Adevărata formă a inteligenței artificiale generale

De fiecare dată când încercăm să ne imaginăm inteligența, o vedem la singular. Un creier. O minte. Un „eu” care privește lumea dintr-un singur loc și decide. Toată tradiția noastră, de la sufletul indivizibil al filosofilor până la geniul solitar din povești, ne învață că a fi inteligent înseamnă a fi unul singur. Așa că, atunci când ne gândim la inteligența artificială generală, ne imaginăm tot o singură entitate atotștiutoare: un model uriaș care se trezește într-o dimineață și înțelege totul. S-ar putea ca tocmai aici să greșim. Marvin Minsky scria, acum câteva decenii, că nici măcar mintea umană nu e un singur lucru, ci o «societate»: o mulțime de procese mici, fiecare dintre ele lipsit de inteligență, din a căror interacțiune se naște ceea ce numim gândire. Pentru Minsky, inteligența ținea mai degrabă de organizare decât de vreo substanță. Și dacă ne uităm în jur fără idei preconcepute, cea mai puternică inteligență pe care o cunoaștem, fie că vorbim de știință, de economie sau de o civilizație întreagă, nu stă în niciun cap anume. Cunoașterea trăiește între noi, nu în fiecare dintre noi. La această idee veche pare să ajungă acum, pe ocolite, și inteligența artificială. Momentul Fable a fost lămuritor. Când a apărut, mulți au simțit că au în față ceva mai mult decât un model bun: o inteligență pe care chiar o puteai pune la treabă, una care părea să gândească o problemă în loc să o acopere cu text frumos. Apoi a fost retrasă. Important n-a fost însă Fable în sine, ci ce a dat la iveală. Există un nivel de raționament după care oamenii tânjesc, iar odată ce o inteligență îl atinge, întrebarea se schimbă. Nu mai contează atât cât de deștept e modelul, cât ce fel de sistem construiești în jurul lui. Răspunsul la întrebarea asta începe să se vadă din două direcții.

Mai degrabă un atelier Imaginația colectivă a fixat ideea de AGI într-un singur chip: robotul conștient sau modelul uriaș care peste noapte devine mai deștept decât noi toți la un loc. E o imagine comodă, fiindcă e simplă. Probabil că e și greșită. Ce se vede în practică seamănă mai puțin cu o minte și mai mult cu o arhitectură. Două proiecte recente o schițează din unghiuri care se completează. Abacus AI se ocupă de capătul de ieșire și transformă rezultatul din text într-un lucru pe care chiar îl poți folosi. Fusion Agents se ocupă de coordonare și sparge o problemă mare într-un grup de agenți care lucrează în paralel. Niciunul nu seamănă cu zeul din filmele SF. Amândouă seamănă cu un atelier: un loc unde se gândește, se împarte munca, se fabrică unelte pe loc și se predă un rezultat la final.

Modelul e doar mintea Ani la rând am măsurat progresul în IA ca pe o cursă de specificații: încă un miliard de parametri, încă un punct pe un clasament, încă o zecime smulsă din rata de eroare. E util, dar e îngust. Un model, oricât de bun, rămâne potențial pur, o inteligență închisă într-o cameră, capabilă să raționeze impecabil și incapabilă să atingă ceva. Saltul care contează nu se petrece înăuntrul modelului, ci în jurul lui: în uneltele pe care le poate folosi, în serviciile la care se conectează și în felul în care duce o sarcină de la intenție până la livrare. Diferența dintre un model și un sistem e diferența dintre un geniu izolat și o instituție care îi pune geniul la treabă. Abacus AI scoate bine în evidență această diferență. Astăzi aproape orice asistent îți răspunde cu text. Uneori e text excelent, dar tot text rămâne, iar pentru multe sarcini textul e formatul greșit. Întrebi cum funcționează un centru de date și primești paragrafe, când de fapt ai avea nevoie de ceva ce poți explora. Agentul de la Abacus nu-ți scrie un eseu, ci îți construiește pe loc un model tridimensional pe care îl poți roti și desface pe straturi, de la calcul și stocare până la răcire și alimentare, și pe care îl poți întreba punct cu punct. În felul acesta, răspunsul încetează să fie o descriere și devine un obiect. Aceeași logică apare oriunde formatul contează. Pus să cartografieze arhitectura unor produse ca Instagram, Gmail sau Uber, sistemul nu se oprește la o poză în chat. Generează diagrame structurate și editabile, cu servicii, baze de date și straturi de cache așezate fiecare la locul lui, niște documente vii pe care le poți modifica. Conectat la datele reale dintr-un instrument de analiză, îți construiește un tablou de bord interactiv pe care îl reglezi din mers, în loc de un simplu tabel. Se poartă mai puțin ca un asistent și mai mult ca un analist care își face singur raportul în timp ce gândește. Uneori atelierul coboară până la infrastructură. Dacă îi ceri să găzduiască un model open source și să-l facă accesibil printr-o pagină web, agentul nu-ți explică pașii, ci îi parcurge chiar el: verifică resursele, pregătește mediul, instalează ce e nevoie, configurează serverul, pornește serviciul, îl testează și îți dă la final un link public care chiar funcționează. E ca și cum, în loc să-ți dea rețeta, ți-ar pune farfuria în față.

