Una definición de la IAG
A Definition of AGI
October 21, 2025
Autores: 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
Resumen
La falta de una definición concreta de la Inteligencia General Artificial (AGI) oscurece la brecha entre la IA especializada actual y la cognición de nivel humano. Este artículo presenta un marco cuantificable para abordar este problema, definiendo la AGI como la capacidad de igualar la versatilidad y competencia cognitiva de un adulto con educación superior. Para operacionalizar esto, fundamentamos nuestra metodología en la teoría Cattell-Horn-Carroll, el modelo de cognición humana con mayor validación empírica. El marco desglosa la inteligencia general en diez dominios cognitivos fundamentales —incluyendo razonamiento, memoria y percepción— y adapta baterías psicométricas humanas consolidadas para evaluar sistemas de IA. La aplicación de este marco revela un perfil cognitivo muy "irregular" en los modelos contemporáneos. Si bien son competentes en dominios que requieren amplio conocimiento, los sistemas de IA actuales presentan déficits críticos en maquinaria cognitiva fundamental, particularmente en el almacenamiento de memoria a largo plazo. Las puntuaciones de AGI resultantes (por ejemplo, GPT-4 en un 27%, GPT-5 en un 58%) cuantifican concretamente tanto el rápido progreso como la brecha sustancial que aún persiste antes de alcanzar la 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.