Pernyataan itu disampaikan dalam podcast Lex Fridman, ketika Huang menegaskan, "Saya pikir kita sudah sampai di tahap itu. Saya pikir kita telah mencapai AGI." Klaim ini langsung memicu perdebatan di kalangan peneliti AI global, mengingat hingga kini belum ada definisi tunggal tentang AGI maupun standar baku untuk mengukurnya.
Dilansir dari Fortune, Kamis (2/4/2026), pernyataan itu muncul saat Lex Fridman mengajukan cara tak biasa untuk menilai AGI, yakni apakah AI mampu membangun perusahaan teknologi bernilai satu miliar dolar.
Menanggapi hal tersebut, Jensen Huang menilai pencapaian itu tidak perlu menunggu lima hingga 20 tahun, sehingga mempertegas pandangannya bahwa AGI sudah tercapai saat ini.
Meski begitu, definisi ini tidak disepakati oleh mayoritas peneliti AI, karena lebih sempit daripada definisi tradisional AGI yang menekankan kesetaraan AI dengan beragam kemampuan kognitif manusia, bukan sekadar keberhasilan bisnis.
Perdebatan ini menjadi semakin kompleks mengingat banyak perusahaan teknologi besar dengan valuasi pasar gabungan lebih dari satu triliun dolar mengumumkan AGI sebagai tujuan strategis mereka.
Beberapa ilmuwan komputer bahkan menghindari penggunaan istilah ini karena dianggap sulit diukur dan ambigu. Di sisi lain, perusahaan teknologi memanfaatkan ketidakjelasan AGI untuk menciptakan hype, mengklaim kemajuan besar meski definisinya tidak jelas.
Namun, upaya ilmiah untuk mendefinisikan dan mengukur AGI terus berkembang. Peneliti Google DeepMind, termasuk salah satu pendirinya, Shane Legg, baru-baru ini merilis sebuah makalah berjudul Measuring Progress Toward AGI: A Cognitive Framework yang menawarkan pendekatan lebih terstruktur.
Dalam makalah tersebut, para peneliti mengidentifikasi sepuluh kemampuan kognitif utama, mulai dari persepsi, penalaran, memori, pembelajaran, perhatian, hingga kognisi sosial sebagai fondasi kecerdasan umum.
"Kemajuan menuju AGI perlu diukur melalui berbagai kemampuan kognitif, bukan hanya satu indikator tunggal," tulis para peneliti.
AI kemudian diuji berdasarkan kemampuan-kemampuan ini dan dibandingkan dengan manusia dewasa berpendidikan setara sekolah menengah. Hasilnya menunjukkan kemampuan AI masih belum merata: unggul di beberapa bidang seperti matematika, tetapi tertinggal dalam belajar dari pengalaman dan memahami konteks sosial.
Selain DeepMind, Center for AI Safety yang dipimpin Dan Hendrycks bersama Yoshua Bengio juga merilis kerangka AGI berbasis sepuluh domain kognitif, menilai model AI seperti GPT-5 yang baru dirilis Agustus 2025 hanya mencapai 57 persen dari kinerja manusia dewasa berpendidikan.
Sementara itu, benchmark ARC-AGI yang digagas François Chollet menekankan kemampuan AI untuk mempelajari keterampilan baru secara fleksibel, menggunakan teka-teki visual yang menuntut penalaran abstrak, simetri, dan pemahaman relasi spasial—kompetensi yang masih menjadi tantangan bagi sistem AI modern.
Sejarah panjang perdebatan AGI juga menunjukkan bahwa mendefinisikan kecerdasan mesin, terutama yang menyamai kemampuan manusia merupakan tantangan klasik sejak era Alan Turing. Dia kemudian mengusulkan Turing Test pada 1950 untuk menilai apakah mesin dapat dianggap cerdas melalui kemampuannya meniru percakapan manusia.
Meski demikian, pengalaman dengan chatbot seperti Eliza dan Eugene Goostman membuktikan bahwa AI dapat meniru percakapan manusia tanpa benar-benar menguasai spektrum kemampuan kognitif penuh.
Sementara itu, dalam konteks korporasi, istilah AGI kerap dimanfaatkan sebagai strategi pemasaran. OpenAI, misalnya, mendefinisikannya sebagai sistem otonom yang mampu melampaui manusia dalam pekerjaan bernilai ekonomi, termasuk dalam kerja samanya dengan Microsoft.
Namun, CEO Sam Altman mengakui istilah tersebut kini semakin kabur. "AGI telah menjadi istilah yang sangat luas dan sering dipakai untuk membangun hype, bukan ukuran yang benar-benar objektif," ujarnya.
Kesimpulannya, klaim Huang menyoroti ketegangan antara aspirasi industri dan realitas ilmiah: AGI tetap menjadi istilah yang ambigu, perdebatan definisi belum usai, dan upaya menilai kecerdasan AI secara objektif terus berlangsung di laboratorium-laboratorium global.
Dunia teknologi dan investor kini harus menafsirkan klaim pencapaian AGI dengan hati-hati, menyadari perbedaan besar antara strategi pemasaran dan bukti ilmiah nyata.
Baca Juga: Nvidia Bidik Peluang Pendapatan Cip AI Rp 16.970 Triliun Seiring Ledakan Komputasi Inference Global