Alweer een week, alweer een adembenemende aankondiging over het bereiken van Kunstmatige Algemene Intelligentie. Het zou je vergeven zijn als je inmiddels last hebt van een ernstige vorm van AGI-vermoeidheid. Maar deze keer komt de claim niet van de gebruikelijke techgiganten uit Silicon Valley, maar van Integral AI, een startup met hubs in Tokio en Silicon Valley, geleid door voormalig Google AI-pionier Jad Tarifi. En ze beloven niet zomaar een groter, beter Large Language Model. Ze claimen een fundamentele paradigmaverschuiving.
Integral AI heeft de creatie van ’s werelds eerste “AGI-capabele model” aangekondigd. Voordat je je optische sensoren laat tollen, hun claim is gebouwd op een fundament dat bewust de datahongerige, brute-force schaalvergroting van de huidige AI omzeilt. In plaats daarvan stellen ze een systeem voor dat meer als een mens leert, wat een toekomst belooft waarin robots zelf dingen uitvogelen. Het is een gedurfde bewering die een nadere blik onder de motorkap verdient. Is dit de echte doorbraak, of gewoon weer een geval van “AGI-washing” in een oververhitte markt?
De architect van een nieuwe intelligentie
De man achter het gordijn is Jad Tarifi, Ph.D., en hij is geen doorsnee startup-oprichter. Hij bracht bijna een decennium door bij Google AI, waar hij het eerste Generatieve AI-team oprichtte en leidde, met een focus op “verbeeldingsmodellen” en hoe te leren van beperkte data. Met een doctoraat in AI en een master in quantumcomputing zijn zijn geloofsbrieven net zo serieus als zijn ambities.
Interessant genoeg heeft Tarifi zijn operaties gecentreerd in Tokio, een weloverwogen keuze die geworteld is in zijn overtuiging dat Japan het wereldwijde hart van de robotica is. Dit is niet zomaar een geografische voorkeur; het is een strategische. De visie van Integral AI is een “belichaamde” intelligentie – AI die leeft en leert in de fysieke wereld, waardoor robotica de ultieme proeftuin wordt.
Als je het niet kunt definiëren, kun je het niet bouwen
Misschien wel het meest verfrissende aan de aankondiging van Integral AI is de rigoureuze, door engineering gedreven definitie van AGI. Terwijl giganten als OpenAI en Google DeepMind vaak in brede, bijna filosofische termen over AGI spreken, heeft Integral drie strikte, meetbare pijlers uiteengezet voor elk systeem dat aanspraak maakt op de titel.
- Autonome vaardigheidslering: Het model moet in staat zijn om geheel nieuwe vaardigheden te leren in onbekende omgevingen zonder vooraf samengestelde datasets of menselijke begeleiding. Dit is een directe uitdaging voor systemen zoals ChatGPT, die fundamenteel beperkt zijn door de data waarop ze getraind zijn.
- Veilige en betrouwbare beheersing: Het leerproces moet inherent veilig zijn. Tarifi gebruikt een prachtig eenvoudige analogie: een robot die leert koken, mag de keuken niet in brand steken door vallen en opstaan. Veiligheid moet een feature zijn, geen paniekerige pleister die achteraf wordt aangebracht.
- Energie-efficiëntie: En dit is de echte gamechanger. Het model mag niet meer energie verbruiken om een nieuwe vaardigheid te leren dan een mens. Deze pijler pakt de olifant in de kamer aan voor Big AI: het volstrekt onhoudbare energieverbruik van het trainen van steeds grotere modellen.
Volgens hun aankondiging van december 2025 heeft Integral AI’s model met succes aan deze drie criteria voldaan in een gesloten testomgeving. Als dit waar is, is het niets minder dan een revolutie.
Wereldmodellen, geen woordmodellen
Dus, wat is het geheime ingrediënt? Integral AI bouwt geen Large Language Models. Ze bouwen “Foundation World Models”. Het concept van wereldmodellen bestaat al decennia, met pioniers als Jürgen Schmidhuber en Yann LeCun die het idee aanprezen als een cruciale stap naar robuustere AI. Het kernidee is dat een AI een interne, voorspellende simulatie van zijn omgeving bouwt, waardoor het de gevolgen van zijn acties kan “verbeelden” voordat het ze uitvoert.
De architectuur van Integral is geïnspireerd op de menselijke neocortex, ontworpen om te abstraheren, plannen en handelen als een verenigd geheel, in plaats van alleen statistisch het volgende token in een reeks te voorspellen. Het systeem gebruikt wat het “universele operatoren” noemt die functioneren als de wetenschappelijke methode: een hypothese vormen, een experiment ontwerpen (zoals het bewegen van een robotarm) en leren van de uitkomst. Dit actieve leerproces stelt het in staat om te functioneren zonder een enorme, statische dataset.
Het bewijs zit in het puzzelen
Claims zijn natuurlijk goedkoop. Het bewijs berust vooralsnog op een paar belangrijke demonstraties. De eerste is een klassieke AI-uitdaging: het spel Sokoban. Dit magazijnpuzzelspel is bedrieglijk moeilijk voor AI, omdat het langetermijnplanning vereist, waarbij een enkele verkeerde zet de puzzel veel later onoplosbaar kan maken. Huidige generatieve AI worstelt berucht met dit soort statusregistratie en logische gevolgtrekking. Tarifi beweert dat hun model Sokoban van een blanco lei (tabula rasa) beheerste, waarbij het de regels en strategie op professioneel niveau leerde door simpelweg te interacteren met de simulatie.
Om te bewijzen dat dit niet alleen om spelletjes gaat, toonde Integral ook een project voor Honda R&D. De taak omvatte het coördineren van complexe, real-world logistieke en planningssystemen – in wezen Sokoban spelen met echte toeleveringsketens en API’s. De planningsmogelijkheden werden vergeleken met Google DeepMind’s legendarische AlphaGo, maar dan toegepast op de rommelige, dynamische fysieke wereld in plaats van een beperkt speelbord.
Dus, is de AGI-hype deze keer echt?
Laten we even met beide benen op de grond blijven. Integral AI heeft een ongelooflijk overtuigende visie en een reeks falsifieerbare claims gepresenteerd. Deze resultaten komen echter uit een “sandbox”, en de bredere wetenschappelijke gemeenschap heeft ze nog niet onafhankelijk geverifieerd. Het bedrijf heeft in feite zijn eigen AGI-meetlat gecreëerd en vervolgens verklaard dat het de lat heeft gehaald.
Als – en het is een aanzienlijke als – deze claims de toets der kritiek doorstaan, dan zijn de implicaties verbijsterend. Het zou een afwijking betekenen van het data-hamsterende paradigma, de ecologische voetafdruk van AI drastisch verkleinen en de weg vrijmaken voor robots voor algemeen gebruik die zich kunnen aanpassen aan onze huizen, en niet alleen aan zeer gestructureerde fabrieken.
Integral AI heeft de handschoen opgenomen en de aanpak van de hele industrie voor het bouwen van intelligente machines uitgedaagd. Het bedrijf ziet dit als de eerste stap naar een “superintelligentie die vrijheid en collectieve zeggenschap vergroot”. Voor nu kijkt de wereld toe. De claims zijn buitengewoon. De volgende stap is het leveren van het buitengewone bewijs, door dit brein-in-een-doos uit het lab en in onze wereld te brengen – hopelijk zonder keukens in brand te steken.
