«I think it’s now. I think we’ve achieved AGI.».
Με αυτή τη φράση, στο πρόσφατο επεισόδιο του Lex Fridman Podcast, ο Jensen Huang, συνιδρυτής και CEO της Nvidia, πήρε μια θέση που μέχρι χθες ακουγόταν περισσότερο σε X threads και λιγότερο από τους ανθρώπους που κρατούν το μεγαλύτερο μερίδιο της παγκόσμιας αγοράς AI hardware.
Ο Huang δεν περιγράφει μια «μακρινή» μελλοντική AGI, αλλά υποστηρίζει ότι με βάση τα σημερινά μοντέλα, τα benchmarks και τα agentic συστήματα που αρχίζουν να συνδέονται με τον φυσικό κόσμο, έχουμε ήδη περάσει ένα ουσιαστικό όριο.
Πού έκανε τη δήλωση και με ποιο πλαίσιο
Η δήλωση έγινε στο Lex Fridman Podcast #494, σε ενότητα όπου ο Fridman ζητά από τον Huang να τοποθετηθεί στο timeline της AGI.
Ο Fridman δίνει πρώτα έναν πολύ συγκεκριμένο, «επιχειρηματικό» ορισμό: AGI ως σύστημα που μπορεί να κάνει τη δουλειά του – να ξεκινήσει, να αναπτύξει και να τρέξει μια εταιρεία άνω του 1 δισ. δολαρίων σε αξία.
Σ’ αυτό το πλαίσιο, όταν ο Fridman τον ρωτά αν μιλάμε για 5, 10 ή 20 χρόνια, ο Huang απαντά: «I think it’s now. I think we’ve achieved AGI.», παίρνοντας σαφή θέση ότι η γραμμή έχει ήδη περάσει.
Τι εννοεί ο Huang όταν λέει «AGI είναι τώρα»
Ο Huang δεν μιλά για μια «ισχυρή» AGI με συνείδηση, ανθρώπινη εμπειρία ζωής ή πλήρη κοινή λογική, όπως τη φαντάζεται η επιστημονική φαντασία.
Μιλά για μια λειτουργική AGI, ένα AI που, με πρόσβαση σε εργαλεία, δεδομένα και υποδομές, μπορεί να παίξει ρόλο ψηφιακού εργαζόμενου υψηλής προστιθέμενης αξίας – μέχρι και να τρέξει μια πολύπλοκη, κερδοφόρα εταιρεία.
Στο ίδιο επεισόδιο, περιγράφει την εξέλιξη των scaling laws – από το pre‑training και το post‑training, μέχρι το test‑time scaling και τα agentic systems – υποστηρίζοντας ότι αυτό που ονομάζουμε «γενική νοημοσύνη» θα κριθεί στην πράξη από το compute που επενδύεται και την ικανότητα των συστημάτων να μαθαίνουν και να δρουν στον πραγματικό κόσμο.
Τα στοιχεία που επικαλείται
Ήδη από το GPT‑4, η OpenAI είχε παρουσιάσει αποτελέσματα «ανθρώπινου επιπέδου» σε μια σειρά από standardized tests, συμπεριλαμβανομένων νομικών εξετάσεων (bar exam) και ακαδημαϊκών tests, με επιδόσεις ανάμεσα στους κορυφαίους ανθρώπινους υποψηφίους.
Τότε, η αγορά αντιμετώπισε αυτά τα αποτελέσματα ως εντυπωσιακά benchmarks, ένα μεγάλο βήμα αλλά όχι απαραίτητα «AGI».
Η ανάγνωση του Huang – όπως καταγράφεται και σε αναλύσεις – είναι πιο επιθετική: βλέπει αυτά τα benchmarks ως ένδειξη ότι η κατηγορία έχει ήδη αλλάξει, ότι δεν μιλάμε πια για narrow AI αλλά για συστήματα γενικής χρήσης που μπορούν να γενικεύουν σε πολλά domains.
OpenClaw, ρομποτική και agentic συστήματα
Μεγάλο μέρος της συζήτησης επικεντρώθηκε στο OpenClaw, το open-source πλαίσιο τεχνητής νοημοσύνης παραγόντων (agentic AI) που έχει σημειώσει εκρηκτική αύξηση στη δημοτικότητά του από την κυκλοφορία του τον Νοέμβριο του 2025 με το OpenClaw να εμφανίζεται σε demos όπου LLM‑based agents ελέγχουν ρομποτικά χέρια και βραχίονες σε συσκευές Nvidia Jetson, εκτελώντας πολύ‑βήμα εργασίες στον φυσικό κόσμο, από απλούς χειρισμούς αντικειμένων μέχρι πιο σύνθετα workflows.
Στο συνέδριο GTC της Nvidia την προηγούμενη εβδομάδα, ο Huang παρουσίασε το NemoClaw, μια εταιρική πλατφόρμα χτισμένη πάνω στο OpenClaw, αποκαλώντας το «το πιο δημοφιλές open-source project στην ιστορία της ανθρωπότητας».
Ο Fridman επισήμανε την άνοδο εργαλείων όπως το OpenClaw ως το σκηνικό για την ερώτησή του περί AGI, αλλά η απάντηση του Huang υπονόησε ότι ο πήχης για τη γενική νοημοσύνη μπορεί να είναι χαμηλότερος από ό,τι υποστηρίζουν εδώ και καιρό οι πιο φιλόδοξοι υποστηρικτές της τεχνολογίας.
Η παραδοχή του «Μηδέν Τοις Εκατό»
Ακόμη και ενώ υποστήριζε ότι το ορόσημο της AGI είχε επιτευχθεί, ο Huang ήταν ειλικρινής σχετικά με τους περιορισμούς των σημερινών παραγόντων τεχνητής νοημοσύνης. «Οι πιθανότητες 100.000 από αυτούς τους παράγοντες να χτίσουν τη Nvidia είναι μηδέν τοις εκατό», δήλωσε ξεκάθαρα. Η παραδοχή αυτή έθεσε μια αιχμηρή διαχωριστική γραμμή ανάμεσα σε αυτό που μπορεί να παράγει η σημερινή τεχνητή νοημοσύνη — παροδικές, viral επιτυχίες — και την πολύπλοκη θεσμική νοημοσύνη που απαιτείται για να χτίσεις και να διατηρήσεις μια εταιρεία όπως η Nvidia, η οποία έχει κεφαλαιοποίηση περίπου 4 τρισεκατομμυρίων δολαρίων.