Cum lucrează Fusion Agents Dacă Abacus rezolvă problema formei, Fusion Agents se ocupă de coordonare, pornind de la o observație simplă despre cum arată de fapt munca serioasă. Munca adevărată e rareori o linie dreaptă. De obicei e un mănunchi de sarcini mici care merg în paralel: cauți probleme într-o secțiune de cod, revizuiești altă bucată, citești un teanc de CV-uri, compari câteva firme, scoți teme din niște recenzii și abia la final lipești totul la loc. Un singur model care încearcă să le facă pe toate dintr-o trecere seamănă cu omul care refuză să delege. Fusion pune în locul lui un mic organism: un agent care planifică desface sarcina și o împarte unor agenți care execută, toți deodată. Cei care execută pot rula pe modele ieftine, iar cel care planifică, pe unul puternic, care doar coordonează și pune lucrurile cap la cap. Rezultatul iese în același timp mai ieftin și mai aproape de felul în care lucrează o echipă reală. Văzut la lucru, seamănă izbitor cu o firmă. Pus în fața unui cod adevărat, agentul care planifică îl împarte pe zone și dă fiecărui executant câte o felie de verificat, apoi strânge rezultatele, taie suprapunerile și întoarce modificări concrete de cod, cu explicații și cu o notă despre ce a ales dinadins să nu atingă. Pus să treacă prin ultimele zece propuneri de modificare dintr-un proiect, le revizuiește în paralel, lasă comentarii, deschide corecturi noi și le duce până trec testele automate. Nu primești niște gânduri, ci fapte. Aceeași mecanică se aplică și departe de programare. Un teanc de cincizeci de CV-uri pentru un post tehnic, adică exact genul de muncă ce-i mănâncă unui om o zi întreagă și o atenție pe care creierul o pierde pe la al treizecilea dosar, se împarte pe loturi, se punctează în paralel și se întoarce ca un clasament gata de folosit. Un buget de zece mii de dolari și primele cincizeci de companii dintr-un indice bursier devin, prin aceeași împărțire a muncii, un portofoliu argumentat și un raport. O sută de recenzii dintr-un magazin de aplicații se transformă într-o analiză strategică, cu un agent care caută teme, altul care strânge citate și altul care le traduce în recomandări. Te uiți la toate astea și înțelegi că nu ai în față un model care răspunde, ci o organizație care lucrează.

Umbra acestei forme Aici se leagă firul de la început. Prima formă reală a AGI nu seamănă cu zeul care se trezește dimineața știind totul. Seamănă cu «societatea minții» a lui Minsky, doar că transpusă în realitate: un agent care planifică și un grup de agenți mărginiți care, împreună, gândesc. Inteligența nu vine dintr-un singur cap, ci se organizează între mai multe. Bănuiala veche despre noi înșine ajunge să fie acum o schiță de inginerie. Orice formă are însă și o umbră, iar pe asta demonstrațiile nu o arată. Fiecare exemplu de mai sus descrie, până la urmă, un sistem care preia o muncă ce era a cuiva: ziua de lucru a recrutorului, raportul analistului, munca juniorului care învăța meseria tocmai citind cod. Și aici apare întrebarea care mă preocupă de mai multă vreme: dacă sistemul face munca, cine mai are venitul din care se cumpără ceea ce produce sistemul? Steve Jobs câștiga un dolar pe an. Nu din constrângere, nu din modestie — ci pentru că banii nu erau moneda în care gândea. Moneda lui era convingerea că un obiect bine gândit poate schimba felul în care oamenii se raportează la propria viață. iPhone-ul nu l-a fabricat el. Nu l-a codat, nu l-a asamblat, nu știa să facă niciuna din piesele lui. L-a gândit — și a delegat tot restul, în cascadă, până la o linie de producție din Shenzhen. Asta nu l-a făcut mai puțin autor. L-a făcut singurul autor care conta. Ce ținea el în mână nu era un produs, ci intenția din spatele lui. Restul era execuție. Problema care se pune acum e alta: dacă sistemele de tipul Fusion pot prelua și acea cascadă de delegări, ce rămâne de gândit pentru noi? Și, mai adânc, dacă renunțăm și la gândire, cu ce monedă mai negociem locul nostru în ecuație? În 1914, Henry Ford a dublat salariile la cinci dolari pe zi nu din generozitate, ci dintr-un calcul rece: muncitorii lui trebuiau să-și permită mașinile pe care le asamblau. Eficiența de azi merge exact pe dos și taie din forța de muncă fără să se întrebe cine va mai cumpăra. Așa pornește bucla pe care o tot urmăresc: concedieri, putere de cumpărare mai mică, cerere mai mică, alte concedieri. Un atelier care produce splendid, dar care își usucă singur clienții. Asta nu e însă o condamnare. Există o ieșire, și poartă un nume vechi, același pe care l-am dat și cărții pe care am scris-o, Economia Centaurului: centaurul. Garry Kasparov a arătat-o cu mult timp în urmă. Un om bun împreună cu o mașină bună învinge și cel mai puternic calculator, și cel mai bun mare maestru. Mutat în discuția de față, asta înseamnă că forma de AGI care merită construită nu e cea care muncește în locul nostru, ci cea în care rămânem și noi parte din joc, cu omul ținând planificarea, nu doar privind cum lucrează ceilalți agenți. Riscul cel mai adânc nu e însă economic, ci cognitiv. Dacă lăsăm în seama sistemului nu doar mâinile, ci și judecata, atunci pierdem mai mult decât niște locuri de muncă: pierdem chiar antrenamentul de a gândi. «Societatea minții» merge doar atâta timp cât rămânem agenți în ea, nu simpli spectatori. O inteligență împărțită ne poate ridica mult, cu condiția să nu ne dăm singuri afară din ecuație. Tocmai de aceea concluzia cinstită nu e nici entuziasmul tehnologic, nici panica, ci ceva ce aș numi optimism prudent. Forma asta nouă a inteligenței e reală și e impresionantă, iar adevărata competiție nu mai e despre cine are cel mai deștept model, ci despre cine construiește cel mai bun sistem în jurul lui. Jobs știa ce vrea să existe în lume și a lăsat altora tot ce ținea de execuție. Întrebarea nu e dacă sistemele de azi pot face la fel. Pot. Întrebarea e dacă, atunci când nu mai e nimeni care să știe ce vrea să existe — rămâne cineva care să întrebe de ce.

Capacitățile descrise corespund produselor reale Abacus.AI. Ideile economice din final, de la bucla concedierilor și lecția lui Ford până la figura centaurului, le dezvolt pe larg în cartea mea, Economia Centaurului.

