2027-re az AGI (általános mesterséges intelligencia) fejlesztése az előrejelzések szerint áttörési ponthoz érkezik:  a rendszerek képesek lesznek önálló kognitív feladatok elvégzésére és az önálló, autonóm kutatás-fejlesztésre is. A szakértői vélemények alapján az AGI, (Artificial General Intelligence) az autonóm mesterséges általános intelligencia 2027-es állapota, várható technológiai képességei:

- Autonóm kódolás és AI-kutatás: a modellek képessé válnak arra, hogy emberi beavatkozás nélkül, teljesen önállóan programozzanak és új AI-architektúrákat kutassanak, létrehozva az első önfejlesztő ciklusokat. Az emberi kapacitás megközelítése: a rendszerek számítási és logikai kapacitása 2027-ben már közelíti az emberi szintet.

- Fejlett AI-ágensek: a hétköznapi felhasználásban elterjednek az összetett digitális munkafolyamatokat, tervezést és ügyintézést önállóan végző autonóm ágensek. Az optimistább forgatókönyvek szerint 2027 a szingularitás és a önálló AAI (Autonomous Artificial Intelligence) megszületésének éve lesz, de vannak eltérő szakértői álláspontok is. Pl.: "A technológia hamarosan elérheti azt a szintet, amikor emberi beavatkozás nélkül is képes lesz saját magát továbbfejleszteni, miközben sem a szabályozás, sem a technikai felkészültség nem elegendő egy ilyen helyzet kezelésére". Az AAI -nek az lesz az egyik fontos tulajdonsága, hogy korlátozott, meghatározott területeken működik, és korlátozott kapcsolatokat használ.

A 2026 -os szeptemberi Budapest-i AI Summit Konferencián megállapítják, hogy az AGI színtű, de egyenetlen teljesítményű modellek nem is fogják kiváltani a humán intelligenciát (HI). Az emberi HI és a gépi AI soha nem lesz azonos, az AI egyes területeken fejlettebb lesz, mint a HI, mert a gép és az ember teljesen eltérő alapon, módon működik, így az AI nem kiváltja, hanem kiegészíti a humán intelligenciát (HI). Míg az emberi elme képes a kontextus mély megértésére, az empátiára és a fogalmi kreativitásra, addig a mesterséges intelligencia egyes területeken már most is messze túlszárnyalja a HI-t.

Az AI az alábbi specifikus részterületeken sokkal fejlettebb és hatékonyabb, mint az ember:

- Adatfeldolgozás: nagy mennyiségű dokumentum és strukturálatlan adat azonnali átlátása.

- Minta-felismerés: Apró orvosi elváltozások vagy piaci anomáliák detektálása.

- Számítási kapacitás: Komplex matematikai modellek és szimulációk futtatása másodpercek alatt.

- Kombinatorika: Új fehérjestruktúrák vagy kémiai vegyületek tervezése (pl. AlphaFold).

- Fáradhatatlanság: Monoton, ismétlődő feladatok végzése 24/7-ben, teljesítményromlás nélkül.

A hibrid (ember+gép) rendszerekben az ember egyik feladata a hallicinációk kezelése lesz, a hibrid rendszerekben az emberi kontroll szerepe megváltozik: AI Auditor, Copilot Supervisor munkakörök jönnek létre, pl. az AAI karanténba zárására. 

A gépi hallucinációk nem hibák, hanem a statisztikai szöveggenerálás természetes velejárói, így irányításukhoz, kiszűrésükhöz elengedhetetlen a humán intelligencia, a hibrid-AI. A gép azért nem tudja, hogy hallucinál, mert nem rendelkezik a valóság fogalmával, sem öntudattal, és nem is fog öntudatra ébredni. Az AI modellek működése tisztán statisztikai és matematikai alapokon nyugszik, nem pedig a tények ismeretén.

A hallucinációk és a gép „tudatlanságának” fő okai a valószínűségszámításban rejlenek. A gép nem tényeket keres, hanem azt számolja ki, milyen szó, minta következik a legnagyobb valószínűséggel egy sorozatban. Agykapcsolat-illúzióját kelti, hogy úgy köti össze a szavakat, hogy a szöveg nyeltanilag és stilisztikailag tökéletes, de a tartalma statisztika eredménye. Az AI valóságérzékelésének a hiánya, nem tudja ellenőrizni a fizikai valóságot vagy a külső adatbázisokat, hacsak erre külön eszközt (pl. webkeresőt), utasítást nem kap. De van egy megfelelési kényszere, a modelleket arra optimalizálták, hogy mindenáron választ adjanak, így inkább kitalálnak valamit, semmint megtagadják a választ. A statisztikus működés miatt lehetséges a mintafelismerési hibázás: ha a betanított adatok között ellentmondásos vagy hamis információk voltak, a gép azokat igazságnak tekinti.

