Una definizione di AGI
A Definition of AGI
October 21, 2025
Autori: 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
Abstract
La mancanza di una definizione concreta per l'Intelligenza Generale Artificiale (AGI) oscura il divario tra l'IA specializzata odierna e la cognizione di livello umano. Questo articolo introduce una struttura quantificabile per affrontare tale questione, definendo l'AGI come la capacità di eguagliare la versatilità e la competenza cognitiva di un adulto ben istruito. Per rendere operativa questa definizione, ancoriamo la nostra metodologia alla teoria di Cattell-Horn-Carroll, il modello della cognizione umana più convalidato empiricamente. La struttura scompone l'intelligenza generale in dieci domini cognitivi fondamentali – inclusi ragionamento, memoria e percezione – e adatta consolidate batterie psicometriche umane per valutare i sistemi di IA. L'applicazione di questa struttura rivela un profilo cognitivo altamente "irregolare" nei modelli contemporanei. Sebbene competenti in domini ad alta intensità di conoscenza, gli attuali sistemi di IA presentano deficit critici nei meccanismi cognitivi fondamentali, in particolare nell'archiviazione della memoria a lungo termine. I punteggi AGI risultanti (ad esempio, GPT-4 al 27%, GPT-5 al 58%) quantificano concretamente sia i rapidi progressi che il divario sostanziale che rimane prima del raggiungimento dell'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.