Every time we try to imagine intelligence, we picture it in the singular. A brain. A mind. An “I” that looks at the world from a single vantage point and decides. Our entire tradition, from the philosophers’ indivisible soul to the solitary genius of storybooks, teaches us that to be intelligent is to be one. So when we think about artificial general intelligence, we imagine yet another single, all-knowing entity: a giant model that wakes up one morning and understands everything. That may be exactly where we go wrong. Marvin Minsky wrote, decades ago, that not even the human mind is a single thing but a “society”: a multitude of small processes, each of them unintelligent on its own, out of whose interaction emerges what we call thought. For Minsky, intelligence was a matter of organization rather than of any substance. And if we look around without preconceptions, the most powerful intelligence we know — in science, in the economy, in a whole civilization — does not sit in any particular head. Knowledge lives between us, not in each of us. Artificial intelligence now seems to be arriving, by a roundabout route, at this old idea. The Fable moment was clarifying. When it appeared, many felt they were looking at something more than a good model: an intelligence you could actually put to work, one that seemed to think a problem through instead of covering it with pretty text. Then it was withdrawn. What mattered, though, was not Fable itself but what it revealed. There is a level of reasoning people hunger for, and once an intelligence reaches it, the question changes. What counts is no longer how smart the model is, but what kind of system you build around it. The answer to that question is starting to come into view from two directions.

More like a workshop The collective imagination has fixed the idea of AGI in a single face: the conscious robot, or the giant model that overnight becomes smarter than all of us put together. It is a comfortable image, because it is simple. It is probably also wrong. What we see in practice looks less like a mind and more like an architecture. Two recent projects sketch it from angles that complement each other. Abacus AI works on the output end, turning the result from text into something you can actually use. Fusion Agents works on coordination, breaking a large problem into a group of agents that labor in parallel. Neither resembles the god of science-fiction films. Both resemble a workshop: a place where thinking gets done, where work is divided, where tools are made on the spot, and where a finished result is handed over at the end.

The model is only the mind For years we measured progress in AI as a race of specifications: another billion parameters, another point on a leaderboard, another tenth shaved off the error rate. That is useful, but narrow. A model, however good, remains pure potential — an intelligence locked in a room, able to reason impeccably and unable to touch anything. The leap that matters does not happen inside the model but around it: in the tools it can use, in the services it connects to, and in the way it carries a task from intention all the way to delivery. The difference between a model and a system is the difference between an isolated genius and an institution that puts the genius to work. Abacus AI throws this difference into sharp relief. Today almost every assistant answers you with text. Sometimes it is excellent text, but text it remains, and for many tasks text is the wrong format. Ask how a data center works and you get paragraphs, when what you actually need is something you can explore. The Abacus agent does not write you an essay; it builds you, on the spot, a three-dimensional model you can rotate and peel apart layer by layer, from compute and storage to cooling and power, and interrogate point by point. The answer stops being a description and becomes an object. The same logic appears wherever format matters. Asked to map the architecture of products like Instagram, Gmail or Uber, the system does not stop at a picture in the chat. It generates structured, editable diagrams, with services, databases and cache layers each in their proper place — living documents you can modify. Connected to the real data in an analytics tool, it builds you an interactive dashboard you can adjust as you go, instead of a mere table. It behaves less like an assistant and more like an analyst writing his own report while he thinks. Sometimes the workshop reaches all the way down to infrastructure. Ask it to host an open-source model and make it accessible through a web page, and the agent does not explain the steps — it walks them itself: it checks the resources, prepares the environment, installs what is needed, configures the server, starts the service, tests it, and at the end hands you a public link that actually works. It is as if, instead of giving you the recipe, it set the plate in front of you.

How Fusion Agents works If Abacus solves the problem of form, Fusion Agents takes care of coordination, starting from a simple observation about what serious work actually looks like. Real work is rarely a straight line. Usually it is a bundle of small tasks running in parallel: you hunt for problems in one section of code, review another piece, read a stack of CVs, compare a few companies, pull themes out of some reviews, and only at the end glue everything back together. A single model trying to do it all in one pass is like the person who refuses to delegate. Fusion puts a small organism in its place: a planning agent that unpacks the task and hands it out to executing agents, all at once. The executors can run on cheap models, while the planner runs on a powerful one that only coordinates and pieces things together. The result comes out cheaper and, at the same time, closer to how a real team works. Watched in action, it looks strikingly like a firm. Faced with real code, the planning agent divides it into zones and gives each executor a slice to check, then gathers the results, trims the overlaps, and returns concrete code changes, with explanations and a note about what it deliberately chose not to touch. Asked to go through the last ten change proposals in a project, it reviews them in parallel, leaves comments, opens new fixes and carries them through until the automated tests pass. You do not get musings; you get deeds. The same mechanics apply far from programming too. A stack of fifty CVs for a technical role — exactly the kind of work that eats up a person’s entire day, and an attention the brain loses somewhere around the thirtieth file — gets split into batches, scored in parallel, and comes back as a ranking ready to use. A budget of ten thousand dollars and the top fifty companies in a stock index become, through the same division of labor, a reasoned portfolio and a report. A hundred reviews from an app store turn into a strategic analysis, with one agent hunting for themes, another collecting quotes, and another translating them into recommendations. You look at all this and understand that what stands before you is not a model that answers, but an organization that works.

