בינה מלאכותית כללית (AGI)

מה זו AGI, והתחזיות המוקדמות שהתבדו

בינה מלאכותית כללית (AGI — Artificial General Intelligence) היא מונח למערכת AI היפותטית שתחזיק ביכולת-חשיבה גמישה ורב-תחומית, ברמה שמקבילה או עולה על זו של אדם, בכל תחום-קוגניטיבי — לא רק במשימה אחת ספציפית. ההגדרה נגזרת ישירות מהניגוד למה שקיים בפועל היום: כל מערכת AI קיימת, ללא יוצא-מן-הכלל, היא "בינה מלאכותית צרה" (Narrow AI) — מומחית במשימה אחת או קבוצה מוגבלת של משימות דומות, גם אם היא מבצעת אותן ברמה על-אנושית מרשימה (מודל-שחמט שמנצח כל אלוף-עולם אנושי, לדוגמה, לא יודע לבשל ארוחה, לנהוג ברכב, או לנהל שיחה על נושא שלא קשור למשחק). AGI, לעומת זאת, הייתה אמורה להכליל ולהעביר-ידע בין תחומים בגמישות שדומה ליכולת האנושית — ללמוד משימה חדשה לגמרי בלי לדרוש אימון-ייעודי-מחדש עבורה, בדיוק כפי שאדם שיודע לנהוג יכול, עם תרגול מתון, ללמוד גם לרכוב על אופניים.

התחזיות המוקדמות ביותר על-אודות AGI היו אופטימיות באופן קיצוני, ומשמשות היום לרוב כדוגמה מזהירה לזהירות-נדרשת בתחזיות-AI. כבר בשנות ה-1950 וה-1960, חוקרי-יסוד בתחום העריכו שהיעד קרוב מאוד: הרברט סיימון, אחד מחלוצי-התחום, טען ב-1965 שתוך עשרים שנה "מכונות יהיו מסוגלות לבצע כל עבודה שאדם יכול לבצע". התחזיות האלה התבררו כשגויות באופן קיצוני, ועד שנות ה-1990 רוב-חוקרי-AI נהיו זהירים משמעותית יותר מלהעלות תחזיות-זמן קונקרטיות — לקח מלמד שממשיך להשפיע על השיח סביב AGI עד היום.

השיח חוזר מאז 2023: 'ניצוצות של AGI' והצהרת אלטמן, ומבחני-סף

השיח סביב AGI חזר להיות מרכזי ותכוף החל מ-2023, בעקבות ההתקדמות המהירה של מודלי שפה גדולים (LLM). במרץ 2023 פרסמו חוקרי Microsoft נייר-מחקר בשם "Sparks of Artificial General Intelligence" (בתרגום חופשי: "ניצוצות של בינה מלאכותית כללית") שבחן לעומק את יכולות GPT-4 — עוד בטרם פורסם רשמית לציבור — במגוון-משימות רחב (מתמטיקה, תכנות, ראייה, רפואה, משפט, פסיכולוגיה), וטען, בזהירות-מסוימת, שאפשר לראות בו "גרסה מוקדמת — עדיין לא-שלמה — של מערכת בינה מלאכותית כללית". הטענה עוררה ויכוח ער בקהילת-המחקר, כי היא נגעה בשאלת-יסוד שנויה-במחלוקת: האם יכולות מרשימות במשימות מגוונות מספיקות כדי להיחשב "כללי" במובן המלא, או שנדרשת הבנה עמוקה יותר שעדיין חסרה. הוויכוח הזה החריף עוד יותר בדצמבר 2025, כשמנכ"ל OpenAI סם אלטמן הצהיר בפומבי "בנינו AGI" והציע שהתחום צריך לעבור להתמקד בשאלת "על-אינטליגנציה" (Superintelligence) — הצהרה שקיבלה תגובות מעורבות מאוד מחוקרים אחרים בתחום, חלקם רואים בה שיווקית-מוקדמת יותר מאשר תיאור-מדויק של מצב-הטכנולוגיה.

