AGI

Marc Andreessen wurde im Februar 2026 im Podcast von Lenny Rachitsky gebeten, AGI zu definieren, und gab drei Antworten: eine KI, die eine Forschungsleistung erbringen kann, die einer Doktorarbeit entspricht; den Punkt, an dem eine KI die Kontrolle über ihre eigene Entwicklung übernimmt und sich selbst verbessert; und die pragmatische Antwort, dass man es wissen werde, wenn es so weit sei. Dass drei Versuche nötig waren, ist das bezeichnende Merkmal des Konzepts. AGI ist das erklärte Ziel der großen KI-Labore, Systeme, die Menschen ersetzen können, ohne dass es einen festgelegten Test dafür gibt, wann dieses Ziel erreicht ist.

Luc Julia, Mitentwickler von Siri, weist die Prämisse zurück. Sein Buch «L'IA n'existe pas» argumentiert, dass heutige Systeme anspruchsvolle Mustererkennung betreiben statt Intelligenz, dass sie weder schlussfolgern noch verstehen noch im eigentlichen Sinne lernen, und dass AGI mit den derzeitigen Ansätzen unwahrscheinlich sei, vielleicht sogar unmöglich. Den Hype führt er eher auf kommerzielle Interessen zurück als auf technische Realität. «Arvind Narayanan» vertritt eine ähnlich entgegengesetzte Position.

Ethan Mollick behandelt die Meinungsverschiedenheit im Juli 2024 als Planungsproblem. Eine Umfrage unter Informatikern aus dem Jahr 2023 ergab ein mittleres AGI-Datum von 2047, mit einer Wahrscheinlichkeit von zehn Prozent vor 2027, während KI-Vordenker Zeithorizonte von 2027 oder fünf Jahren verkünden. Mollicks Antwort darauf ist Szenarioplanung über vier mögliche Zukünfte hinweg: Plateau, lineares Wachstum, exponentielles Wachstum, AGI. Er verweist auf den Präzedenzfall des Mooreschen Gesetzes, bei dem eine technologische Erwartung zu einem motivierenden Ziel und dann zu einer sich selbst erfüllenden Prophezeiung wurde. Dieser Präzedenzfall lässt die Frage offen, ob AGI ein Ziel benennt oder das Verhalten einer ganzen Branche auf ein solches hin organisiert.