AGI (yleinen tekoäly)

Miksi tällä on väliä

AGI on yksi tekoälykeskustelun kiistellyimmistä käsitteistä, ja juuri siksi siitä kannattaa olla perillä. Kun otsikot lupaavat ”ihmistason tekoälyä” tai varoittavat sen vaaroista, ne puhuvat AGI:sta. Päättäjälle olennaista on erottaa se, mihin tekoäly tänään aidosti pystyy, siitä, mitä AGI:lla tarkoitetaan: jälkimmäinen on yhä hypoteettinen, eikä sen tarkasta määritelmästä tai saapumisajasta vallitse yksimielisyyttä. Tämän eron ymmärtäminen suojaa sekä ylihypeltä että aiheettomalta pelolta.

Käsite on myös liiketoiminnan kannalta tärkeä, koska AGI:n oletettu saapuminen ohjaa isoja investointi- ja sääntelypäätöksiä. Kun arvioi tekoälyn merkitystä omalle organisaatiolle, on hyödyllistä tietää, että nykyiset työkalut ovat kapeaa tekoälyä, joka tuottaa käytännön hyötyä jo nyt, ja että AGI on erillinen, avoin kysymys, ei tuotteen ominaisuus.

Mikä AGI on?

AGI eli yleinen tekoäly on hypoteettinen tekoäly, joka yltäisi ihmisen tasolle tai sen ohi käytännössä missä tahansa älyllisessä tehtävässä, ei vain kapeissa. Wikipedian sanoin se ”vastaa tai ylittää ihmisen kyvyt lähes kaikissa kognitiivisissa tehtävissä”. Ratkaiseva ero nykyiseen tekoälyyn on yleisyys: AGI kykenisi yleistämään oppimaansa, siirtämään taitoja alalta toiselle ja ratkaisemaan uusia ongelmia ilman erillistä ohjelmointia kuhunkin tehtävään.

Määritelmä on kuitenkin kiistanalainen, ja se kannattaa sanoa suoraan. Wikipedia huomauttaa, ettei tietokoneisiin sovellettavasta älykkyydestä ole yhtä yleisesti hyväksyttyä määritelmää. Osa tutkijoista pitää AGI:n edellytyksenä tietoisuutta, tavoitteenasettelua tai tunteita, osa taas määrittelee sen puhtaasti mitattavien kykyjen kautta. Tästä syystä sama sana tarkoittaa eri puhujille eri asioita.

Miten AGI eroaa kapeasta tekoälystä ja superälystä?

AGI asettuu kahden muun käsitteen väliin. Kapea tekoäly (englanniksi narrow AI tai ANI) on kaikki se tekoäly, jota tänään käytämme: sen kyvyt rajoittuvat tarkkaan määriteltyihin tehtäviin, kuten kääntämiseen, kuvantunnistukseen tai tekstin tuottamiseen. Se voi olla yli-inhimillinen omalla kapealla alueellaan mutta avuton sen ulkopuolella. AGI olisi yleiskykyinen: sama järjestelmä suoriutuisi laajasti erilaisista tehtävistä ihmisen tavoin.

Superäly (ASI, artificial superintelligence) menisi vielä pidemmälle. Wikipedian mukaan se ”ylittäisi parhaatkin ihmiskyvyt kaikilla aloilla selvällä marginaalilla”. Järjestys on siis kapea tekoäly (nyt) → AGI (ihmistaso, hypoteettinen) → superäly (yli ihmisen, hypoteettinen). AGI ja superäly ovat molemmat yhä saavuttamatta; ne eivät ole nykyisten tuotteiden ominaisuuksia vaan tutkimuksen ja keskustelun kohteita.

Onko AGI jo olemassa, ja miten edistystä mitataan?

Ei ole, mutta rajanveto on liukuva, ja siksi tutkijat ovat alkaneet puhua AGI:n tasoista yhden kynnyksen sijaan. Google DeepMindin tutkijat (Morris ym., 2023) ehdottivat kehikkoa, jossa AGI:ta arvioidaan kahdella akselilla: suorituskyvyn syvyydellä ja kyvykkyyden yleisyydellä eli leveydellä. He erottavat viisi suoritustasoa: Emerging (orastava), Competent (pätevä), Expert (asiantuntija), Virtuoso (virtuoosi) ja Superhuman (yli-inhimillinen). Samassa työssä he luokittelevat nykyiset huippukielimallit tasolle ”Emerging AGI”, jota he kuvaavat verrattavaksi taitamattomaan ihmiseen. Kehikon keskeinen periaate on arvioida sitä, mihin järjestelmä pystyy, ei sitä, miten se sisäisesti toimii.