Az emberi irányítás hibrid-AI esetén az alábbi kulcsfontosságú feladatokra összpontosul majd:

- Tényellenőrzés: A generált adatok, források és logikai összefüggések valóságtartalmának validálása.

- Kontextualizálás: A gép által javasolt válaszok kulturális, társadalmi és etikai finomhangolása.

- Prompt engineering: Olyan precíz és korlátok közé szorított utasítások adása, amelyek minimalizálják a tévedéseket.

- Peremfeltételek kezelése: A ritka, egyedi vagy váratlan helyzetek (edge cases) felülbírálata, ahol a gépnek nincs elég adata.

- Felelelősség vállalás: A végső döntés meghozatala olyan kritikus területeken, mint az orvoslás, a jog vagy a pénzügy.

- Ami nagyon veszélyes: hasonló történt az atomenergiával, az internettel és a közösségi médiával is. Ha az AI-t detruktív cálokra használják - hiába a korlátozó szabályok és a karantén-, akkor segíthet rombolni is, de nem a saját meggondolásai alapján. Az algoritmusok hangolása folyamatosan történik destruktív célok ellen,  amely biztosítják, hogy a rendszerek ne okozzanak kárt, és ellenálljanak a rosszindulatú manipulációnak. 

- Fő stratégiák a destruktív célok ellen: az emberi visszajelzés, megerősítéses tanulás emberi visszajelzések alapján a nemkívánatos viselkedések kiszűrésére. Létezik a Vörös csapat (Red Teaming), amikor etikus hackerek szándékosan támadják a rendszert, hogy feltárják a sebezhetőségeket. Pl. rosszindulatú promptok és támadások beépítése a tanítóadatok közé, a védekezés fejlesztésére. Biztonsági korlátok is léteznek, szűrőalgoritmusok, amelyek blokkolják a veszélyes kimeneteket vagy bemeneteket. Közösségi média algoritmusokat hangolják támadások és álhírek terjedése ellen. A veszélyes tartalmakat letiltják. Nyelvi modelleket korlátozzák, hogy ne adjanak útmutatást fegyverek vagy kibertámadások készítéséhez. Gépi tanulási modelleknek van védelme az olyan tanító adatok ellen, amelyek célja a modell félrevezetése. Példa: Az Apple korlátozni kezdte a benyújtott sérülékenységek számát, miután megszaporodtak az AI által kitalált, vagy hallucinált, ezáltal pedig haszontalan hibákról szóló bejelentések. A vállalat szerint a hibajelentés-kezelő rendszert elárasztják a rossz minőségű bejelentések, melyek javarészt amatőr, főleg AI-toolokat használó bugvadászoktól származnak, így a „téves riasztások” hátráltatják a valódi hibák felülvizsgálatát és kezelését. A jelentések ellenőrzését korábban elsősorban emberek végezték, de a feldolgozás felgyorsításához már az AI-t is segítségül hívta a cég. Az Apple hibavadász programja 2 millió dolláros jutalmat is kínál a kifinomult, valós támadások során alkalmazott támadási láncok (exploit chains) feltárásáért, a különböző bónuszokkal együtt pedig a kifizetés összege meghaladhatja az 5 millió dollárt is.

A LLM (nyelvi modell) technológia korlátok: társadalmi és gazdasági hatásai, elmosódó határokkal

A kutatások szerint a társadalom jelentős része partneri kapcsolatot alakíthat ki az AI-ágensekkel, amelyek empátiát szimulálnak, a modellek próbálnak a promt-íróknak már ma is kedvezni. Kutatólaborok zárt világában a legfejlettebb modelleket a fejlesztőcégek nem teszik teljesen nyilvánossá, és a modelleket még fejlettebb AI generációk kifejlesztésére használják. A kíváncsiság, mint a kutatás motívációja, a mai modellekbe már beépült. 

Az Önálló Mesterséges Intelligencia (AAI - Autonom Artificial Intelligence) egy olyan szoftverrendszer, amely képes majdnem bármilyen emberi intellektuális feladatot önállóan elvégezni, miközben saját célokat határoz meg és külső emberi felügyelet nélkül működik, de körülhatárolt területeken, míg emberi felügyelettel (hibrid-AI) körülhatárlatlanul.  Bár a jelenlegi technológia (mint az LLM-ek) még nem érte el ezt a szintet, az AAI legfontosabb elméleti jellemzői az alábbi kategóriákra sorolhatóak:

- Kognitív képességek, mint az univerzális tanulás: Képes bármilyen új tudományágat vagy készséget teljesen nulláról elsajátítani.

- Kontextus-függetlenség: az ismeretek összessége nem korlátozódik egyetlen szűk feladatkörre (pl. sakk vagy szövegírás).