בגלל מחלוקת-ההגדרה הזו עצמה, הוצעו לאורך השנים כמה "מבחני-סף" קונקרטיים כדי לתת ל-AGI קריטריון-הכרעה מוחשי-יותר, לא רק תיאור מעורפל. מבחן-הטיורינג (Turing Test), שהוצע כבר ב-1950 על ידי אלן טיורינג, בוחן אם שיחה עם מכונה בטקסט-בלבד מצליחה להטעות שופט-אנושי לחשוב שהוא משוחח עם אדם — מבחן שביקורות רבות טוענות שהוא מודד "יכולת-הטעיה" יותר מאשר אינטליגנציה-אמיתית. מבחנים חדשים יותר, שהוצעו ספציפית בהקשר AGI מודרני, כוללים למשל את "מבחן-הקפה" (Coffee Test) — האם רובוט יכול להיכנס לבית זר לגמרי ולהכין כוס קפה בעצמו, משימה שדורשת שילוב של תפיסה-חזותית, תכנון, ומניפולציה-פיזית בסביבה בלתי-מוכרת — ומבחנים דומים נוספים שמנסים לעגן את המושג המופשט במשימה קונקרטית וניתנת-למדידה.

AGI מול על-אינטליגנציה ופיצוץ-אינטליגנציה

חשוב להבחין בין AGI לבין "על-אינטליגנציה" (Superintelligence), הבחנה שלעיתים מיטשטשת בשיח הציבורי אבל משמעותית מבחינה מושגית. AGI מתארת מערכת שמגיעה לרמת-יכולת אנושית-כללית — לא בהכרח עולה עליה — בכל תחום-קוגניטיבי; על-אינטליגנציה מתארת מערכת שעולה משמעותית מעבר ליכולת האנושית, בכל תחום, כולל תחומים כמו יצירתיות מדעית, שכנוע חברתי, וקבלת-החלטות אסטרטגית. ההנחה הרווחת בקרב חלק מהחוקרים — לא כולם — היא ש-AGI, אם וכאשר תושג, עשויה להוביל במהירות יחסית לעל-אינטליגנציה, בזכות יכולתה (בהנחה שהיא באמת כללית) לשפר את עצמה או לתכנן מערכות-AI טובות ממנה. תרחיש כזה, שכונה "פיצוץ-אינטליגנציה" (Intelligence Explosion), הוא מוקד מרכזי לדיוני-בטיחות (AI Safety) בתחום, גם בקרב מי שספקן לגבי לוח-הזמנים המדויק.

אי-הסכמה בין מומחים, והמשקל הכלכלי

סקרי-מומחים שנערכו בשנים האחרונות מציגים תמונה מגוונת מאוד, לא קונצנזוס אחיד — עדות נוספת לכך שהתחזית עדיין רחוקה מהכרעה מדעית מוצקה. חלק מהחוקרים חוזים AGI תוך שנים בודדות, אחרים מעריכים טווח-זמן של עשרות שנים, וקבוצה שלישית עדיין מטילה ספק אם המסלול הטכנולוגי הנוכחי (הרחבת מודלי-שפה גדולים) בכלל מסוגל להגיע ליעד הזה, וטוענת שנדרשת פריצת-דרך ארכיטקטונית שונה-מהותית. הפיזור הרחב-הזה בקרב מומחים-מוכרים-בתחום עצמו, ולא רק בקרב-הציבור-הרחב, ממחיש עד כמה AGI נשארת שאלה-פתוחה מבחינה מדעית, לא רק שאלת-לוח-זמנים-בלבד.

הדיון סביב AGI נושא גם משקל כלכלי ממשי, לא רק תיאורטי — עדות לרצינות-ההשקעות בתחום מעבר לשיח-רעיוני. OpenAI, למשל, גייסה סבב-מימון בהיקף של כ-40 מיליארד דולר ב-2025, השקעה שנשענת חלקית על הימור ישיר על ההתקדמות לעבר AGI, לא רק על מוצרים קיימים ומיידיים. היקף-ההשקעה הזה, ודומיו אצל מתחרות מרכזיות אחרות, ממחיש שהשאלה "מתי AGI תגיע" הפכה שיקול-השקעה-כלכלי-ממשי, לא רק דיון-אקדמי מופשט — מה שמעלה גם חשש מפורש בקרב חלק מהחוקרים: שהתמריצים הכלכליים העצומים סביב הטענה "אנחנו קרובים ל-AGI" עלולים להטות הצהרות-ציבוריות של חברות לכיוון אופטימי-יותר ממה שהמצב הטכני בפועל מצדיק.