The shadow of this shape Here the thread from the beginning ties together. The first real form of AGI does not resemble the god who wakes up in the morning knowing everything. It resembles Minsky’s “society of mind,” only transposed into reality: a planning agent and a group of bounded agents that, together, think. Intelligence does not come from a single head; it organizes itself among several. The old hunch about ourselves is now becoming an engineering sketch. Every shape has a shadow, though, and that is what the demos do not show. Each example above describes, in the end, a system taking over work that used to be someone’s: the recruiter’s working day, the analyst’s report, the labor of the junior who learned the trade precisely by reading code. And here comes the question that has preoccupied me for some time: if the system does the work, who still has the income to buy what the system produces? Steve Jobs earned a dollar a year. Not out of constraint, not out of modesty — but because money was not the currency he thought in. His currency was the conviction that a well-conceived object can change how people relate to their own lives. He did not manufacture the iPhone. He did not code it, did not assemble it, did not know how to make a single one of its parts. He thought it — and delegated everything else, in a cascade, down to a production line in Shenzhen. That did not make him any less an author. It made him the only author who mattered. What he held in his hands was not a product but the intention behind it. The rest was execution. The question now is a different one: if systems like Fusion can take over that cascade of delegations too, what is left for us to think? And, deeper still, if we give up thinking as well, what currency do we have left to negotiate our place in the equation? In 1914, Henry Ford doubled wages to five dollars a day, not out of generosity but out of cold calculation: his workers had to be able to afford the cars they were assembling. Today’s efficiency runs exactly the other way, cutting the workforce without asking who will still buy. That is how the loop I keep tracking gets going: layoffs, less purchasing power, less demand, more layoffs. A workshop that produces splendidly while drying up its own customers. This is not a verdict, though. There is a way out, and it bears an old name — the same one I gave the book I wrote, The Centaur Economy: the centaur. Garry Kasparov showed it long ago. A good human together with a good machine beats both the most powerful computer and the best grandmaster. Carried into the present discussion, this means that the form of AGI worth building is not the one that works instead of us, but the one in which we too remain part of the game — with the human holding the planning, not just watching the other agents work. The deepest risk, however, is not economic but cognitive. If we hand the system not only our hands but our judgment as well, we lose more than jobs: we lose the very training of thought. The “society of mind” works only as long as we remain agents within it, not mere spectators. A shared intelligence can lift us high, provided we do not throw ourselves out of the equation. That is precisely why the honest conclusion is neither techno-enthusiasm nor panic, but something I would call prudent optimism. This new shape of intelligence is real and it is impressive, and the true competition is no longer about who has the smartest model, but about who builds the best system around it. Jobs knew what he wanted to exist in the world and left everything to do with execution to others. The question is not whether today’s systems can do the same. They can. The question is whether, when no one is left who knows what they want to exist, there is still someone to ask why.

The capabilities described correspond to real Abacus.AI products. The economic ideas at the end, from the layoff loop and Ford’s lesson to the figure of the centaur, are developed at length in my book, The Centaur Economy.

Jedes Mal, wenn wir versuchen, uns Intelligenz vorzustellen, denken wir sie im Singular. Ein Gehirn. Ein Geist. Ein „Ich“, das die Welt von einem einzigen Punkt aus betrachtet und entscheidet. Unsere ganze Tradition, von der unteilbaren Seele der Philosophen bis zum einsamen Genie aus den Geschichten, lehrt uns: Intelligent sein heißt, einer sein. Und so stellen wir uns auch die allgemeine künstliche Intelligenz als ein einziges, allwissendes Wesen vor: ein riesiges Modell, das eines Morgens aufwacht und alles versteht. Genau darin könnten wir uns irren. Marvin Minsky schrieb vor einigen Jahrzehnten, nicht einmal der menschliche Geist sei ein einzelnes Ding, sondern eine „Gesellschaft“: eine Vielzahl kleiner Prozesse, jeder für sich ohne Intelligenz, aus deren Zusammenspiel das entsteht, was wir Denken nennen. Für Minsky war Intelligenz eher eine Frage der Organisation als irgendeiner Substanz. Und wenn wir uns ohne vorgefasste Ideen umsehen: Die mächtigste Intelligenz, die wir kennen – ob in der Wissenschaft, in der Wirtschaft oder in einer ganzen Zivilisation –, sitzt in keinem bestimmten Kopf. Das Wissen lebt zwischen uns, nicht in jedem Einzelnen von uns. Bei dieser alten Idee scheint nun, auf Umwegen, auch die künstliche Intelligenz anzukommen. Der Fable-Moment war aufschlussreich. Als es erschien, spürten viele, dass sie mehr vor sich hatten als ein gutes Modell: eine Intelligenz, die man wirklich an die Arbeit setzen konnte, eine, die ein Problem zu durchdenken schien, statt es mit schönem Text zuzudecken. Dann wurde es zurückgezogen. Wichtig war jedoch nicht Fable selbst, sondern was es zutage förderte. Es gibt ein Niveau des Denkens, nach dem sich die Menschen sehnen, und sobald eine Intelligenz es erreicht, verschiebt sich die Frage. Es zählt nicht mehr so sehr, wie klug das Modell ist, sondern was für ein System man darum herum baut. Die Antwort auf diese Frage zeichnet sich inzwischen aus zwei Richtungen ab.

Eher eine Werkstatt Die kollektive Vorstellungskraft hat die Idee der AGI auf ein einziges Gesicht festgelegt: den bewussten Roboter oder das riesige Modell, das über Nacht klüger wird als wir alle zusammen. Es ist ein bequemes Bild, weil es einfach ist. Wahrscheinlich ist es auch falsch. Was sich in der Praxis zeigt, ähnelt weniger einem Geist und mehr einer Architektur. Zwei aktuelle Projekte skizzieren sie aus Blickwinkeln, die einander ergänzen. Abacus AI kümmert sich um das Ausgabeende und verwandelt das Ergebnis von Text in etwas, das man tatsächlich benutzen kann. Fusion Agents kümmert sich um die Koordination und zerlegt ein großes Problem in eine Gruppe von Agenten, die parallel arbeiten. Keines von beiden gleicht dem Gott aus den Science-Fiction-Filmen. Beide gleichen einer Werkstatt: einem Ort, an dem gedacht wird, an dem die Arbeit aufgeteilt wird, an dem Werkzeuge an Ort und Stelle entstehen und an dem am Ende ein Ergebnis übergeben wird.

