่องจักรซึ่งเกินกว่าความสามารถที่เราสามารถทดสอบได้ พฤติกรรมของเครื่องจักร "AI อ่อนแอ" จะเหมือนกับเครื่องจักร "AI แข็งแกร่ง" แต่เครื่องจักรหลังจะมีประสบการณ์ทางจิตสำนึกที่เป็นอัตวิสัยด้วย การใช้งานแบบนี้ยังพบได้ทั่วไปในการวิจัย AI ทางวิชาการและตำราเรียน^{[ 117 ]}

ตรงกันข้ามกับ Searle และ AI กระแสหลัก นักอนาคตศาสตร์บางคน เช่น Ray Kurzweil ใช้คำว่า "AI ที่แข็งแกร่ง" เพื่อหมายถึง "ปัญญาประดิษฐ์ทั่วไประดับมนุษย์" ^{[ 88 ]}ซึ่งไม่เหมือนกับAI ที่แข็งแกร่ง ของ Searle เว้นแต่จะถือว่าจิตสำนึกเป็นสิ่งจำเป็นสำหรับ AGI ระดับมนุษย์ นักปรัชญาเชิงวิชาการเช่น Searle ไม่เชื่อว่าจะเป็นเช่นนั้น และสำหรับนักวิจัยปัญญาประดิษฐ์ส่วนใหญ่ คำถามนี้อยู่นอกขอบเขต^{[ 118 ]}

AI กระแสหลักสนใจพฤติกรรม ของโปรแกรม เป็น หลัก ^{[ 119 ]}ตามที่RussellและNorvig กล่าวไว้ ว่า "ตราบใดที่โปรแกรมทำงานได้ พวกเขาก็ไม่สนใจว่าคุณจะเรียกมันว่าของจริงหรือการจำลอง" ^{[ 118 ]}หากโปรแกรมสามารถประพฤติตัวราวกับว่ามันมีจิตใจ ก็ไม่จำเป็นต้องรู้ว่ามัน มีจิตใจ จริงหรือไม่ – อันที่จริงแล้ว จะไม่มีวิธีที่จะบอกได้ สำหรับการวิจัย AI "สมมติฐาน AI แบบอ่อน" ของ Searle เทียบเท่ากับคำกล่าวที่ว่า "ปัญญาประดิษฐ์ทั่วไปเป็นไปได้" ดังนั้น ตามที่ Russell และ Norvig กล่าวไว้ว่า "นักวิจัย AI ส่วนใหญ่ถือว่าสมมติฐาน AI แบบอ่อนเป็นเรื่องที่เข้าใจได้ และไม่สนใจสมมติฐาน AI แบบเข้มแข็ง" ^{[ 118 ]}ดังนั้น สำหรับการวิจัย AI ในเชิงวิชาการ "AI แบบเข้มแข็ง" และ "AGI" จึงเป็นสองสิ่งที่ไม่เหมือนกัน

คำว่า "จิตสำนึก" สามารถมีความหมายได้หลากหลาย และบางแง่มุมก็มีบทบาทสำคัญในนิยายวิทยาศาสตร์และจริยธรรมของปัญญาประดิษฐ์ :