מקור המונח, ו-AGI חלש מול חזק

המונח "AGI" עצמו, למרות שהוא נתפס לעיתים כמונח מודרני-בלבד, קיים בשימוש-מתועד כבר מ-1997, כשהחוקר מארק גוברוד השתמש בו בדיון על השלכות-אוטומציה-צבאית-מלאה — אבל הוא נשכח כמעט לגמרי, עד ששיין לג ובן גורצל הציגו-מחדש והפיצו אותו מחדש בתחילת שנות ה-2000, ומאז הפך לשם-דבר בתעשייה, ולשימוש-רחב-בהרבה עוד יותר מאז 2023, בעיקר בזכות התקדמות מודלי השפה הגדולים — עדות נוספת לכך שהמונח עצמו נע יחד עם הציפיות והיכולות הטכנולוגיות, לא מושג-קבוע-מראש. יש הבדל חשוב בין "תת-סוגים" של AGI שחוקרים מציעים לעיתים לצורך דיוק-דיוני: "AGI חלש" (Weak AGI) שמתאר מערכת שמדמה יכולת-כללית מבלי בהכרח להיות "מודעת" או "מבינה" במובן הפילוסופי העמוק, לעומת "AGI חזק" (Strong AGI) שמניח גם תודעה או הבנה אמיתית — הבחנה שקשורה לוויכוח הפילוסופי הוותיק על "בעיית-החדר-הסיני" (Chinese Room), שהעלה הפילוסוף ג׳ון סירל ב-1980 כטיעון נגד ההנחה שביצועים חיצוניים-מוצלחים מוכיחים בהכרח הבנה-פנימית-אמיתית.

תועלת מול סיכון, ומה שאחרי ההישג הטכני

השאלה אם AGI תיטיב או תזיק לאנושות מקוטבת לא-פחות מהשאלה מתי היא תגיע. הפוטנציאל-לתועלת שמעריכים חוקרים כולל פריצות-דרך מואצות ברפואה, מדע וטכנולוגיה, ואפשרות לפתור בעיות מורכבות שהתעכבו זמן-רב בגלל מגבלות-כוח-אדם-אנושי. הסיכונים הנדונים כוללים אובדן-שליטה-אנושית על מערכת שחכמה משמעותית מבוני-ה-AI עצמם, ביסוס-קבע של מערכות-ערכים שגויות אם AGI תיבנה על בסיס-מטרות לא-מדויק, ותרחישים חמורים יותר שנדונים בהרחבה בספרות-הבטיחות של התחום — כל אלה נושאים מרכזיים בתחום בטיחות-AI, שהפך תחום-מחקר ומדיניות עצמאי בדיוק בגלל ההימור הגבוה שכרוך בשאלת AGI, לא רק כתוספת שולית לשיח-ההתלהבות סביב יכולות-AI. לבסוף, כדאי לזכור שגם אם AGI תושג בשלב כלשהו, המעבר מ"הישג-מעבדה חד-פעמי" ל"פריסה בטוחה ואמינה בעולם האמיתי" הוא כשלעצמו אתגר-נפרד ומשמעותי — אין ודאות שהישג טכני יתורגם באופן מיידי ליישום מעשי ובטוח, לא שונה בעיקרון מהפער שקיים כבר היום בין הישגי-מעבדה מרשימים של מודלים קיימים לבין אמינותם בפריסה-בפועל בסביבות מורכבות ובלתי-צפויות.

גרסה פשוטה של הערך, לגיל 12. כל מה שכתוב כאן מופיע גם בערך המלא.

דמיינו תוכנת שחמט שמנצחת כל אלוף עולם אנושי. נשמע חכם מאוד, נכון? אבל בקשו ממנה לבשל ארוחה או לנהל שיחה על משהו שאינו שחמט, והיא לא תוכל. היא מצטיינת בדבר אחד בלבד.

ככה נראות כל מערכות הבינה המלאכותית שקיימות היום, בלי יוצא מן הכלל. קוראים להן "בינה מלאכותית צרה": כל אחת טובה במשימה אחת, או בכמה משימות דומות.

בינה מלאכותית כללית (AGI) היא רעיון למשהו אחר: מערכת שתהיה גמישה כמו אדם, בכל תחום. זה קצת כמו ההבדל בין מחשבון, שמצוין בחשבון ולא יודע לעשות שום דבר אחר, לבין תלמיד שיכול ללמוד כל מקצוע חדש שמוסיפים למערכת השעות שלו. מערכת כזאת הייתה אמורה ללמוד משימה חדשה בלי שיאמנו אותה מחדש במיוחד בשבילה, כמו שמי שיודע לנהוג יכול ללמוד, עם קצת תרגול, גם לרכוב על אופניים. מערכת כזאת עדיין לא קיימת.