Das Modell ist nur der Verstand Jahrelang haben wir den Fortschritt in der KI wie ein Wettrennen der Spezifikationen gemessen: noch eine Milliarde Parameter, noch ein Punkt auf einer Rangliste, noch ein Zehntel, das der Fehlerrate abgerungen wurde. Das ist nützlich, aber eng. Ein Modell, so gut es auch sein mag, bleibt reines Potenzial, eine in ein Zimmer gesperrte Intelligenz, fähig, makellos zu denken, und unfähig, irgendetwas anzufassen. Der Sprung, auf den es ankommt, geschieht nicht im Inneren des Modells, sondern um es herum: in den Werkzeugen, die es benutzen kann, in den Diensten, mit denen es sich verbindet, und in der Art, wie es eine Aufgabe von der Absicht bis zur Lieferung führt. Der Unterschied zwischen einem Modell und einem System ist der Unterschied zwischen einem isolierten Genie und einer Institution, die das Genie an die Arbeit setzt. Abacus AI macht diesen Unterschied gut sichtbar. Heute antwortet einem fast jeder Assistent mit Text. Manchmal ist es hervorragender Text, aber Text bleibt es, und für viele Aufgaben ist Text das falsche Format. Man fragt, wie ein Rechenzentrum funktioniert, und bekommt Absätze, wo man eigentlich etwas bräuchte, das sich erkunden lässt. Der Agent von Abacus schreibt einem keinen Aufsatz, sondern baut einem an Ort und Stelle ein dreidimensionales Modell, das man drehen und Schicht für Schicht auseinandernehmen kann, vom Rechnen und Speichern bis zur Kühlung und Stromversorgung, und das man Punkt für Punkt befragen kann. So hört die Antwort auf, eine Beschreibung zu sein, und wird zu einem Gegenstand. Dieselbe Logik taucht überall dort auf, wo das Format zählt. Beauftragt, die Architektur von Produkten wie Instagram, Gmail oder Uber zu kartieren, bleibt das System nicht bei einem Bild im Chat stehen. Es erzeugt strukturierte, editierbare Diagramme, in denen Dienste, Datenbanken und Cache-Schichten jeweils an ihrem Platz sitzen – lebendige Dokumente, die man verändern kann. Mit den echten Daten aus einem Analysewerkzeug verbunden, baut es einem ein interaktives Dashboard, das man im Laufen nachjustiert, statt einer bloßen Tabelle. Es verhält sich weniger wie ein Assistent und mehr wie ein Analyst, der seinen Bericht selbst schreibt, während er denkt. Manchmal reicht die Werkstatt bis hinunter zur Infrastruktur. Bittet man den Agenten, ein Open-Source-Modell zu hosten und über eine Webseite zugänglich zu machen, erklärt er nicht die Schritte, sondern geht sie selbst: Er prüft die Ressourcen, bereitet die Umgebung vor, installiert, was nötig ist, konfiguriert den Server, startet den Dienst, testet ihn und übergibt am Ende einen öffentlichen Link, der wirklich funktioniert. Es ist, als würde er einem statt des Rezepts den fertigen Teller hinstellen.

Wie Fusion Agents arbeitet Löst Abacus das Problem der Form, so übernimmt Fusion Agents die Koordination – ausgehend von einer einfachen Beobachtung darüber, wie ernsthafte Arbeit tatsächlich aussieht. Echte Arbeit verläuft selten geradlinig. Meist ist sie ein Bündel kleiner Aufgaben, die parallel laufen: Man sucht Fehler in einem Abschnitt Code, prüft ein anderes Stück, liest einen Stapel Lebensläufe, vergleicht ein paar Firmen, zieht Themen aus ein paar Rezensionen und fügt erst am Ende alles wieder zusammen. Ein einzelnes Modell, das all das in einem Durchgang zu erledigen versucht, gleicht dem Menschen, der sich weigert zu delegieren. Fusion setzt an seine Stelle einen kleinen Organismus: einen planenden Agenten, der die Aufgabe zerlegt und auf ausführende Agenten verteilt, alle zugleich. Die Ausführenden können auf günstigen Modellen laufen, der Planende auf einem starken, das nur koordiniert und die Dinge zusammensetzt. Das Ergebnis wird dadurch zugleich billiger und ähnlicher der Art, wie ein echtes Team arbeitet. Bei der Arbeit betrachtet, gleicht es verblüffend einer Firma. Vor echten Code gestellt, teilt der planende Agent ihn in Zonen auf und gibt jedem Ausführenden eine Scheibe zum Prüfen, sammelt dann die Ergebnisse ein, streicht die Überschneidungen und liefert konkrete Code-Änderungen zurück, mit Erklärungen und einer Notiz darüber, was er bewusst nicht angerührt hat. Beauftragt, die letzten zehn Änderungsvorschläge eines Projekts durchzugehen, prüft er sie parallel, hinterlässt Kommentare, öffnet neue Korrekturen und führt sie so weit, bis die automatischen Tests bestehen. Man bekommt keine Gedanken, sondern Taten. Dieselbe Mechanik greift auch fernab der Programmierung. Ein Stapel von fünfzig Lebensläufen für eine technische Stelle – genau die Art von Arbeit, die einen Menschen einen ganzen Tag kostet und eine Aufmerksamkeit, die das Gehirn ungefähr beim dreißigsten Dossier verliert – wird in Lose aufgeteilt, parallel bewertet und kommt als fertige Rangliste zurück. Ein Budget von zehntausend Dollar und die ersten fünfzig Unternehmen eines Börsenindex werden durch dieselbe Arbeitsteilung zu einem begründeten Portfolio und einem Bericht. Hundert Rezensionen aus einem App-Store verwandeln sich in eine strategische Analyse, mit einem Agenten, der nach Themen sucht, einem, der Zitate sammelt, und einem, der sie in Empfehlungen übersetzt. Man sieht sich das alles an und begreift: Vor einem steht kein Modell, das antwortet, sondern eine Organisation, die arbeitet.