Käytännön mittaaminen nojaa benchmarkeihin. Stanfordin HAI:n AI Index 2025 -raportin mukaan tekoäly paransi vuodessa tuloksiaan uusilla vaativilla testeillä: MMMU +18,8, GPQA +48,9 ja SWE-bench +67,3 prosenttiyksikköä, ja kieliagentit ohittivat ihmiset aikarajatuissa ohjelmointitehtävissä. Nämä ovat kuitenkin edelleen kapeita mittareita: hyvä tulos yksittäisessä testissä ei ole sama asia kuin yleinen älykkyys.

Milloin AGI:ta on odotettavissa – ja tuleeko se lainkaan?

Kukaan ei tiedä, ja ennusteet vaihtelevat suuresti, mutta laajin tuore mittapiste on Grace ym. (2024), joka kysyi vuonna 2023 yhteensä 2 778 huippujulkaisseelta tekoälytutkijalta. Kyselyn mukaan koneet ylittäisivät ihmisen kaikissa mahdollisissa tehtävissä 50 prosentin todennäköisyydellä vuonna 2047 ja 10 prosentin todennäköisyydellä vuonna 2027; vuosiluku 2047 aikaistui 13 vuotta vuoden 2022 vastaavasta kyselystä. (Kyselyn kynnys on tehtäväpohjainen ”kaikki tehtävät” -mittari, joka on läheistä sukua AGI:lle mutta ei täsmälleen sama asia.) Ennusteisiin kannattaa silti suhtautua varauksella: Wikipedian kokoaman, 95 vuosina 1950–2012 tehtyä ennustetta kattaneen meta-analyysin mukaan ennusteilla on vahva taipumus sijoittaa AGI aina 15–25 vuoden päähän ennustushetkestä. Toisin sanoen ”noin 20 vuoden päässä” on toistunut vuosikymmenestä toiseen.

Siksi tässä sanastossa ei anneta yhtä lukua. Arviot vaihtelevat muutamasta vuodesta useisiin vuosikymmeniin tai siihen, ettei AGI:ta saavuteta lainkaan, riippuen kysytystä ihmisestä ja siitä, miten AGI määritellään.

Mihin nykyinen tekoäly pystyy ja mihin ei?

Nykyinen tekoäly on vaikuttava kapealla alueella mutta hauras yleisessä päättelyssä, ja tämä kontrasti selittää, miksi AGI on yhä kaukana. Stanfordin AI Index 2025 antaa molemmat puolet. Vahvuus: mallit loistavat esimerkiksi matematiikkaolympialaisten tehtävissä ja parantavat benchmark-tuloksia nopeasti. Heikkous: samat mallit kompuroivat monimutkaisessa suunnittelupäättelyssä, kuten PlanBench-testissä, jossa ne epäonnistuvat loogisissa tehtävissä, vaikka todistettavasti oikea ratkaisu on olemassa. Yleistäminen, luotettava monivaiheinen päättely ja uusien tilanteiden hallinta ovat juuri niitä kykyjä, jotka erottaisivat AGI:n nykyisestä tekoälystä ja jotka yhä puuttuvat.

Onko AGI ylipäätään mahdollinen?

Se on avoin kysymys, josta asiantuntijat ovat aidosti eri mieltä. Osa pitää AGI:ta väistämättömänä ajan kysymyksenä, osa epäilee, onko nykyisillä menetelmillä edes oikea suunta. Kiista kytkeytyy määritelmään: jos AGI vaatisi tietoisuutta tai ymmärrystä ihmisen tapaan, kysymys menee filosofian puolelle eikä ratkea pelkillä benchmarkeilla. Havainnollisia mittatikkuja on ehdotettu useita, kuten kahvitesti (osaako kone keittää kahvia tuntemattomassa kodissa), Ikea-testi (kokoaako se huonekalun ohjeista) tai Suleymanin testi (pystyykö tekoäly muuttamaan 100 000 dollaria miljoonaksi). Yksikään ei ole vakiintunut ratkaisijaksi, mikä kertoo, kuinka avoin kysymys yhä on.

AGI:n riskit ja turvallisuus – miksi siitä kiistellään?