• ความรู้สึก (หรือ "จิตสำนึกเชิงปรากฏการณ์"): ความสามารถในการ "รู้สึก" ถึงการรับรู้หรืออารมณ์ในเชิงอัตวิสัย ตรงข้ามกับความสามารถในการใช้เหตุผลเกี่ยวกับการรับรู้ นักปรัชญาบางคน เช่นเดวิด ชาลเมอ ร์ส ใช้คำว่า "จิตสำนึก" เพื่ออ้างถึงจิตสำนึกเชิงปรากฏการณ์โดยเฉพาะ ซึ่งเทียบเท่ากับความรู้สึกโดยประมาณ ^{[ 120 ]}การกำหนดว่าทำไมและอย่างไรประสบการณ์เชิงอัตวิสัยจึงเกิดขึ้น เรียกว่าปัญหาที่ยากของจิตสำนึก [ ^{121 ] โท}มัส นาเกลอธิบายในปี 1974 ว่าการมีสติ "รู้สึกเหมือน" บางสิ่งบางอย่าง ถ้าเราไม่มีสติ ก็จะไม่รู้สึกเหมือนอะไรเลย นาเกลใช้ตัวอย่างของค้างคาว: เราสามารถถามได้อย่างสมเหตุสมผลว่า "การเป็นค้างคาวรู้สึกอย่างไร? " อย่างไรก็ตาม เราไม่น่าจะถามว่า "การเป็นเครื่องปิ้งขนมปังรู้สึกอย่างไร?" นาเกลสรุปว่าค้างคาวดูเหมือนจะมีสติ (เช่น มีจิตสำนึก) แต่เครื่องปิ้งขนมปังไม่มี ^{[ 122 ]}ในปี 2022 วิศวกรของ Google อ้างว่าแชทบอท AI ของบริษัท LaMDAมีความรู้สึกนึกคิด แม้ว่าคำกล่าวอ้างนี้จะถูกโต้แย้งอย่างกว้างขวางจากผู้เชี่ยวชาญคนอื่นๆ ก็ตาม ^{[ 123 ]}
• การตระหนักรู้ในตนเอง : คือการตระหนักรู้ถึงตนเองในฐานะบุคคลที่แยกจากกัน โดยเฉพาะอย่างยิ่งการตระหนักรู้ถึงความคิดของตนเอง นี่ตรงข้ามกับการเป็นเพียง "ผู้เป็นเจ้าของความคิด" —ระบบปฏิบัติการหรือตัวดีบักสามารถ "ตระหนักรู้ในตนเอง" ได้ (นั่นคือ สามารถแสดงตนเองในลักษณะเดียวกับที่แสดงสิ่งอื่น ๆ ทั้งหมด)—แต่นี่ไม่ใช่สิ่งที่ผู้คนมักหมายถึงเมื่อใช้คำว่า "การตระหนักรู้ในตนเอง" ^{[ f ]}ในแบบจำลอง AI ขั้นสูงบางแบบ ระบบจะสร้างการแสดงแทนภายในของกระบวนการทางปัญญาและรูปแบบการตอบรับของตนเอง—บางครั้งอ้างถึงตนเองโดยใช้โครงสร้างบุรุษที่สอง เช่น 'คุณ' ภายในกรอบการสร้างแบบจำลองตนเอง

ลักษณะเหล่านี้มีมิติทางศีลธรรม ความรู้สึกนึกคิดของ AI จะก่อให้เกิดความกังวลเกี่ยวกับสวัสดิภาพและการคุ้มครองทางกฎหมาย เช่นเดียวกับสัตว์^{[ 124 ]}แง่มุมอื่นๆ ของจิตสำนึกที่เกี่ยวข้องกับความสามารถทางปัญญาก็มีความเกี่ยวข้องกับแนวคิดเรื่องสิทธิของ AI เช่นกัน^{[ 125 ]}การหาแนวทางในการบูรณาการ AI ขั้นสูงเข้ากับกรอบกฎหมายและสังคมที่มีอยู่เป็นประเด็นที่กำลังเกิดขึ้น^{[ 126 ]}

