Eine Definition von AGI
A Definition of AGI
October 21, 2025
papers.authors: Dan Hendrycks, Dawn Song, Christian Szegedy, Honglak Lee, Yarin Gal, Erik Brynjolfsson, Sharon Li, Andy Zou, Lionel Levine, Bo Han, Jie Fu, Ziwei Liu, Jinwoo Shin, Kimin Lee, Mantas Mazeika, Long Phan, George Ingebretsen, Adam Khoja, Cihang Xie, Olawale Salaudeen, Matthias Hein, Kevin Zhao, Alexander Pan, David Duvenaud, Bo Li, Steve Omohundro, Gabriel Alfour, Max Tegmark, Kevin McGrew, Gary Marcus, Jaan Tallinn, Eric Schmidt, Yoshua Bengio
cs.AI
papers.abstract
Das Fehlen einer konkreten Definition für Künstliche Allgemeine Intelligenz (AGI) verschleiert die Kluft zwischen der heutigen spezialisierten KI und der menschlichen Kognition. Dieses Papier stellt einen quantifizierbaren Rahmen vor, um dieses Problem anzugehen, und definiert AGI als das Erreichen der kognitiven Vielseitigkeit und Kompetenz eines gut ausgebildeten Erwachsenen. Um dies operationalisierbar zu machen, stützen wir unsere Methodik auf die Cattell-Horn-Carroll-Theorie, das empirisch am besten validierte Modell der menschlichen Kognition. Der Rahmen unterteilt die allgemeine Intelligenz in zehn zentrale kognitive Domänen – darunter Schlussfolgerung, Gedächtnis und Wahrnehmung – und passt etablierte psychometrische Testverfahren für Menschen an, um KI-Systeme zu bewerten. Die Anwendung dieses Rahmens zeigt ein stark "zersplittertes" kognitives Profil bei aktuellen Modellen. Während aktuelle KI-Systeme in wissensintensiven Domänen kompetent sind, weisen sie kritische Defizite in grundlegender kognitiver Funktionalität auf, insbesondere bei der Langzeitspeicherung von Gedächtnisinhalten. Die resultierenden AGI-Werte (z.B. GPT-4 bei 27 %, GPT-5 bei 58 %) quantifizieren konkret sowohl die rasante Entwicklung als auch die beträchtliche verbleibende Lücke bis zur AGI.
English
The lack of a concrete definition for Artificial General Intelligence (AGI)
obscures the gap between today's specialized AI and human-level cognition. This
paper introduces a quantifiable framework to address this, defining AGI as
matching the cognitive versatility and proficiency of a well-educated adult. To
operationalize this, we ground our methodology in Cattell-Horn-Carroll theory,
the most empirically validated model of human cognition. The framework dissects
general intelligence into ten core cognitive domains-including reasoning,
memory, and perception-and adapts established human psychometric batteries to
evaluate AI systems. Application of this framework reveals a highly "jagged"
cognitive profile in contemporary models. While proficient in
knowledge-intensive domains, current AI systems have critical deficits in
foundational cognitive machinery, particularly long-term memory storage. The
resulting AGI scores (e.g., GPT-4 at 27%, GPT-5 at 58%) concretely quantify
both rapid progress and the substantial gap remaining before AGI.