איך יודעים אם מכונה הגיעה לשם? הוצעו כמה מבחנים. באחד מהם, "מבחן הקפה", בודקים אם רובוט יכול להיכנס לבית זר לגמרי ולהכין בעצמו כוס קפה. זה נשמע פשוט, אבל צריך לראות, לתכנן ולהזיז חפצים במקום שלא מכירים.

גם המומחים לא מסכימים. ב-1965 טען החוקר הרברט סיימון שתוך עשרים שנה מכונות יוכלו לעשות כל עבודה שאדם עושה, והתחזית התבררה כשגויה. היום יש חוקרים שחושבים שזה יקרה תוך שנים בודדות, אחרים מדברים על עשרות שנים, ויש שמפקפקים אם הדרך הנוכחית בכלל תוביל לשם. אז כשמישהו מכריז שכבר בנו בינה מלאכותית כללית, זכרו שזו שאלה שעדיין מתווכחים עליה.

לכל הפרטים והמקורות — הערך המלא ←

מה המושג אומר לארגון ולעסק. כל עובדה כאן מופיעה גם בערך המלא.

AGI היא יעד, לא מוצר: מערכת היפותטית שתהיה גמישה כמו אדם בכל תחום, ותלמד משימה חדשה בלי אימון ייעודי מחדש. כל מה שקיים היום, גם כשהוא מרשים מאוד, הוא בינה מלאכותית צרה, שמצטיינת בקבוצה מוגבלת של משימות.

המושג פוגש אתכם בעיקר דרך השיח: במצגות, בכותרות ובהצהרות של מנהלי חברות. בדצמבר 2025 הצהיר מנכ"ל OpenAI סם אלטמן "בנינו AGI", והתגובות בקהילת המחקר היו מעורבות מאוד; חלק מהחוקרים ראו בהצהרה שיווק מוקדם יותר מאשר תיאור מדויק של מצב הטכנולוגיה. באותה הצהרה הוא גם הציע שהתחום יעבור להתמקד ב"על-אינטליגנציה", כלומר מערכת שעולה משמעותית על יכולת האדם, כך שגם המושגים עצמם זזים מהר. חלק מהחוקרים מביעים גם חשש מפורש: ההשקעות סביב AGI (OpenAI גייסה כ-40 מיליארד דולר ב-2025) יוצרות תמריץ להצהרות אופטימיות יותר ממה שהמצב הטכני מצדיק.

המשמעות המעשית: אין הסכמה על ההגדרה, ולכן גם לא על השאלה אם היעד הושג. המבחנים שהוצעו מודדים דברים שונים. מבחן טיורינג בודק אם שיחה בטקסט מטעה שופט אנושי, ומבקריו אומרים שהוא מודד יכולת הטעיה ולא אינטליגנציה. "מבחן הקפה" בודק אם רובוט מכין קפה בבית זר. והשאלה אם ביצועים רחבים במגוון משימות הם כבר "כלליות" היא לב המחלוקת. הניסיון ההיסטורי מלמד זהירות: ב-1965 נחזה שתוך עשרים שנה מכונות יבצעו כל עבודה אנושית. וגם אם יכולת כזו תושג, המעבר מהישג מעבדה לפריסה בטוחה ואמינה הוא אתגר נפרד, כמו הפער שקיים כבר היום בין הדגמות מרשימות לבין אמינות בסביבה מורכבת ובלתי צפויה. לכן כדאי לבסס החלטות על מה שמערכת עושה בפועל במשימות שלכם, ולא על התווית שהיא נושאת.

שאלות שכדאי לשאול ספק, צוות או יועץ:

• כשאתם מתארים את המערכת כ"כללית", לפי איזו הגדרה, ובאיזה מבחן זה נבדק?
• איך המערכת מתפקדת במשימה שלא אומנה עליה במיוחד, ומה קורה כשהסביבה אצלנו שונה מסביבת ההדגמה?
• אילו מהיכולות שהוצגו לנו נמדדו בתנאי מעבדה, ואילו בפריסה אמיתית?
• אם התוכנית נשענת על התקדמות עתידית לעבר AGI, מה המערכת נותנת לנו כבר היום בלעדיה?

לכל הפרטים והמקורות — הערך המלא ←