AGI สามารถปรับปรุงผลิตภาพและประสิทธิภาพในงานส่วนใหญ่ได้ ตัวอย่างเช่น ในด้านสาธารณสุข AGI สามารถเร่งการวิจัยทางการแพทย์ โดยเฉพาะอย่างยิ่งการวิจัยโรคมะเร็ง^{[ 127 ]}มันสามารถดูแลผู้สูงอายุ^{[ 128 ]}และทำให้การเข้าถึงการวินิจฉัยทางการแพทย์ที่รวดเร็วและมีคุณภาพสูงเป็นไปอย่างทั่วถึง มันสามารถนำเสนอการศึกษาที่สนุกสนาน ราคาไม่แพง และเป็นส่วนตัว^{[ 128 ]}ความจำเป็นในการทำงานเพื่อดำรงชีพอาจหมดไป หากมี การกระจายความมั่งคั่งที่ผลิตขึ้นอย่างเหมาะสม[ ^{128 ] [ 129 ] สิ่ง}นี้ยังก่อให้เกิดคำถามเกี่ยวกับบทบาทของมนุษย์ในสังคมอัตโนมัติอย่างสุดขั้วอีกด้วย^{[ 130 ]}

AGI ยังสามารถช่วยในการตัดสินใจอย่างมีเหตุผล และคาดการณ์และป้องกันภัยพิบัติได้ นอกจากนี้ยังสามารถช่วยเก็บเกี่ยวผลประโยชน์จากเทคโนโลยีที่อาจก่อให้เกิดหายนะ เช่นนาโนเทคโนโลยีหรือวิศวกรรมภูมิอากาศในขณะที่หลีกเลี่ยงความเสี่ยงที่เกี่ยวข้อง^{[ 131 ]}หากเป้าหมายหลักของ AGI คือการป้องกันหายนะที่คุกคามการดำรงอยู่ เช่น การสูญพันธุ์ของมนุษย์ (ซึ่งอาจทำได้ยากหากสมมติฐานโลกที่เปราะบางกลายเป็นความจริง) ^{[ 132 ]}ก็สามารถใช้มาตรการเพื่อลดความเสี่ยงลงอย่างมาก^{[ 131 ]}ในขณะที่ลดผลกระทบของมาตรการเหล่านี้ต่อคุณภาพชีวิตของมนุษยชาติให้น้อยที่สุด

AGI อาจเป็นตัวแทนของ ความเสี่ยงต่อการดำรงอยู่หลายประเภทซึ่งเป็นความเสี่ยงที่คุกคาม "การสูญพันธุ์ก่อนกำหนดของสิ่งมีชีวิตอัจฉริยะที่กำเนิดจากโลก หรือการทำลายศักยภาพในการพัฒนาในอนาคตที่พึงปรารถนาอย่างถาวรและรุนแรง" ^{[ 133 ]}ความเสี่ยงต่อการสูญพันธุ์ของมนุษย์จาก AGI เป็นหัวข้อของการถกเถียงมากมาย แต่ก็มีความเป็นไปได้เช่นกันว่าการพัฒนา AGI จะนำไปสู่อนาคตที่บกพร่องอย่างถาวร ที่สำคัญคือ มันอาจถูกใช้เพื่อเผยแพร่และรักษาชุดค่านิยมของผู้ที่พัฒนามันขึ้นมา หากมนุษยชาติยังคงมีจุดบอดทางศีลธรรมคล้ายกับการเป็นทาสในอดีต AGI อาจทำให้จุดบอดเหล่านั้นฝังรากลึกอย่างถาวร ป้องกันความก้าวหน้าทางศีลธรรม^{[ 134 ]}นอกจากนี้ AGI ยังสามารถอำนวยความสะดวกในการเฝ้าระวังและการปลูกฝังความคิด ซึ่งอาจถูกนำไปใช้เพื่อสร้างระบอบเผด็จการเบ็ดเสร็จที่กดขี่ทั่วโลกอย่างฝังรากลึก^{[ 135 ] [ 136 ]} นอกจากนี้ ยังมีความเสี่ยงสำหรับตัวเครื่องจักรเองด้วย หากเครื่องจักรที่มีสติสัมปชัญญะหรือมีคุณสมบัติที่ควรค่าแก่การพิจารณาทางศีลธรรมถูกสร้างขึ้นเป็นจำนวนมากในอนาคต การดำเนินตามเส้นทางอารยธรรมที่ละเลยสวัสดิภาพและผลประโยชน์ของเครื่องจักรเหล่านั้นอย่างไม่มีกำหนด อาจเป็นหายนะทางด้านการดำรงอยู่^{[ 137 ] [ 138 ]}เมื่อพิจารณาว่าปัญญาประดิษฐ์ทั่วไป (AGI) สามารถปรับปรุงอนาคตของมนุษยชาติและช่วยลดความเสี่ยงต่อการดำรงอยู่อื่นๆ ได้มากเพียงใดโทบี ออร์ดจึงเรียกความเสี่ยงต่อการดำรงอยู่เหล่านี้ว่า "ข้อโต้แย้งสำหรับการดำเนินการด้วยความระมัดระวัง" ไม่ใช่ "การละทิ้งปัญญาประดิษฐ์" ^{[ 135 ]}