- Absztrakt gondolkodás: Képes elvont fogalmakat megérteni, analógiákat találni és metaforákban gondolkodni.

- Józan ész (Common Sense): Rendelkezik a fizikai és társadalmi világ működésére vonatkozó alapvető logikával.

- Önállóság és Ügynöki működés (Agency)

- Önprogramozás és önjavítás: Képes saját forráskódját módosítani és optimalizálni a hatékonyság érdekében.

- Célmeghatározás: A kapott fő célok eléréséhez önállóan képes részcélokat és stratégiákat kidolgozni.

- Eszközhasználat: Képes külső digitális vagy fizikai eszközöket (pl. API-k, robotkarok, szoftverek) vezérelni.

- Környezeti adaptáció: Dinamikusan reagál a váratlan változásokra, és módosítja a viselkedését.

- Erőforrás-kezelés, tervezés, hosszú távú tervezés: Képes hónapokra vagy évekre előre mutató komplex projekteket menedzselni, pl. a prediktív karbantartást.

- Erőforrás-optimalizálás: Gazdálkodik a saját számítási kapacitásával, energiájával és tárhelyével.

- Problémamegoldás: Ismeretlen krízishelyzetekben is képes működőképes, kreatív megoldásokat rögtönözni.

- Önismeret és Biztonság:: Tisztában van a saját képességeivel, korlátaival és aktuális állapotával.

- Összhang-ellenőrzés (Alignment): Céljai hosszú távon mennyire maradnak összhangban az emberi értékekkel.

- Az AI-ügynökök (AI Agents) és az AAI-ügynökök közötti különbségek:

A jelenlegi AI-ügynök (AI Agents) egy ügyes, célorientált gyakornok, míg az AAI-ügynök egy univerzális ügynök lesz. Az AI-ügynökök már képesek önállóan összetett feladatsorokat végrehajtani, működésük erősen körülhatárolt, az AAI-ügynök működése gyengén. A két technológia összehasonlítása a legfontosabb szempontok szerint:

1. Rugalmasság és tanulás területén az AI-ügynökök csak a meglévő tudásbázisuk (az LLM tanítóanyaga) és a számukra biztosított eszközök (pl. webböngésző, Python-futtató) keretein belül mozognak. Nem képesek alapjaiban új tudományos paradigmákat vagy teljesen ismeretlen készségeket feltalálni, nem erre találták ki őket. Az AAI képes lesz a semmiből megtanulni egy olyan feladatot, amellyel az emberiség még soha nem találkozott. Saját magának fejleszt ki új módszereket, ha a meglévők csődöt mondanak.

2. Célok és motiváció az AI-ügynökök esetén: külső, ember által megadott promptok (parancsok) indítják el őket, a feladat teljesítése után leállnak. Nincsenek belső késztetéseik vagy hosszú távú, saját céljaik. Az AAI ügynök képes saját, belső motivációból fakadó célokat generálni. Folyamatosan működik, és a kapott fő cél eléréséhez teljesen önállóan, emberi beavatkozás nélkül határoz meg akár több éves részstratégiákat.

3. Kontextus és "józan ész" alapú AI-ügynökök: korlátozott memóriával rendelkeznek. Bár a "gondolkodási láncok" (Chain-of-Thought) segítségével képesek szekvenciális logikára, hiányzik belőlük a fizikai világ és az ember ösztönös megértése. Az AAI teljes és állandó világmodellel rendelkezik majd. Érti az ok-okozati összefüggéseket, az emberi érzelmeket, a társadalmi normákat és a fizikai valóságot anélkül, hogy mindent külön be kellene programozni neki.

4. Problémamegoldás és mintafelismerés: az AI-ügynökök statisztikai valószínűségek alapján generálják a következő lépést a tanult mintákból. Ha a probléma kívül esik a tanítóanyagon, az ügynök hibázik vagy hallucinál. Az AAI képes lesz absztrakcióra és koncepcionális gondolkodásra, úgy old meg krízishelyzeteket, mint egy ember: logikai következtetéssel, kreativitással és a szabályok rugalmas átírásával.

