Een nieuw academisch onderzoek betoogt dat kunstmatige algemene intelligentie (AGI) niet kan worden bereikt door enkel de rekenkracht te verhogen of de computarchitectuur te verbeteren. Volgens de auteur zijn er fundamentele, niet-reduceerbare beperkingen op verschillende beschrijvingsniveaus die moeten worden overwonnen.
In een uitgebreid wetenschappelijk artikel, dat onlangs werd gepubliceerd op het preprint-platform arxiv.org, stelt onderzoeker Subhomoy Bakshi dat algemene intelligentie — de vorm van cognitie die de volledige breedte van menselijke prestaties mogelijk maakt — niet louter een eigenschap is van de computationele architectuur. De centrale stelling van het werk is dat de structurele randvoorwaarden voor dergelijke intelligentie verspreid liggen over verschillende niveaus van beschrijving en dat deze niveaus onderling niet in elkaar overvloeien.
De tekortkoming van de 'scaling hypothesis'
Binnen de huidige AI-industrie heerst vaak de overtuiging dat het simpelweg vergroten van modellen (meer data, meer parameters en meer rekenkracht) uiteindelijk zal leiden tot AGI. Bakshi spreekt zich hier kritisch over uit. Volgens de analyse in het kan geen enkele individuele architecturale vooruitgang of de voortzetting van het zogenaamde 'scaling programme' op zichzelf leiden tot het bereiken van kunstmatige algemene intelligentie.
De auteur betoogt dat onderzoeksprogramma's niet langer beoordeeld moeten worden op basis van hun prestaties op één specifieke benchmark, maar tegenover een volledig profiel van structurele beperkingen. Dit betekent dat een systeem dat uitblinkt in één cognitieve taak, dat niet automatisch dichter bij algemene intelligentie is als de onderliggende structurele randvoorwaarden op andere niveaus ontbreken.
Een multidisciplinaire benadering
Om deze stelling te onderbouwen, hanteert de onderzoeker een methode die algemene intelligentie bekijkt door vier verschillende 'evidentiële lenzen'. Deze lenzen zijn verankerd in verschillende disciplines:
1. Onderzoek naar AI-systemen.
2. Antropologie.
3. Recht.
4. Economie.
Daarnaast wordt er gebruikgemaakt van speculatieve fictie, niet als bewijs, maar als een gedisciplineerde heuristiek om nieuwe ontdekkingen te stimuleren. Uit deze multidisciplinaire analyse komt een taxonomie voort van drieëntwintig structurele beperkingen, die zijn onderverdeeld in acht clusters. Zes van deze clusters worden in het onderzoek diepgaand geanalyseiseerd en gepresenteerd als een 'stijgende ladder' van niveaus. Bakshi legt hierbij expliciet uit waarom vooruitgang op het ene niveau niet automatisch wordt doorgezet naar het volgende niveau.
Definitie en implicaties
Het concept van 'algemene' intelligentie staat centraal in dit debat. In bredere zin wordt de term 'general' vaak gebruikt om zaken aan te duiden die niet gespecialiseerd of beperkt zijn tot één klasse van dingen, zoals bij algemene kennis of een algemene regel, zoals beschreven door definitions.net. In de context van AGI gaat het echter om het vermogen om over een breed spectrum van cognitieve domeinen te functioneren, vergelijkbaar met de menselijke geest.
Het onderzoek van Bakshi concludeert met vijf falsifieerbare voorspellingen. Elke voorspelling is gekoppeld aan een specifieke familie van benchmarks en een conditie waaronder de theorie zou kunnen worden weerlegd. Hiermee transformeert de auteur zijn beschrijvende kader naar een concreet onderzoeksprogramma. Volgens de publicatie op heeft dit programma een veel langer tijdshorizon dan de huidige schalingshypothese suggereert.
Het document, dat in totaal 78 pagina's beslaat en is ingediend op 21 juli 2026, biedt daarmee een theoretisch tegenwicht aan de optimistische visie dat AGI een onvermijdelijk bijproduct is van grotere computersystemen. De nadruk verschuift van kwantitatieve groei naar kwalitatieve, structurele integratie over diverse beschrijvingsniveaus.