วิทยานิพนธ์ที่ว่า AI ก่อให้เกิดความเสี่ยงต่อการดำรงอยู่ของมนุษย์ และความเสี่ยงนี้จำเป็นต้องได้รับความสนใจมากขึ้น เป็นเรื่องที่ถกเถียงกัน แต่ได้รับการรับรองในปี 2023 โดยบุคคลสาธารณะ นักวิจัย AI และซีอีโอของบริษัท AI หลายคน เช่นElon Musk , Bill Gates , Geoffrey Hinton , Yoshua Bengio , Demis HassabisและSam Altman ^{[ 139 ] [ 140 ]}

ในปี 2014 สตีเฟน ฮอว์คิงได้วิพากษ์วิจารณ์ความเฉยเมยที่แพร่หลาย:

ดังนั้น เมื่อเผชิญกับอนาคตที่เป็นไปได้ซึ่งมีทั้งผลประโยชน์และความเสี่ยงที่ประเมินค่าไม่ได้ ผู้เชี่ยวชาญจึงทำทุกวิถีทางเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดใช่ไหม? ผิดแล้ว หากอารยธรรมต่างดาวที่เหนือกว่าส่งข้อความมาหาเราว่า 'เราจะมาถึงในอีกไม่กี่ทศวรรษ' เราจะตอบกลับไปว่า 'ตกลง โทรหาเราเมื่อคุณมาถึง เราจะเปิดไฟทิ้งไว้' หรือไม่? อาจจะไม่ใช่ แต่สิ่งนี้ก็เกิดขึ้นกับ AI ในระดับหนึ่ง^{[ 141 ]}

ชะตากรรมที่เป็นไปได้ของมนุษยชาติบางครั้งถูกเปรียบเทียบกับชะตากรรมของกอริลลาที่ถูกคุกคามจากกิจกรรมของมนุษย์ การเปรียบเทียบนี้ระบุว่าสติปัญญาที่มากกว่าทำให้มนุษยชาติสามารถครอบงำกอริลลาได้ ซึ่งตอนนี้กอริลลามีความเปราะบางในแบบที่พวกมันคาดไม่ถึง ผลที่ตามมาคือ กอริลลากลายเป็นสัตว์ใกล้สูญพันธุ์ ไม่ใช่เพราะความมุ่งร้าย แต่เป็นเพียงความเสียหายที่เกิดขึ้นโดยไม่ตั้งใจจากกิจกรรมของมนุษย์^{[ 142 ]}

Yann LeCunผู้สงสัยมองว่า AGI จะไม่มีความปรารถนาที่จะครอบงำมนุษยชาติ และเราควรระมัดระวังอย่ามอง AGI ในแง่ของความเป็นมนุษย์และตีความเจตนาของ AGI เหมือนที่เราทำกับมนุษย์ เขาบอกว่ามนุษย์จะไม่ "ฉลาดพอที่จะออกแบบเครื่องจักรที่ฉลาดมาก แต่กลับโง่เขลาอย่างน่าขันถึงขั้นให้เป้าหมายที่งี่เง่าโดยไม่มีมาตรการป้องกัน" [ ^{143 ] ใน}ทางกลับกัน แนวคิดของการบรรจบกันของเครื่องมือชี้ให้เห็นว่าไม่ว่าเป้าหมายของพวกมันจะเป็นอย่างไรตัวแทนอัจฉริยะก็จะมีเหตุผลที่จะพยายามเอาชีวิตรอดและได้รับอำนาจมากขึ้นในฐานะขั้นตอนระหว่างกลางในการบรรลุเป้าหมายเหล่านี้ และสิ่งนี้ไม่จำเป็นต้องมีอารมณ์^{[ 144 ]}