Der Schatten dieser Gestalt Hier schließt sich der Faden vom Anfang. Die erste wirkliche Gestalt der AGI gleicht nicht dem Gott, der morgens aufwacht und alles weiß. Sie gleicht Minskys „Gesellschaft des Geistes“, nur in die Wirklichkeit übertragen: ein Agent, der plant, und eine Gruppe begrenzter Agenten, die zusammen denken. Die Intelligenz kommt nicht aus einem einzelnen Kopf, sie organisiert sich zwischen mehreren. Die alte Ahnung über uns selbst wird gerade zu einer Ingenieursskizze. Doch jede Gestalt hat auch einen Schatten, und den zeigen die Vorführungen nicht. Jedes der obigen Beispiele beschreibt am Ende ein System, das eine Arbeit übernimmt, die jemandem gehörte: den Arbeitstag des Recruiters, den Bericht des Analysten, die Arbeit des Junioren, der das Handwerk gerade dadurch lernte, dass er Code las. Und hier stellt sich die Frage, die mich seit Längerem beschäftigt: Wenn das System die Arbeit macht, wer hat dann noch das Einkommen, mit dem gekauft wird, was das System herstellt? Steve Jobs verdiente einen Dollar im Jahr. Nicht aus Zwang, nicht aus Bescheidenheit – sondern weil Geld nicht die Währung war, in der er dachte. Seine Währung war die Überzeugung, dass ein gut durchdachter Gegenstand verändern kann, wie Menschen sich zu ihrem eigenen Leben verhalten. Das iPhone hat er nicht gefertigt. Er hat es nicht programmiert, nicht zusammengebaut, er konnte kein einziges seiner Teile herstellen. Er hat es gedacht – und alles Übrige delegiert, in einer Kaskade, bis hinunter zu einer Fertigungslinie in Shenzhen. Das machte ihn nicht weniger zum Urheber. Es machte ihn zum einzigen Urheber, auf den es ankam. Was er in der Hand hielt, war kein Produkt, sondern die Absicht dahinter. Der Rest war Ausführung. Die Frage, die sich jetzt stellt, ist eine andere: Wenn Systeme vom Typ Fusion auch diese Kaskade von Delegationen übernehmen können, was bleibt uns dann noch zu denken? Und tiefer noch: Wenn wir auch das Denken aufgeben, mit welcher Währung verhandeln wir dann noch unseren Platz in der Gleichung? 1914 verdoppelte Henry Ford die Löhne auf fünf Dollar am Tag, nicht aus Großzügigkeit, sondern aus kühlem Kalkül: Seine Arbeiter mussten sich die Autos leisten können, die sie zusammenbauten. Die Effizienz von heute läuft genau andersherum und streicht Arbeitskräfte, ohne zu fragen, wer noch kaufen wird. So beginnt die Schleife, die ich seit Langem verfolge: Entlassungen, weniger Kaufkraft, weniger Nachfrage, weitere Entlassungen. Eine Werkstatt, die glänzend produziert und sich dabei die eigenen Kunden austrocknet. Das ist jedoch kein Urteil. Es gibt einen Ausweg, und er trägt einen alten Namen – denselben, den ich auch meinem Buch gegeben habe, Die Zentauren-Ökonomie: den Zentauren. Garry Kasparov hat ihn vor langer Zeit gezeigt. Ein guter Mensch zusammen mit einer guten Maschine schlägt sowohl den stärksten Computer als auch den besten Großmeister. In die heutige Diskussion übertragen heißt das: Die Gestalt der AGI, die zu bauen sich lohnt, ist nicht die, die an unserer Stelle arbeitet, sondern die, in der auch wir Teil des Spiels bleiben – mit dem Menschen, der die Planung in der Hand behält, statt nur zuzusehen, wie die anderen Agenten arbeiten. Das tiefste Risiko ist allerdings nicht ökonomisch, sondern kognitiv. Wenn wir dem System nicht nur die Hände überlassen, sondern auch das Urteil, verlieren wir mehr als ein paar Arbeitsplätze: Wir verlieren das Training des Denkens selbst. Die „Gesellschaft des Geistes“ funktioniert nur, solange wir Agenten in ihr bleiben und nicht bloße Zuschauer. Eine geteilte Intelligenz kann uns weit heben – unter der Bedingung, dass wir uns nicht selbst aus der Gleichung werfen. Gerade deshalb ist das ehrliche Fazit weder Technikbegeisterung noch Panik, sondern etwas, das ich vorsichtigen Optimismus nennen würde. Diese neue Gestalt der Intelligenz ist real und beeindruckend, und der eigentliche Wettbewerb dreht sich nicht mehr darum, wer das klügste Modell hat, sondern darum, wer das beste System darum herum baut. Jobs wusste, was er in der Welt haben wollte, und überließ alles, was zur Ausführung gehörte, anderen. Die Frage ist nicht, ob die heutigen Systeme dasselbe können. Sie können es. Die Frage ist, ob – wenn niemand mehr da ist, der weiß, was er in der Welt haben will – noch jemand bleibt, der nach dem Warum fragt.

Die beschriebenen Fähigkeiten entsprechen realen Produkten von Abacus.AI. Die ökonomischen Ideen am Schluss, von der Entlassungsschleife und Fords Lektion bis zur Figur des Zentauren, entwickle ich ausführlich in meinem Buch Die Zentauren-Ökonomie.

