Een definitie van AGI
A Definition of AGI
October 21, 2025
Auteurs: 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
Samenvatting
Het ontbreken van een concrete definitie voor Algemene Kunstmatige Intelligentie (AGI) vertroebelt het onderscheid tussen de gespecialiseerde AI van vandaag en menselijk cognitief vermogen. Dit artikel introduceert een kwantificeerbaar raamwerk om dit aan te pakken, waarbij AGI wordt gedefinieerd als het evenaren van de cognitieve veelzijdigheid en bekwaamheid van een goed opgeleide volwassene. Om dit operationeel te maken, baseren we onze methodologie op de Cattell-Horn-Carroll-theorie, het meest empirisch gevalideerde model van menselijke cognitie. Het raamwerk ontleedt algemene intelligentie in tien kerncognitieve domeinen – waaronder redeneren, geheugen en perceptie – en past gevestigde psychometrische testbatterijen voor mensen aan om AI-systemen te evalueren. Toepassing van dit raamwerk onthult een sterk "gefragmenteerd" cognitief profiel bij hedendaagse modellen. Hoewel ze bekwaam zijn in kennisdomeinen, vertonen huidige AI-systemen kritieke tekortkomingen in fundamentele cognitieve mechanismen, met name in langetermijngeheugenopslag. De resulterende AGI-scores (bijvoorbeeld GPT-4 op 27%, GPT-5 op 58%) kwantificeren concreet zowel de snelle vooruitgang als de aanzienlijke kloof die nog resteert voor AGI wordt bereikt.
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.