30/03/2026
Akkor jöhet az AI szingularitás következő fejezete?
Itt a második rész:
Ha nem engeded meg magadnak, hogy a tükör által homályosan lásd magad, akkor feltudsz készülni arra, hogy a szingularitás bekövetkezésekor, ne elszenvedője legyél annak, hanem nyertese.
Azt Te is láthatod, hogy technikailag az AI tényleg nagyon gyorsan fejlődik, de ebből még nem következik automatikusan a „szingularitás” közelsége. A kritikus kérdés most az, hogy a jó benchmarkokból lesz-e tartós, autonóm, megbízható valós világbeli teljesítmény.
Az AI-szingularitásról szerintem azért nehéz tisztán beszélni, mert a közbeszéd gyakran összemossa a következő három dolgot: az AGI-t (amikor egy rendszer sokféle értelmi feladatban emberi szinten vagy afelett működik), a gazdasági átbillenést (amikor a tudásmunka nagy része AI-val újra szerveződik), és a kemény szingularitást (amikor az AI maga is érdemben gyorsítja a saját fejlesztését, és ezért a haladás üteme elszabadul). A vita nagy része valójában arról szól, hogy ebből a három rétegből melyik jön el először, és mennyire gyorsan.
Mi szól amellett, hogy valami nagy törés közeleg?
Az, hogy a képességjavulás tényleg nagyon gyors. A Stanford AI Index 2025 szerint 2024-ben a frontier modellek nagyot ugrottak új, nehéz benchmarkokon: az MMMU-n 18,8, a GPQA-n 48,9, a SWE-bench-en 67,3 százalékponttal javultak, miközben egy GPT-3.5-szintű rendszer költsége 2022 novembere és 2024 októbere között több mint 280-szorosára esett lefelé, és a nyílt modellek is jelentősen közelítettek a zárt modellekhez. Ez klasszikusan az a minta, ami a „gyorsulás” narratívát táplálja.
Ugyanezt erősíti a METR 2025-ös eredménye is: szerintük azoknak a feladatoknak a hossza, amelyeket a frontier AI-ügynökök önállóan, 50%-os megbízhatósággal meg tudnak oldani, az elmúlt hat évben nagyjából 7 havonta duplázódott. Ez azért fontos, mert a valós világban sokszor nem az egyes részlépések tudása a szűk keresztmetszet, hanem az, hogy egy rendszer meddig tud értelmesen kitartani egy hosszabb, több lépéses munkafolyamatban.
Az is igaz, hogy bizonyos jól körülhatárolt tudásmunkákban a legjobb modellek már most emberi szint közelébe vagy fölé érnek. OpenAI saját közlése szerint a GPT-5.2 Thinking a GDPval nevű, 44 foglalkozás jól specifikált tudásmunkafeladatait mérő evalon az első olyan modelljük lett, amely emberi szakértői szintet ért el vagy meghaladott, és a SWE-Bench Pro-n 55,6%-ot ért el. Ez nem „általános emberi intelligencia”, de azt mutatja, hogy a részterületi emberi paritás már nem sci-fi.
Mi szól ellene annak, hogy a kemény szingularitás már itt van a küszöbön?
Először is: az autonómia és megbízhatóság problémája. Ugyanaz a METR-anyag, amely a gyorsulást mutatja, világosan le is írja, hogy a mai legjobb AI-ügynökök még nem képesek önállóan végigvinni érdemi, összetett projekteket, és nem helyettesítik közvetlenül az emberi munkaerőt. Vagyis a benchmark-győzelmek és a tényleges gazdasági kiválthatóság között még mindig nagy rés van.