AGI-keskustelu on niin kärjekästä, koska panokset olisivat toteutuessaan suuret molempiin suuntiin. Yhtäältä yleiskykyinen tekoäly voisi vauhdittaa tiedettä ja taloutta. Toisaalta järjestelmä, joka toimii ihmistä laajemmin ja itsenäisemmin, nostaa esiin hallittavuuden ja tavoitteiden yhteensovittamisen kysymykset: miten varmistetaan, että tehokas järjestelmä tekee sitä, mitä ihminen tarkoitti. Tämä on tekoälyn turvallisuustutkimuksen ydinaluetta. On kuitenkin syytä pitää erillään kaksi asiaa: nykyisen kapean tekoälyn konkreettiset haitat (kuten harha-arviot, vinoumat ja väärinkäyttö) ja AGI:hin liittyvät hypoteettiset pidemmän aikavälin riskit. Molemmat ovat aiheellisia, mutta ne eivät ole sama keskustelu.

Mitä AGI merkitsee yrityksille ja päättäjille?

Käytännön johtopäätös on hillitty: rakenna päätökset sen varaan, mihin tekoäly pystyy tänään, älä sen varaan, että AGI saapuu tiettynä vuonna. Investoinnit kannattaa suunnata siihen, mihin tekoäly jo tänään pystyy. AGI:n rooli päätöksenteossa on lähinnä pitää silmällä suuntaa ja säilyttää joustavuus, ei ostaa lupauksia. Kun toimittaja lupaa ”AGI:ta” tai ”ihmistason tekoälyä”, se on merkki tarkentaviin kysymyksiin, ei kypsä ominaisuus. Tasapainoinen, lähteisiin nojaava ymmärrys auttaa erottamaan aidon hyödyn lupauksista.

Usein kysytyt kysymykset

Onko AGI sama asia kuin ChatGPT tai muut nykyiset tekoälytyökalut?

Ei. Nykyiset työkalut ovat kapeaa tekoälyä: taitavia rajatuissa tehtävissä mutta vailla yleistä, alalta toiselle siirtyvää kyvykkyyttä. Google DeepMindin kehikossa (Morris ym., 2023) huippukielimallit luokitellaan tasolle ”Emerging AGI”, jota kuvataan verrattavaksi taitamattomaan ihmiseen, ei täydeksi AGI:ksi. AGI on yhä hypoteettinen.

Mitä eroa on AGI:lla ja superälyllä (ASI)?

AGI tarkoittaisi ihmistason yleistä kyvykkyyttä. Superäly (ASI) ylittäisi Wikipedian mukaan parhaatkin ihmiskyvyt kaikilla aloilla selvällä marginaalilla. Järjestys on kapea tekoäly (nykyisin) → AGI (ihmistaso) → superäly (yli ihmisen). AGI ja superäly ovat molemmat vielä saavuttamatta.

Milloin AGI:ta on odotettavissa – ja tuleeko se lainkaan?

Yhtä luotettavaa vuotta ei ole. Laajimmassa tuoreessa kyselyssä (Grace ym., 2024; 2 778 tekoälytutkijaa vuonna 2023) koneet ylittäisivät ihmisen kaikissa tehtävissä 50 prosentin todennäköisyydellä vuonna 2047 – 13 vuotta aiemmin kuin edellisvuoden kyselyssä. Hajonta on silti suuri, ja ennusteilla on historiallinen taipumus sijoittua aina noin 15–25 vuoden päähän. Suhtaudu yksittäisiin vuosilukuihin varauksella.

Onko AGI varmasti tulossa?

Ei ole varmuutta. Asiantuntijat ovat eri mieltä siitä, saavutetaanko AGI nykyisillä menetelmillä, vuosikymmenten päästä vai lainkaan. Osa pitää sitä ajan kysymyksenä, osa epäilee koko suuntaa. Epävarmuus on itsessään olennainen osa käsitettä.

Pitäisikö yritysten valmistautua AGI:hin nyt?

Kannattaa seurata kehitystä, mutta rakentaa päätökset nykyisen tekoälyn todellisten kykyjen varaan, ei oletetun AGI-aikataulun. AGI on avoin kysymys, jota kannattaa pitää silmällä säilyttäen joustavuus, ei ostaa lupauksena.

Lähteet

• Morris ym., Google DeepMind (2023): Levels of AGI for Operationalizing Progress on the Path to AGI – AGI:n tasot, mittausakselit ja nykymallien luokitus ”Emerging AGI”.
• Wikipedia: Artificial general intelligence – määritelmä ja sen kiistanalaisuus, kapea tekoäly vs AGI vs superäly, testit ja ennusteiden historiallinen harha.
• Grace ym. (2024): Thousands of AI Authors on the Future of AI – 2 778 tekoälytutkijan kysely (2023) ja aikatauluennusteet (koneet yli ihmisen kaikissa tehtävissä 50 % todennäköisyydellä 2047).
• Stanford HAI: AI Index 2025 – benchmark-harppaukset ja nykyisen tekoälyn päättelyn rajat.