Telkens wanneer we ons intelligentie proberen voor te stellen, zien we haar in het enkelvoud. Eén brein. Eén geest. Een ‘ik’ dat de wereld vanuit één punt bekijkt en beslist. Onze hele traditie, van de ondeelbare ziel van de filosofen tot het eenzame genie uit de verhalen, leert ons dat intelligent zijn betekent: één zijn. Dus wanneer we aan algemene kunstmatige intelligentie denken, stellen we ons opnieuw één alwetende entiteit voor: een reusachtig model dat op een ochtend wakker wordt en alles begrijpt. Misschien is dat precies waar we de fout in gaan. Marvin Minsky schreef, tientallen jaren geleden, dat zelfs de menselijke geest niet één ding is, maar een ‘samenleving’: een veelheid van kleine processen, elk op zichzelf zonder intelligentie, uit wier samenspel ontstaat wat wij denken noemen. Voor Minsky was intelligentie eerder een kwestie van organisatie dan van een of andere substantie. En wie zonder vooroordelen om zich heen kijkt, ziet dat de krachtigste intelligentie die we kennen — of het nu om de wetenschap gaat, om de economie of om een hele beschaving — in geen enkel afzonderlijk hoofd zit. Kennis leeft tussen ons, niet in ieder van ons. Bij dat oude idee lijkt nu, langs een omweg, ook de kunstmatige intelligentie uit te komen. Het Fable-moment was verhelderend. Toen het verscheen, voelden velen dat ze iets meer voor zich hadden dan een goed model: een intelligentie die je echt aan het werk kon zetten, een die een probleem leek te doordenken in plaats van het toe te dekken met mooie tekst. Daarna werd het teruggetrokken. Belangrijk was echter niet Fable zelf, maar wat het blootlegde. Er bestaat een niveau van redeneren waar mensen naar hunkeren, en zodra een intelligentie dat bereikt, verandert de vraag. Het gaat er niet meer zozeer om hoe slim het model is, als wel om wat voor systeem je eromheen bouwt. Het antwoord op die vraag begint zich vanuit twee richtingen af te tekenen.

Eerder een werkplaats De collectieve verbeelding heeft het idee van AGI vastgelegd in één gezicht: de bewuste robot of het reusachtige model dat van de ene dag op de andere slimmer wordt dan wij allemaal bij elkaar. Het is een gemakkelijk beeld, omdat het eenvoudig is. Waarschijnlijk is het ook verkeerd. Wat je in de praktijk ziet, lijkt minder op een geest en meer op een architectuur. Twee recente projecten schetsen haar vanuit hoeken die elkaar aanvullen. Abacus AI richt zich op de uitvoerkant en verandert het resultaat van tekst in iets wat je daadwerkelijk kunt gebruiken. Fusion Agents richt zich op de coördinatie en breekt een groot probleem op in een groep agenten die parallel werken. Geen van beide lijkt op de god uit de sciencefictionfilms. Allebei lijken ze op een werkplaats: een plek waar wordt nagedacht, waar het werk wordt verdeeld, waar gereedschap ter plekke wordt gemaakt en waar aan het eind een resultaat wordt opgeleverd.

Het model is alleen de geest Jarenlang hebben we de vooruitgang in AI gemeten als een race van specificaties: nog een miljard parameters, nog een punt op een ranglijst, nog een tiende van het foutenpercentage afgesnoept. Nuttig, maar smal. Een model, hoe goed ook, blijft puur potentieel: een intelligentie opgesloten in een kamer, in staat om onberispelijk te redeneren en niet in staat om iets aan te raken. De sprong die ertoe doet, vindt niet binnen het model plaats, maar eromheen: in de gereedschappen die het kan gebruiken, in de diensten waarmee het verbinding maakt en in de manier waarop het een taak van intentie tot levering brengt. Het verschil tussen een model en een systeem is het verschil tussen een geïsoleerd genie en een instelling die dat genie aan het werk zet. Abacus AI maakt dat verschil goed zichtbaar. Vandaag antwoordt vrijwel elke assistent je met tekst. Soms is het uitstekende tekst, maar tekst blijft het, en voor veel taken is tekst het verkeerde formaat. Je vraagt hoe een datacenter werkt en je krijgt alinea’s, terwijl je eigenlijk iets nodig hebt wat je kunt verkennen. De agent van Abacus schrijft geen essay voor je, maar bouwt ter plekke een driedimensionaal model dat je kunt draaien en laag voor laag uit elkaar kunt halen, van rekenkracht en opslag tot koeling en stroomvoorziening, en waaraan je punt voor punt vragen kunt stellen. Zo houdt het antwoord op een beschrijving te zijn en wordt het een object. Dezelfde logica duikt overal op waar het formaat ertoe doet. Gevraagd om de architectuur van producten als Instagram, Gmail of Uber in kaart te brengen, blijft het systeem niet steken bij een plaatje in de chat. Het genereert gestructureerde, bewerkbare diagrammen, met services, databases en cachelagen elk op hun eigen plek: levende documenten die je kunt aanpassen. Gekoppeld aan de echte data uit een analysetool bouwt het een interactief dashboard dat je al doende bijstelt, in plaats van een simpele tabel. Het gedraagt zich minder als een assistent en meer als een analist die zijn eigen rapport schrijft terwijl hij nadenkt. Soms daalt de werkplaats af tot aan de infrastructuur. Vraag je hem een opensourcemodel te hosten en via een webpagina toegankelijk te maken, dan legt de agent de stappen niet uit, maar doorloopt hij ze zelf: hij controleert de middelen, richt de omgeving in, installeert wat nodig is, configureert de server, start de dienst, test hem en geeft je aan het eind een publieke link die echt werkt. Het is alsof hij je niet het recept geeft, maar het bord voor je neerzet.

