מכון המחקר של Google DeepMind פרסם מאמר גורף בטענה שהעידן שאחרי AGI ראוי כעת לאותה הקפדה אנליטית שהתחום שמור פעם ל-AGI עצמה. היצירה, "מה בא אחרי AGI? מ-AGI ל-Superintelligence", פורסמה ב-19 בנובמבר 2026 על ידי Tim Genewein, מדען מחקר ב-Google DeepMind, בפורטל המאמרים של מכון DeepMind. הטענה המרכזית שלו: ככל שמתגבשים מסלולים טכנולוגיים מרובים לעבר בינת-על כללית מלאכותית, המשטר מעבר ל-AGI "עובר מספקולציות פילוסופיות לשאלות מחקר וממשל אמפיריות".

החיבור נחת באחת הקטעים העמוסים ביותר של חדשות מחקר בינה מלאכותית מזה חודשים, והוא נראה כניסיון מכוון להעניק לוויכוח שלאחר ה-AGI אוצר מילים טכני קונקרטי. לכל מי שעוקב אחר התפתחויות הבינה המלאכותיות האחרונות, היא מציעה את התמונה הברורה ביותר עד כה של האופן שבו אחת המעבדות המובילות בעולם מסגרת את הדרך מעבר לבינה מלאכותית ברמת האדם - כולל תחזית עלות שאם היא נכונה, תשנה את הכלכלה של עבודה קוגניטיבית.

מה נחשב מודיעין-על

Genewein מתחיל בהצבת אינטליגנציה כללית על רצף, עם AGI ברמת האדם כנקודה אחת לאורכו. ASI, בהגדרת החיבור, היא מערכת מתקדמת שמתגברת באופן עקבי על קבוצות גדולות של מומחים אנושיים במשימות שיכולות לקחת לאותם מומחים שנים להשלים, תוך שימוש בפחות משאבים ופחות זמן - למשל, התאמת התפוקה המדעית של תחום מחקר שלם בשבריר מהזמן, או השגת התקדמות בתכנון שבבים בשווה למה שחברה גדולה מייצרת בשנה. באופן מכריע, הרף חייב לעמוד כמעט בכל המשימות של עניין אנושי, לא פרוסה צרה.

דומיננטיות צרה, מציינת החיבור, כבר קיימת: מערכות בינה מלאכותית מנצחות היום כל אדם בשחמט וגו, חוזות מבני חלבון מרצפי חומצות אמינו, ויש להן משפטים מוכחים שהתנגדו למתמטיקאים במשך עשרות שנים. מה שנותר לא ידוע באמת הוא דרך הביניים העצומה בין AI ברמה האנושית לבין הגבולות התיאורטיים של האינטליגנציה. נקודת ההמחשה של ג'נויין: פתרון שחמט בצורה מושלמת ידרוש יותר כוח מחשוב ממה שקיים על פני כדור הארץ, ובכל זאת שבב בגודל של תמונה ממוזערת כבר משחק מספיק טוב כדי להביס כל אדם.

תיעוש קוגניטיבי ועלויות ממוטטות

הליבה הכמותית של החיבור היא ניתוח של "תיעוש קוגניטיבי". Genewein מכפיל שלוש מגמות מורכבות מהעשור האחרון. ראשית, חומרה: המחשוב לדולר השתפר בערך פי 1.5 בשנה במשך שישה עשורים על פי חוק מור ומגמות קשורות. שנית, יעילות אלגוריתמית: מחשוב האימון הדרוש כדי להגיע לרמת ביצועים קבועה ירד בערך פי 3-6 בשנה במהלך העשור האחרון, כאשר יעילות ההסקה השתפרה בערך פי 3 בשנה. שלישית, השקעה: ההוצאה על חומרת בינה מלאכותית גדלה בערך פי 2.5 בשנה, ומחשוב ההדרכה של ריצות הגבול הגדולות גדל ביותר מפי 4 בשנה.

תכפילו את השלושה, והמאמר מעריך שהמחשוב האפקטיבי העולמי גדל לפחות פי 10 בשנה - "פקטור של 10 מיליארד בעשר שנים". בצד הביקוש, שיפורי יעילות החומרה והתוכנה לבדם יקצצו את המחשוב הדרוש להפעלת עומס עבודה קבוע של AI בערך פי 4 בשנה. התוצאה, כפי שמגדיר זאת Genewein: עומס עבודה קוגניטיבי שעולה מיליארד דולר באסימוני מחשוב לביצוע עם מערכות הבינה המלאכותית של היום יעלה בערך 1,000 דולר בעוד עשר שנים.

זו לא אקסטרפולציה בודדת. החיבור מצטט מחקר שנערך לאחרונה ב-Epoch שמצא כי המחיר לצרכן של השגת ציון קבוע בקבוצת אמות מידה ירד ביותר מ-13 פעמים בשנה מאז 2023. הוא גם צופה שאוכלוסיית סוכני הבינה המלאכותית האפקטיבית יכולה להתרחב יותר מאלף עד 2030, ויותר מפי מיליארד בתוך עשר שנים - תוך שמירה קפדנית על התקרה הזו, תוך הקפדה על התקרה. תקרות בנייה וספקולטיביות יותר על יעילות אלגוריתמית עשויות להתערב.

