Uma Definição de 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
Resumo
A falta de uma definição concreta para a Inteligência Geral Artificial (AGI) obscurece a lacuna entre a IA especializada atual e a cognição de nível humano. Este artigo introduz um quadro quantificável para abordar esta questão, definindo AGI como a correspondência com a versatilidade e proficiência cognitiva de um adulto bem-educado. Para operacionalizar esta definição, fundamentamos nossa metodologia na teoria Cattell-Horn-Carroll, o modelo de cognição humana mais validado empiricamente. O quadro decompõe a inteligência geral em dez domínios cognitivos centrais — incluindo raciocínio, memória e percepção — e adapta baterias psicométricas humanas consolidadas para avaliar sistemas de IA. A aplicação deste quadro revela um perfil cognitivo altamente "irregular" nos modelos contemporâneos. Embora proficientes em domínios intensivos em conhecimento, os sistemas de IA atuais apresentam déficits críticos na maquinaria cognitiva fundamental, particularmente no armazenamento de memória de longo prazo. As pontuações de AGI resultantes (por exemplo, GPT-4 em 27%, GPT-5 em 58%) quantificam concretamente tanto o progresso rápido quanto a lacuna substancial que ainda permanece antes da 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.