นักวิชาการหลายคนที่กังวลเกี่ยวกับความเสี่ยงต่อการดำรงอยู่ต่างสนับสนุนให้มีการวิจัยเพิ่มเติมเพื่อแก้ปัญหา " ปัญหาการควบคุม " เพื่อตอบคำถามที่ว่า โปรแกรมเมอร์สามารถนำมาตรการป้องกัน อัลกอริทึม หรือสถาปัตยกรรมประเภทใดมาใช้เพื่อเพิ่มโอกาสสูงสุดที่ AI ที่พัฒนาแบบวนซ้ำจะยังคงมีพฤติกรรมที่เป็นมิตรแทนที่จะเป็นพฤติกรรมทำลายล้าง หลังจากที่ AI บรรลุถึงระดับปัญญาประดิษฐ์ขั้น สูงแล้ว ^{[ 145 ] [ 146 ]}การแก้ปัญหาการควบคุมมีความซับซ้อนมากขึ้นเนื่องจากการแข่งขันด้านอาวุธ AI (ซึ่งอาจนำไปสู่การแข่งขันเพื่อลดมาตรการความปลอดภัยลงเพื่อที่จะวางจำหน่ายผลิตภัณฑ์ก่อนคู่แข่ง) ^{[ 147 ]}และการใช้ AI ในระบบอาวุธ^{[ 148 ]}

วิทยานิพนธ์ที่ว่า AI อาจก่อให้เกิดความเสี่ยงต่อการดำรงอยู่ก็มีผู้คัดค้านเช่นกัน ผู้ที่สงสัยมักจะกล่าวว่า AGI ไม่น่าจะเกิดขึ้นในระยะสั้น หรือว่าความกังวลเกี่ยวกับ AGI ทำให้เสียสมาธิจากประเด็นอื่นๆ ที่เกี่ยวข้องกับ AI ในปัจจุบัน^{[ 149 ]} Shuman Ghosemajumderอดีตหัวหน้าฝ่ายปราบปรามการฉ้อโกงของ Googleพิจารณาว่าสำหรับหลายๆ คนที่อยู่นอกอุตสาหกรรมเทคโนโลยี แชทบอทและ LLM ที่มีอยู่แล้วนั้นถูกมองว่าเป็น AGI อยู่แล้ว ซึ่งนำไปสู่ความเข้าใจผิดและความกลัวที่มากขึ้น^{[ 150 ]}

นักวิจัยบางคน รวมถึงAndrew Ngผู้ร่วมก่อตั้งGoogle Brainกล่าวว่า แคมเปญการสื่อสารเกี่ยวกับความเสี่ยงที่อาจเกิดขึ้นจาก AI ซึ่งผลักดันโดยบริษัท AI บางแห่ง (เช่น OpenAI, Anthropic , DeepMind และ Conjecture) อาจเป็นความพยายามในการสร้างการครอบงำทางกฎหมายและกระตุ้นความสนใจในผลิตภัณฑ์ของตน^{[ 151 ] [ 152 ]}

ในปี 2023 ซีอีโอของ Google DeepMind, OpenAI และ Anthropic พร้อมด้วยผู้นำอุตสาหกรรมและนักวิจัยอื่นๆ ได้ออกแถลงการณ์ร่วมกันโดยยืนยันว่า "การลดความเสี่ยงจากการสูญพันธุ์ของ AI ควรเป็นลำดับความสำคัญระดับโลกควบคู่ไปกับความเสี่ยงระดับสังคมอื่นๆ เช่น โรคระบาดและสงครามนิวเคลียร์" ^{[ 140 ]}

