
DeepMind Institute publiserte 19. november 2026 en analyse som retter oppmerksomheten mot hva som kan skje etter at kunstig intelligens når et nivå som tilsvarer menneskelig generell problemløsningsevne. I stedet for å behandle kunstig generell intelligens, AGI, som endestasjonen, argumenterer forsker Tim Genewein for at AGI kan bli starten på en ny og langt mer krevende utviklingsfase.
Analysen beskriver kunstig generell superintelligens, ASI, som systemer som ikke bare er bedre enn enkeltmennesker på avgrensede oppgaver, men som konsekvent kan overgå store grupper av menneskelige eksperter på tvers av nær sagt alle relevante områder. Dette skiller ASI fra dagens spesialiserte systemer, som kan være overlegne i enkelte disipliner uten å være generelt intelligente.
Genewein trekker fram fire mulige og delvis overlappende veier videre. Den første er fortsatt oppskalering av modeller, data og beregninger. Bedre maskinvare, mer effektive algoritmer og økte investeringer i KI-infrastruktur kan gjøre det mulig å kjøre stadig flere og raskere KI-systemer til lavere kostnad.
Den andre veien er teknologiske paradigmeskifter. Dagens språkmodellbaserte KI har fortsatt begrensninger innen blant annet kontinuerlig læring, verdensforståelse og beslutningstaking. Dersom disse begrensningene ikke kan løses gjennom gradvise forbedringer, kan det bli nødvendig med nye grunnleggende metoder for å utvikle mer avansert intelligens.
En tredje mulighet er koordinering av store grupper KI-agenter. Tanken er at mange spesialiserte systemer kan samarbeide på lignende vis som forskningsmiljøer, selskaper eller markeder. Samtidig understrekes det at flere agenter ikke automatisk gir bedre resultater: koordinering, feilinformasjon, dobbeltarbeid og interne konflikter kan bli betydelige hindringer.
Den fjerde veien er rekursiv selvforbedring, der KI bidrar til å utvikle bedre modeller, treningsmetoder, datagrunnlag eller maskinvaredesign for neste generasjon systemer. En slik utvikling kan i teorien øke tempoet ytterligere, men analysen understreker at dette avhenger av pålitelige metoder for å vurdere om forbedringene faktisk er reelle.
Et sentralt begrep i teksten er «kognitiv industrialisering». Dersom beregningskraft blir billigere og KI-systemer kan kopieres, kjøres raskere og dele erfaringer digitalt, kan deler av kunnskapsarbeidet standardiseres og automatiseres i stor skala. Det kan påvirke forskning, næringsliv og offentlige tjenester selv uten et enkelt, dramatisk gjennombrudd til superintelligens.
Analysen er ikke en offisiell uttalelse fra Google, men presenteres som et faglig innspill fra DeepMind Institute. Hovedbudskapet er at utviklingen ikke bør forstås som et valg mellom dagens KI og én framtidig AGI-milepæl. I stedet kan samfunnet stå overfor flere raske og sammenvevde teknologiske endringer, noe som øker behovet for bedre evaluering, prognoser og styringsmekanismer.