Másodszor: a „fluid”, emberhez hasonló általános problémamegoldás továbbra sem lezárt ügy. Az ARC Prize szerint az ARC-AGI-2 kifejezetten azokat a résekeket világítja meg, amelyek még mindig könnyűek az embereknek, de nehezek a modelleknek: szimbolikus értelmezés, kompozicionális gondolkodás, kontextusfüggő szabályalkalmazás. Az ARC szerint az emberek 100%-ban meg tudják oldani ezeket a feladatokat, miközben 2025 decemberében a legjobb ellenőrzött kereskedelmi modell 37,6%-ot, a legjobb finomított megoldás 54%-ot ért el. Ez erős jel arra, hogy a „mindenben emberfeletti AI” állítást ma még túl korai kész tényként kezelni.
Harmadszor: a fejlődés nem csak algoritmus, hanem infrastruktúra is. Az OECD 2025-ös és 2026-ban is releváns elemzése szerint a speciális AI-gyorsítók — főleg GPU-k és ASIC-ek — költsége és szűkössége valós bottleneck, és a kereslet több éve gyorsabban nő, mint a kínálat. Más OECD-anyagok energia-, hálózati- és felhő-infrastruktúra-korlátokat is hangsúlyoznak. Ez azért fontos, mert a „rekurzív önfejlesztés” a gyakorlatban nem tisztán szoftveres folyamat: computer, energia, adatközpont, chipfejlesztés és ellátási lánc is kell hozzá.
A szakértői várakozások sem egységesek.
Egy 2778 top AI-szerzőt felmérő nagyszabású survey szerint a válaszadók aggregált becslése alapján a „gépek minden feladatban felülmúlják az embereket” esemény 50%-os valószínűségi pontja 2047 körül van, miközben az összes emberi foglalkozás teljes automatizálásának 50%-os pontját már csak 2116 környékére tették.
Ez nagyon beszédes különbség: technikai képesség és teljes gazdasági lecserélés nem ugyanaz.
A tudományos termelékenységről szóló frissebb közgazdasági irodalom is inkább óvatos. Egy 2026 márciusi NBER-fejezet például úgy fogalmaz, hogy az AI-t a tudományban jelenleg inkább augmentációs eszközként érdemes felfogni, nem teljes automatizációként: kombinatorikus keresést erősít, ezáltal növeli a termelékenységet, de nem egyszerűen „kiváltja” a kutatót.
Ez jól illik ahhoz a képhez, hogy az AI sok területen előbb felerősíti az embereket, mintsem azonnal lecseréli őket.
Az én józan olvasatom 2026 márciusában ez:
Erősödő szingularitás — vagyis hogy az AI néhány éven belül brutálisan átrendezi a tudásmunkát, a szoftverfejlesztést, az elemzést, az ügyfélszolgálatot, az oktatást és a kutatást — nagyon is reálisnak tűnik. Ezt a gyors benchmark-javulás, az egy emberre eső munkaköltség csökkenés, az egyre hosszabb autonóm feladathorizont és a részfeladatos emberi paritás mind támogatja.
A kemény szingularitás — vagyis hogy rövid időn belül megjelenik egy önmagát robbanásszerűen fejlesztő, tartósan ember feletti, általános rendszer, amely után a jövő tényleg alapvetően előrejelezhetetlenné válik — szerintem ma még nem bizonyított közeli forgatókönyv.
Erre utal a mai modellek korlátozott megbízhatósága hosszú feladatokban, az ARC-típusú általánosítási rések, valamint a computer- és infrastruktúra-korlátok. Ez következtetés, nem közvetlen mérés, de jól alátámasztják a mostani empirikus jelek.
Tehát egy mondatban: a szingularitás nem őrültség, de 2026-ban még inkább komoly lehetőség, mint lezárt tény; a gyors civilizációs átrendeződés valószínűbbnek látszik, mint a hirtelen, teljesen kontrollvesztett „hard takeoff”.
Ha téged is érdekel egy valós AI stratégiai bevezetése a cégedbe, akkor regisztrálj magadnak egy ingyenes audit!
Link:
Ingyenes konzultáció: Marketing audit + stratégiai megbeszélés Megmutatom, hol szivárog el a potenciális ügyfél és hogyan javíts rajta
