Определение искусственного общего интеллекта (ИИО)
A Definition of AGI
October 21, 2025
Авторы: 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
Аннотация
Отсутствие конкретного определения искусственного общего интеллекта (ИОИ) скрывает разрыв между современным узкоспециализированным ИИ и человеческим уровнем познания. В данной статье представлен измеримый подход для решения этой проблемы, определяющий ИОИ как соответствие когнитивной универсальности и компетентности хорошо образованного взрослого человека. Чтобы реализовать это на практике, мы основываем нашу методологию на теории Кэттелла-Хорна-Кэрролла — наиболее эмпирически подтвержденной модели человеческого познания. Данный подход расчленяет общий интеллект на десять ключевых когнитивных доменов, включая мышление, память и восприятие, и адаптирует устоявшиеся психометрические батареи для оценки систем ИИ. Применение этого подхода выявляет сильно "неровный" когнитивный профиль у современных моделей. Несмотря на высокую компетентность в областях, требующих обширных знаний, современные системы ИИ демонстрируют критические пробелы в базовых когнитивных механизмах, особенно в долговременном хранении памяти. Полученные оценки ИОИ (например, GPT-4 — 27%, GPT-5 — 58%) конкретно количественно определяют как быстрый прогресс, так и существенный разрыв, остающийся до достижения ИОИ.
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.