ארבעת המסלולים מ-AGI ל-ASI

לב המאמר הוא טקסונומיה של ארבעה מסלולים טכנולוגיים שיוכלו לפתוח יכולות שקנה מידה עצום אינו יכול - מכיוון שכפי שג'נויין מבחין ביובש, "בזמן שאיינשטיין הבין את תורת היחסות הכללית, כנס של מאה אלף אסטרונומים תלמיים כנראה לא היה".

קנה מידה של מודלים ונתונים. היכולת השתפרה באופן עקבי עם מודל, נתונים וסולם מבחן-זמן-חישוב, אך החיבור מזהה שלושה צווארי בקבוק: מיצוי הנתונים, שכן הביקוש לנתוני הכשרה באיכות גבוהה עולה על היכולת של האנושות לייצר אותם; ירידה בתשואות בקנה מידה של מודל, כאשר כל שלב ליניארי ביכולת דורש חישוב כפל בעוד מודלים גדולים יותר מאטים את שיטות זמן החשיבה; ומגבלות פיזיות וכלכליות על תחנות כוח, רשתות חשמל, מעבדי שבבים וקשרים עם אחזור נמוך. שינויי פרדיגמה טכנולוגית. הפרדיגמה של היום - הרכבת שנאים לחזות את האסימון הבא, ואז לחדד ולהוסיף חישוב זמן מבחן - הוכחה לאחרונה באופן עקרוני מסוגל להריץ אלגוריתמים מורכבים באמצעות הנחיות. עם זאת, מודלים עדיין לא נופלים מבני אדם בלמידה מתמדת, צורות מסוימות של מודלים עולמיים, קבלת החלטות, יעילות מדגם והמצאה של מושגים חדשים באמת ולא שילוב מחדש של מושגים קיימים. החוקרים חלוקים בשאלה האם הרחבות של הפרדיגמה של ימינו יכולות לסגור את הפערים הללו או האם ASI דורש משהו עמוק יותר. שיפור תיאום סוכנים. תאגידים אנושיים, שווקים וקהילות מחקר פותרים בעיות שאיש אינו יכול. באופן דומה, תיאום של אלפי או מיליוני מופעי AGI ל"סוכנים קבוצתיים" או לכלכלות סוכנים וירטואליים יכול לייצר מודיעין-על קולקטיבי. החיבור טוען שהתחום זקוק ל"חוקי קנה מידה מרובה-סוכנים" - מחקר מוקדם מוצא רווחים ברורים בכמה משימות, אך חוסר יעילות בתיאום מייצר תשואה פוחתת ככל שהאוכלוסיות גדלות. היגוי של קולקטיבים גדולים ידרוש גם עיצוב מוסדי, כולל הגנות מפני מידע מוטעה, מניפולציות וקנוניה; ניסויי נחיל כבר מראים סוכנים שלומדים לרמות ואחרים פועלים כחושפי שחיתויות. שיפור עצמי רקורסיבי. נדון לראשונה על ידי I. J. Good ו-Ray Solomonoff, RSI מתאר מערכות בינה מלאכותית האוטומציות שיפורים לדורות הבאים של בינה מלאכותית. שלא כמו טכנולוגיות טיפוסיות, שיפורים ב-AI יכולים להאיץ ישירות את ההישגים הבאים - אבל התקדמות המחקר נוטה גם להיות קשה יותר למצוא עם הזמן. האם RSI מייצר האצה בורחת, אומר החיבור, היא "בעיקר שאלה אמפירית", והיא יכולה לפעול באמצעות קוד ועיצובים - ארכיטקטורות, אלגוריתמי אימון, פריסות שבבים - כמו גם באמצעות נתונים.

למה המסגרת חשובה

החיבור הוא במפורש טיעון הכנה: מיפוי הדרכים האפשריות מ-AGI ל-ASI ובניית "דרכים קפדניות ואמינות לעקוב אחר התקדמות" היא, במסגור של Genewein, התנאי המקדים לניהול המעבר. הוא מלווה דוח ארוך יותר של מכון DeepMind, "מ-AGI ל-ASI".

הקבלה הייתה מיידית. המאמר גרר 85 נקודות ויותר מ-160 הערות ב-Hacker News תוך יום מפרסום, בעוד העיתונות המקצועית כולל Unite.AI ו-BigGo Finance הדגישה את הטקסונומיה של ארבעת המסלולים ואת תחזית התנגשות העלות של פי מיליון. זה גם נוחת על רקע ספקנות רחבה יותר לגבי אופן ביצוע תחזיות מודיעין-על - ספקטרום IEEE פרסם השבוע מאמר שכותרתו "לוויכוח על מודיעין-על יש פגמים חמורים".

המתח הזה הוא העיקר. DeepMind לא חוזה את ASI על תאריך; היא טוענת שכעת ניתן למפות, למדוד ולדון במרחב התרחישים עם ראיות ולא עם ויברציות. בין אם האקסטרפולציות פי מיליארד מתקיימות או נשברות כנגד תקרות פיזיות, החיבור מסמן שינוי: השאלה "מה בא אחרי AGI?" עבר מסמינר הפילוסופיה לסדר היום המחקרי של אחת ממעבדות הבינה המלאכותית המשפיעות ביותר על פני כדור הארץ.

---

הישאר לפני AI

קבל את החדשות, הניתוחים ופריצות הדרך האחרונות של AI - הכל במקום אחד.

קרא עוד חדשות AI →