AGI有了「權(quán)威」新定義！圖靈獎得主Yoshua Bengio等提出，GPT-5僅達57%

通用人工智能（AGI）或許將成為人類歷史上最重要的技術(shù)突破，但由于AGI 缺乏明確的定義，當今專用人工智能（AI）與人類認知水平之間的差距變得模糊不清。

為解決這一問題，人工智能安全中心（CAIS）主任Dan Hendrycks、圖靈獎得主Yoshua Bengio聯(lián)合眾多業(yè)內(nèi)企業(yè)家、學(xué)者提出了一個可量化框架，將 AGI 定義為：

“在認知多樣性與熟練度上，媲美或超過受過良好教育的成年人的 AI”。

an AI that can match or exceed the cognitive versatility and proficiency of a well-educated adult.

這一定義強調(diào)，通用智能不僅要求在狹窄領(lǐng)域內(nèi)的專業(yè)表現(xiàn)，還要求具備人類認知所特有的技能廣度（多功能性）和深度（熟練度）。

論文鏈接：https://arxiv.org/abs/2510.18212

研究結(jié)果表明，在這一框架下，GPT-4 的 AGI 得分僅為27%，GPT-5 的得分也只有57%。

圖｜GPT-4 和 GPT-5 的 AGI 得分。

這表明，盡管當前的AI在復(fù)雜基準上表現(xiàn)出色，但它缺乏許多對類人通用智能至關(guān)重要的核心認知能力。

更重要的是，這一框架提供了一個結(jié)構(gòu)化、可量化、更具魯棒性的方法來評估 AGI，超越了狹隘的、專業(yè)化的基準測試。

AGI 的 10 個核心能力

為系統(tǒng)檢驗 AI 系統(tǒng)的具體認知能力，研究團隊基于卡特爾-霍恩-卡羅爾理論（人類智能最經(jīng)實證驗證的模型）構(gòu)建方法論。該框架將通用智能分解為 10 個核心認知領(lǐng)域——包括推理、記憶與感知等——并采用成熟的人類心理測量測試套件評估 AI 系統(tǒng)。

圖｜所提出 AGI 定義下的 10 個核心組成。

具體內(nèi)容如下：

1.通用知識

通用知識（General Knowledge），即“大多數(shù)受過良好教育的人所熟悉的知識，或重要到大多數(shù)成年人都接觸過的知識”。在這一維度上，研究團隊從常識、科學(xué)、社會科學(xué)、歷史、文化等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 9%。

2.讀寫能力

讀寫能力（Reading and Writing Ability），即“在閱讀和寫作中掌握所有陳述性知識和程序性技能”。在這一維度上，研究團隊從常字詞識別、閱讀理解、寫作能力、語法等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 10%。

3.數(shù)學(xué)能力

數(shù)學(xué)能力（Mathematical Ability），即“數(shù)學(xué)知識和技能的深度和廣度”。在這一維度上，研究團隊從算數(shù)、代數(shù)、幾何、概率、微積分等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 10%。

4.即時推理能力

即時推理能力（On-the-Spot Reasoning），即“審慎且靈活地控制注意力，以解決那些無法僅依靠以往習得的習慣、圖式和腳本完成的全新即時的問題”。在這一維度上，研究團隊從算演繹、歸納、心智理論、規(guī)劃、適應(yīng)等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 7%。

5.工作記憶能力

工作記憶能力（Working Memory），即“在注意力集中狀態(tài)下保存、處理并更新信息的能力”。在這一維度上，研究團隊從聽覺、視覺、跨模態(tài)模型等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 4%。

6.長期記憶儲存能力

長期記憶儲存能力（Long-Term Memory Storage），即“穩(wěn)定地獲取、鞏固并存儲來自近期經(jīng)驗的新信息的能力"。在這一維度上，研究團隊從聯(lián)想記憶、意義記憶、逐字記憶等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率為 0%。

7.長期記憶檢索能力

長期記憶檢索能力（Long-Term Memory Retrieval），即“能夠流暢且精確地從長時記憶中檢索信息的能力”。在這一維度上，研究團隊從提取流暢性、幻覺等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 4%。