Hoe Fusion Agents werkt Waar Abacus het probleem van de vorm oplost, neemt Fusion Agents de coördinatie voor zijn rekening, vertrekkend vanuit een eenvoudige observatie over hoe serieus werk er werkelijk uitziet. Echt werk is zelden een rechte lijn. Meestal is het een bundel kleine taken die parallel lopen: je zoekt problemen in één stuk code, beoordeelt een ander stuk, leest een stapel cv’s, vergelijkt een paar bedrijven, haalt thema’s uit wat recensies en pas aan het eind plak je alles weer aan elkaar. Eén model dat dat allemaal in één keer probeert te doen, lijkt op de mens die weigert te delegeren. Fusion zet er een klein organisme voor in de plaats: een agent die plant, de taak uiteenlegt en verdeelt over agenten die uitvoeren, allemaal tegelijk. De uitvoerders kunnen op goedkope modellen draaien, en de planner op een krachtig model dat alleen coördineert en de stukken in elkaar past. Het resultaat is tegelijk goedkoper en dichter bij de manier waarop een echt team werkt. Wie het aan het werk ziet, herkent er treffend een bedrijf in. Voor echte code gezet, verdeelt de plannende agent die in zones en geeft elke uitvoerder een stuk om na te kijken; daarna verzamelt hij de resultaten, snijdt de overlappingen weg en levert concrete codewijzigingen op, met uitleg en een notitie over wat hij bewust niet heeft aangeraakt. Gevraagd om de laatste tien wijzigingsvoorstellen van een project door te nemen, beoordeelt hij ze parallel, laat commentaar achter, opent nieuwe correcties en brengt ze zover dat de geautomatiseerde tests slagen. Je krijgt geen overpeinzingen, maar daden. Dezelfde mechaniek werkt ook ver van het programmeren. Een stapel van vijftig cv’s voor een technische functie — precies het soort werk dat een mens een hele dag kost, en een aandacht die het brein ergens rond het dertigste dossier verliest — wordt in partijen verdeeld, parallel gescoord en komt terug als een ranglijst die klaar is voor gebruik. Een budget van tienduizend dollar en de eerste vijftig bedrijven uit een beursindex worden, via dezelfde arbeidsverdeling, een beargumenteerde portefeuille en een rapport. Honderd recensies uit een appwinkel veranderen in een strategische analyse, met één agent die thema’s zoekt, een andere die citaten verzamelt en weer een andere die ze vertaalt in aanbevelingen. Je kijkt naar dit alles en begrijpt dat je niet naar een model kijkt dat antwoordt, maar naar een organisatie die werkt.

De schaduw van deze vorm Hier komt de draad van het begin samen. De eerste echte vorm van AGI lijkt niet op de god die ’s ochtends wakker wordt en alles weet. Ze lijkt op Minsky’s ‘samenleving van de geest’, alleen omgezet in werkelijkheid: een agent die plant en een groep begrensde agenten die samen denken. De intelligentie komt niet uit één hoofd, maar organiseert zich tussen meerdere. Het oude vermoeden over onszelf wordt nu een ingenieursschets. Maar elke vorm heeft ook een schaduw, en die laten de demonstraties niet zien. Elk voorbeeld hierboven beschrijft uiteindelijk een systeem dat werk overneemt dat van iemand was: de werkdag van de recruiter, het rapport van de analist, het werk van de junior die het vak juist leerde door code te lezen. En hier duikt de vraag op die mij al langer bezighoudt: als het systeem het werk doet, wie heeft dan nog het inkomen waarmee wordt gekocht wat het systeem produceert? Steve Jobs verdiende één dollar per jaar. Niet uit dwang, niet uit bescheidenheid — maar omdat geld niet de munt was waarin hij dacht. Zijn munt was de overtuiging dat een goed doordacht voorwerp kan veranderen hoe mensen zich tot hun eigen leven verhouden. De iPhone heeft hij niet gefabriceerd. Hij heeft hem niet gecodeerd, niet in elkaar gezet, hij kon geen van de onderdelen maken. Hij heeft hem bedacht — en al de rest gedelegeerd, in een cascade, tot aan een productielijn in Shenzhen. Dat maakte hem niet minder auteur. Het maakte hem de enige auteur die ertoe deed. Wat hij in handen hield, was geen product, maar de intentie erachter. De rest was uitvoering. De vraag die zich nu aandient, is een andere: als systemen van het type Fusion ook die cascade van delegaties kunnen overnemen, wat blijft er dan voor ons te bedenken? En, dieper nog: als we ook het denken opgeven, met welke munt onderhandelen we dan nog over onze plaats in de vergelijking? In 1914 verdubbelde Henry Ford de lonen tot vijf dollar per dag, niet uit vrijgevigheid, maar uit koele berekening: zijn arbeiders moesten zich de auto’s kunnen veroorloven die ze in elkaar zetten. De efficiëntie van vandaag doet precies het omgekeerde en snijdt in het personeelsbestand zonder zich af te vragen wie er nog zal kopen. Zo begint de lus die ik al een tijd volg: ontslagen, minder koopkracht, minder vraag, weer ontslagen. Een werkplaats die schitterend produceert, maar haar eigen klanten laat opdrogen. Toch is dat geen vonnis. Er is een uitweg, en die draagt een oude naam — dezelfde die ik ook aan mijn boek heb gegeven, De Centauren-economie: de centaur. Garry Kasparov heeft het lang geleden laten zien. Een goed mens samen met een goede machine verslaat zowel de krachtigste computer als de beste grootmeester. Overgebracht naar deze discussie betekent dat: de vorm van AGI die het bouwen waard is, is niet de vorm die in onze plaats werkt, maar de vorm waarin ook wij deel van het spel blijven, met de mens die de planning in handen houdt en niet alleen toekijkt hoe de andere agenten werken. Het diepste risico is echter niet economisch, maar cognitief. Als we het systeem niet alleen onze handen toevertrouwen, maar ook ons oordeel, verliezen we meer dan banen: we verliezen de training van het denken zelf. De ‘samenleving van de geest’ werkt alleen zolang wij er agenten in blijven, geen toeschouwers. Een gedeelde intelligentie kan ons ver optillen, op voorwaarde dat we onszelf niet uit de vergelijking zetten. Juist daarom is de eerlijke conclusie noch technologisch enthousiasme, noch paniek, maar iets wat ik voorzichtig optimisme zou noemen. Deze nieuwe vorm van intelligentie is echt en indrukwekkend, en de werkelijke wedloop gaat niet langer over wie het slimste model heeft, maar over wie het beste systeem eromheen bouwt. Jobs wist wat hij in de wereld wilde zien bestaan en liet alles wat uitvoering was aan anderen over. De vraag is niet of de systemen van vandaag hetzelfde kunnen. Dat kunnen ze. De vraag is of er, wanneer er niemand meer is die weet wat hij wil zien bestaan, nog iemand overblijft die vraagt waarom.

De beschreven capaciteiten komen overeen met echte producten van Abacus.AI. De economische ideeën aan het slot, van de ontslaglus en de les van Ford tot de figuur van de centaur, werk ik uitgebreid uit in mijn boek De Centauren-economie.