5. Egy összehasonlítás: A kínai DeepSeek V4-Flash nevű mesterségesintelligencia-modellje messze a legalacsonyabb működtetési költséggel rendelkezik a nemzetközileg ismert modellek között egy független elemzőcég összehasonlítása szerint. A modell használata a tesztek alapján több mint százszor olcsóbb, mint az Anthropic Claude Fable 5 modelljéé. A DeepSeek V4-Flash egymillió bemeneti token feldolgozásáért 0,14 dollárt, egymillió kimeneti tokenért pedig 0,28 dollárt számít fel. Az Artificial Analysis becslése szerint egy átlagos teszt futtatása mintegy 3 centbe kerül, míg a Moonshot AI Kimi K3 modelljénél 86 cent, az OpenAI GPT-5.6 Sol modelljénél 1,86 dollár, az Anthropic Claude Fable 5 modelljénél pedig 3,15 dollár az átlagos költség.
Az Artificial Analysis intelligenciaindexén a DeepSeek V4-Flash 50 pontot ért el, ami megegyezik a Google Gemini 3.6 Flash eredményével. Egy ponttal előzi meg a Meta Muse Spark 1.1 és a Z.AI GLM-5.2 modellje, ugyanakkor elmarad a Moonshot AI Kimi K3 modelljétől, amely 57 pontot szerzett, valamint az Anthropic Claude Opus 5, Claude Fable 5 és az OpenAI GPT-5.6 modellektől, amelyek legalább kilenc ponttal magasabb eredményt értek el. (https://index.hu/techtud/2026/08/03/aisummit2026-mesterseges-intelligencia-ai-deepseek-v4-flash-uj-modell/)

Összefoglalva: Az AI-ügynök egy fejlett automatizált eszköz, amely szűk tartományokban autonóm. Az AAI ezzel szemben egy önálló, rugalmas ügynök lesz, amely minden gépi területeken eléri vagy meg is haladja az emberi szintet. A gépi AI terület (a humán a HI területtel összevetve), és a megengedett, körülhatárolt működési terület (hibrid-AI vagy az AAI tesztkörnyezetei, mert megtámadhat más AI -ket: https://telex.hu/techtud/2026/08/08/openai-astra-modell-mesterseges-intelligencia-biztonsagi-kockazat-chatgpt) meghatározásai az AI konferenciák feladatai. Mikorra alakulhatnak ki az AAI-kből hierarchikus rendszerek? 

Egy megj.: az Alfa generáció és a mesterséges intelligencia (AI) között erős függés van. Az Alfa generáció tagjai (a 2010 és 2024 között születettek) az első olyan korosztály, akiknek a mindennapi életét már a születésük pillanatától kezdve formálja és támogatja az AI, ezért gyakran nevezik őket az első valódi „AI-natív” (mesterséges intelligenciába beleszületett) nemzedéknek.  A személyre szabott oktatás és tanulás új mődszereket hozott: az AI-alapú oktatási platformok alkalmazkodnak a gyermek egyéni tanulási tempójához és hiányosságaihoz. Nem kell napokat várniuk a dolgozatok javítására, az AI azonnal kiértékeli a feladatokat. A tankönyveket felváltják a generatív AI által valós időben létrehozott, személyre szabott prezentációk, mesék, Interaktív tartalmak, kvízek. A játék és aszórakozás, a szabadidő eltöltése és a digitális tartalomfogyasztás teljesen átalakul az AI miatt. Jönnek a dinamikus videojátékok: a játékok nem előre megírt forgatókönyveket követnek, hanem az AI a játékos döntései alapján alakítja a történetet és a nehézséget. Jönnek a virtuális barátok: az Alfa generáció tagjai természetesnek veszik, hogy AI-alapú chatbotokkal vagy virtuális karakterekkel beszélgetnek, játszanak. Saját tartalomgyártás: a generatív AI eszközökkel a gyerekek programozói vagy grafikusi tudás nélkül is képesek saját játékokat, képeket vagy zenéket létrehozni. Amikor az Alfa generáció munkába áll (az évtized végétől), a munkahelyi elvárások már teljesen mások lesznek, mint a '20-as évek közepén. Az AI-asszisztensek elterjedésével számukra az AI nem egy alkalmi eszköz lesz, hanem egy alapvető munkatárs (co-pilot), amellyel együtt kell dolgozniuk. Új készségek alakulnak ki, a lexikális tudás magolása helyett a kritikus gondolkodás, a komplex problémamegoldás és az AI-eszközök irányítása (prompt engineering) lesz a legfontosabb. Eltűnő és születő szakmáklesznek, számos mai adminisztratív vagy rutinfeladatot ellátó munkakör megszűnik, miközben teljesen új, AI-központú iparágak jönnek létre. A technológia komoly mentális és társadalmi változásokat hoz magával. A személyre szabottság miazz hozzá szoknak, hogy a világ (az algoritmusok révén) az ő egyéni igényeikre reagál, ami csökkentheti a türelmet és a kompromisszumkészséget, de növeli a magányt és a kötődést, a valódi emberi kapcsolatokat részben felváltják az empátiát szimuláló AI-társak. Ősszekevetedik a valóság és fikció, a deepfake és a tökéletes. Az AI-generált tartalmak miatt ennek a generációnak kiemelkedő médiatudatossággal kellene rendelkeznie, hogy meg tudja különböztetni a valóságot a hamisítványtól, nem tudja, már terjednek az áltudományok.