Què acaba de passar: OpenAI parla d'«era de l'AGI»
El 3 de setembre de 2026, OpenAI va presentar un nou model, GPT-6 Astra, i va dir que probablement marca l'inici de l'AGI (per les sigles en anglès, artificial general intelligence). El seu president i cofundador, Greg Brockman, va acabar la roda de premsa amb una frase que va fer la volta al món: «benvinguts a l'era de l'AGI». Pots llegir-ne la cobertura a Axios.
La novetat d'Astra és que no només respon preguntes: actua. Navega per webs, omple fulls de càlcul, fa servir aplicacions d'escriptori i encadena diversos passos per acabar una tasca, en lloc de limitar-se a explicar-te com fer-la. Això és un salt real respecte a un xatbot clàssic.
Però «marcar l'inici de l'AGI» no és el mateix que «això ja és AGI». La mateixa empresa va fer servir un «probablement», i bona part de la comunitat científica va respondre que continuem davant d'una IA molt avançada, però encara estreta. Per entendre el debat, primer cal tenir clars els termes.
Què és l'AGI (i què no és encara)
La majoria de la IA que fas servir avui és IA estreta (ANI): brilla en una tasca concreta per a la qual va ser entrenada, i fora d'aquí no sap moure's. L'AGI seria una altra cosa: un sistema capaç d'aprendre i raonar en qualsevol domini, resoldre problemes nous sense haver estat entrenat específicament per a ells, igual que fa una persona. Un tercer esglaó, la superintel·ligència (ASI), superaria els humans en pràcticament tot. Cap dels dos últims existeix avui.
| Tipus | Què fa | Exemple | Existeix avui? |
|---|---|---|---|
| IA estreta (ANI) | Domina una tasca concreta | Un traductor, un motor d'escacs, ChatGPT | Sí |
| IA general (AGI) | Raona i aprèn en qualsevol domini | Una IA que estudia medicina i també repara un motor | No (en debat) |
| Superintel·ligència (ASI) | Supera els humans en gairebé tot | Ciència-ficció, de moment | No |
Un exemple ho aclareix. Un motor d'escacs esclafa el millor humà del món, però demana-li que jugui a les dames i no en sap ni començar: cal reentrenar-lo des de zero. Un model com GPT-6 és moltíssim més flexible que aquest motor, però continua tenint forats sorprenents: pot aprovar un examen de selectivitat i, tot seguit, fallar un enigma de lògica senzill que qualsevol nen resoldria. Sap molt; una altra cosa és que raoni en general.
Com sabríem que hi hem arribat (i per què és tan difícil)
El problema de fons és que no hi ha una única definició d'AGI acceptada per tothom. Sense una meta clara, és impossible declarar la victòria sense discussió. Al llarg dels anys s'han proposat diverses proves, i totes tenen esquerdes:
- El test de Turing. Si una màquina conversa i no la pots distingir d'una persona, «passa». Però semblar humà no és el mateix que entendre: un model pot sonar convincent i no comprendre res.
- Benchmarks de raonament. Bateries de problemes nous (tipus ARC) que mesuren si el sistema generalitza a situacions que no ha vist. Útils, però cada cop que se'n publica un, s'entrena per superar-lo i deixa de mesurar el mateix.
- La definició «econòmica» d'OpenAI. L'empresa defineix la seva meta com «sistemes altament autònoms que superen els humans en la majoria de la feina econòmicament valuosa». És mesurable, però mesura impacte laboral, no intel·ligència.
- Transferència i autonomia. Aprèn una cosa en un camp i l'aplica en un altre sense ajuda? Aquest salt, natural en les persones, és just on més fluixeja la IA actual.
Fixa't en el patró: cada prova captura una part del que anomenem «intel·ligència» i en deixa una altra fora. Per això una mateixa notícia es pot titular «ja és AGI» o «encara no ho és» sense que cap dels dos menteixi: depenen de quina definició facis servir.
Per què els experts no es posen d'acord
El desacord no és només màrqueting. Andrej Karpathy, cofundador d'OpenAI, calcula que encara falta almenys una dècada per a una AGI plena, mentre altres figures del sector la donen per imminent. L'error més comú en llegir aquestes notícies és confondre capacitat amb comprensió: que un model escrigui codi, aprovi exàmens o redacti informes demostra que és una eina potentíssima, no que «pensi» com tu.
Un segon error és empassar-se el titular sense mirar la lletra petita. Quan una empresa que ven el producte anuncia que el seu producte canvia la història, convé separar la dada verificable (ha sortit un model nou, fa X coses) de la interpretació interessada («és AGI»). Aquesta distinció entre fet i afirmació és, literalment, pensament crític, i és l'habilitat que més et servirà en un món ple d'IA.
Què significa això si t'interessa la tecnologia (i quan va bé un professor)
La bona notícia per a un estudiant és que res d'això no exigeix ser un geni: exigeix bases sòlides. Darrere de la IA hi ha matemàtiques (àlgebra, probabilitat, estadística), programació i una bona dosi de raonament lògic. Qui entén aquests fonaments no es deixa enlluernar pels titulars i, a més, pot construir sobre la tecnologia en lloc de només consumir-la. Si el tema t'enganxa, començar per la intel·ligència artificial i les seves matemàtiques de base és una aposta amb moltíssim futur.
Aquí és on un professor particular marca la diferència: detecta quina base et falta (aquella funció que no vas acabar d'entendre, aquella probabilitat que se't resisteix) i te la reforça en hores en lloc de mesos. I com que el curs tot just ha començat, té sentit pensar en continuïtat: el mateix professor de setembre a juny, sense permanència i a terminis sense interessos, perquè l'assignatura no se t'acumuli.
A Eurekademy pots provar amb una primera classe amb 50% de descompte, sense compromís, amb professors que treballen al sector tecnològic. Els nostres alumnes ens valoren amb 4,8★ a Google, i aquesta base ben posada és el que converteix la curiositat d'avui en una sortida professional real demà.