นักวิจัยจาก OpenAI ประเมินในปี 2023 ว่า "80% ของแรงงานในสหรัฐอเมริกาอาจได้รับผลกระทบจากงานอย่างน้อย 10% จากการนำ LLM มาใช้ ในขณะที่ประมาณ 19% ของคนงานอาจได้รับผลกระทบอย่างน้อย 50% ของงาน" ^{[ 153 ] [ 154 ]}พวกเขาพิจารณาว่าพนักงานออฟฟิศมีความเสี่ยงมากที่สุด เช่น นักคณิตศาสตร์ นักบัญชี หรือนักออกแบบเว็บไซต์^{[ 154 ]} AGI อาจมีอิสระในการตัดสินใจมากขึ้น สามารถเชื่อมต่อกับเครื่องมือคอมพิวเตอร์อื่นๆ แต่ยังสามารถควบคุมร่างกายหุ่นยนต์ได้ด้วย ความเชื่อทั่วไปในหมู่ผู้เชี่ยวชาญของบริษัท AI ชั้นนำคือ คนงานส่วนใหญ่จะเผชิญกับการว่างงานจากเทคโนโลยีของ AGI โดยเริ่มจากงานในสำนักงานและเมื่อหุ่นยนต์พัฒนาขึ้น ก็จะขยายไปยังงานภาคอุตสาหกรรม^{[ 155 ]}ผู้ที่วิพากษ์วิจารณ์แนวคิดนี้โต้แย้งว่า AGI จะเสริมมากกว่าที่จะมาแทนที่มนุษย์ และระบบอัตโนมัติจะเข้ามาแทนที่งานในระยะสั้น แต่ไม่ใช่ในระยะยาว^{[ 156 ] [ 157 ] [ 158 ]}

ตามที่สตีเฟน ฮอว์คิงกล่าว ผลกระทบของระบบอัตโนมัติต่อคุณภาพชีวิตจะขึ้นอยู่กับการกระจายความมั่งคั่งใหม่: ^{[ 129 ]}

ทุกคนสามารถใช้ชีวิตอย่างสุขสบายหรูหราได้หากความมั่งคั่งที่ผลิตโดยเครื่องจักรนั้นถูกแบ่งปันอย่างเท่าเทียมกัน หรือคนส่วนใหญ่ก็อาจตกอยู่ในความยากจนอย่างน่าเวทนาหากเจ้าของเครื่องจักรประสบความสำเร็จในการล็อบบี้ต่อต้านการกระจายความมั่งคั่ง จนถึงขณะนี้ แนวโน้มดูเหมือนจะมุ่งไปสู่ตัวเลือกที่สอง โดยเทคโนโลยีเป็นตัวขับเคลื่อนความเหลื่อมล้ำที่เพิ่มมากขึ้นเรื่อยๆ

ในปี 2021 อีลอน มัสก์ โต้แย้งว่าการใช้ระบบอัตโนมัติในสังคมจะทำให้รัฐบาลต้องนำระบบรายได้พื้นฐานสากล (UBI) มาใช้ ^{[ 159 ]}ฮินตันก็แนะนำรัฐบาลสหราชอาณาจักรในปี 2025 ให้ใช้ UBI เพื่อตอบสนองต่อการว่างงานที่เกิดจาก AI เช่นกัน^{[ 160 ]}ในปี 2023 ฮินตันกล่าวว่า "ผมเป็นนักสังคมนิยม [...] ผมคิดว่าการเป็นเจ้าของสื่อและ 'วิธีการคำนวณ' โดยเอกชนนั้นไม่ดี" ^{[ 161 ]}

• พอร์ทัล AGI ที่ดูแลโดยเป่ย หวัง