8.視覺處理能力

視覺處理能力（Visual Processing），即“分析與生成自然或非自然圖像和視頻的能力”。在這一維度上，研究團隊從感知、生成、推理和空間掃描等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 4%。

9.聽覺處理能力

聽覺處理能力（Auditory Processing），即“區(qū)分、記憶、推理并處理聽覺刺激的能力”。在這一維度上，研究團隊從語音編碼、語音識別、節(jié)奏、音色、音準等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 6%。

10.速度

速度（Speed），即“快速完成認知任務(wù)的能力”。在這一維度上，研究團隊從語搜索、對比、閱讀、書寫、數(shù)字等方面對 GPT-5、GPT-4 進行了評估，結(jié)果顯示，GPT-5 的整體正確率僅為 3%。

更多評估細節(jié)詳見論文。

局限性與未來挑戰(zhàn)

以上結(jié)果凸顯了當前 AI 與人類水平的通用智能之間的能力鴻溝，具體表現(xiàn)在：

1.關(guān)鍵能力欠缺

盡管當前 AI 在通用知識、讀寫能力和數(shù)學(xué)能力等方面表現(xiàn)出高熟練度，但它們在基礎(chǔ)認知機制上依然存在嚴重缺陷；同時，長期記憶存儲是亟需突破的瓶頸，當前 AI 的得分接近 0%；而且，當前 AI 缺乏持續(xù)學(xué)習能力，需要在每次交互中重新學(xué)習上下文，效率低下；此外，視覺推理能力的欠缺限制了 AI Agent 與復(fù)雜數(shù)字環(huán)境的交互。

圖｜GPT-4 和 GPT-5 的能力分布。

2.能力扭曲與通用幻覺

AI 的“鋸齒狀”能力常常導(dǎo)致所謂的“能力扭曲”，即 AI 會利用某些方面的強項來彌補其他方面的弱點，比如依賴龐大的上下文窗口和 RAG 技術(shù)來掩蓋長期記憶存儲能力的缺乏。這種權(quán)宜之計制造出了一種脆弱的“通用智能幻覺”，最終導(dǎo)致對 AGI 何時到來的不準確評估。

當然，這一「AGI 定義」也存在一些局限性。

首先，這一定義并不全面，他們有意排除了某些類型的能力，如 Gardner 提出的多元智能理論中的動覺智能等。

再者，研究框架的示例主要基于英語語境，未考慮文化差異。未來研究可將測試擴展至不同語言與文化背景；

另外，研究團隊的操作化存在內(nèi)在限制：通用知識測試是選擇性的，無法涵蓋所有學(xué)科領(lǐng)域?！?00% 的 AGI 分數(shù)”僅意味著在這些特定維度上表現(xiàn)優(yōu)異，并不等同于“現(xiàn)實中的高學(xué)歷或全面教育背景”。

此外，當前方案為每項廣泛能力分配相同權(quán)重（10%），以突出廣度。然而，這種權(quán)重配置只是眾多可能方案之一。未來可探索更具靈活性的權(quán)重方案和任務(wù)組合。

最后，AGI 總分這種單一數(shù)值可能掩蓋 AI 的嚴重缺陷。例如，一個 AGI 總分 90%，但長期記憶存儲為 0%，實際上會表現(xiàn)出類似“遺忘癥”的功能障礙。

在論文的最后，研究團隊表示，實現(xiàn) AGI 依然需要解決諸多挑戰(zhàn)：

• 機器學(xué)習社區(qū)旨在測量抽象推理能力的 ARC-AGI 挑戰(zhàn)賽，就體現(xiàn)在及時推理任務(wù)中；

• Meta 試圖創(chuàng)建包含直覺物理理解的世界模型，這體現(xiàn)在視頻異常檢測任務(wù)中；

• 空間導(dǎo)航記憶的挑戰(zhàn)反映了李飛飛的初創(chuàng)公司 World-Labs 的一個核心目標；

• 幻覺和持續(xù)學(xué)習方面的挑戰(zhàn)，也需要被解決。

因此，“AGI 得分在明年內(nèi)達到 100% 的可能性不大”。

整理：瀟瀟

如需轉(zhuǎn)載或投稿，請直接在本文章評論區(qū)內(nèi)留言