AGI今天起有了量化標準！Bengio牽頭定義，當前進度條58%
最強AI也還差得遠
聞樂 發自 凹非寺
量子位 | 公眾號 QbitAI
長期以來，AGI都籠罩在“類人智能”的模糊表述中。
都說它像人一樣聰明，那到底有多聰明呢？
圖靈獎得主Yoshua Bengio聯合Center for AI Safety、加州大學伯克利分校等機構的新作《A Definition of AGI》給AGI下了個可衡量的定義。
“AGI is an AI that can match or exceed the cognitive versatility and proficiency of a well-educated adult.”
AGI是能匹配或超越受過良好教育成年人的認知廣度（versatility ）和熟練度（ proficiency）的人工智能。
該定義包含兩個關鍵維度：
- 確定了參照系
- 直接錨定“受過良好教育的成年人”，避免了“AGI是超人類智能”這類模糊表述，讓評估有了具體標準。
- 強調全面性
- 不看AI在單一任務上的表現，而是要求它在多個核心認知領域（如推理、記憶、感知等）都達標，不能有嚴重的偏科。
研究團隊設計了一套量化方法來評估當前AI離AGI的距離。
分數越高，離AGI越近
為了把這個標準落地，研究者參考了心理學里驗證過的卡特爾-霍恩-卡羅爾（CHC）理論這個研究人類認知能力的經典模型。
該模型將人類通用智力拆解為10個相互獨立但又關聯的核心認知領域，涵蓋了從基礎感知到高階推理的完整認知鏈條，基于這10個領域，研究團隊對人類傳統認知測試題進行了AI適配改造。
剔除依賴人類生理感知（如觸覺測試）或特定場景（如駕駛場景測試）的題目，保留核心認知邏輯，形成了一套包含500余道題目的AGI評估題庫。具體包括：
- 知識（K）：主要測試常識、自然科學、社會科學、歷史、文化等方面的知識儲備。
- 讀寫（RW）：考察閱讀和寫作能力，包括對文本的理解、語言表達、文字創作等。
- 數學（M）：涉及數學計算、定量推理、數字概念的掌握等數學能力。
- 臨場推理（R）：即處理新穎問題、進行邏輯分析與抽象思維的能力，也就是流體推理能力。
- 工作記憶（WM）：指短期信息的保持與實時加工能力。
- 長時記憶存儲（MS）：衡量AI系統將信息進行長期穩定存儲的能力。
- 長時記憶提取（MR）：考查AI能否從長期記憶中高效地提取所需信息。
- 視覺（V）：包括圖像識別、空間定位、視覺信息解讀等視覺加工能力。
- 聽覺（A）：涉及聲音識別、語音理解、聽覺信息處理等聽覺加工能力。
- 速度（S）：主要評估AI快速處理簡單認知任務的效率。
評估采用百分制，每個認知領域滿分10分，系統總分達到100分即判定為達到AGI水平，分數越高代表離AGI的距離越近。
AI雖然進步快，但離AGI還很遠
研究團隊運用上述評估體系，對當前主流LLM進行了全面測試，結果既展現了AI的快速進步，也暴露了其與AGI的巨大差距。
從總分來看，2023年發布的GPT-4總分僅為27分，而2025年版GPT-5總分提升至58分.
兩年間，分數增幅超過115%，反映出大模型在認知能力上的快速迭代。
但從AGI的及格線100分來看，即使是GPT-5，也尚未突破半程線，甚至在長時記憶存儲領域中拿了0分。
具體來說，當前AI與論文中定義的AGI更關鍵的差異體現在認知領域的不均衡性上。
優勢領域集中
據實驗結果來看，當前AI的優勢高度集中于知識儲備與符號處理類領域。
在知識（K）、讀寫（RW）、數學（M）三個領域表現突出，GPT-5在這三項的得分都超過了8。
△知識（K）領域評估
△讀寫（RW）領域評估
△數學（M）領域評估這些優勢的共性在于均圍繞文本符號的理解與應用展開，是大模型在萬億級數據訓練中形成的模式匹配能力的集中體現。
AI在依賴海量數據訓練的任務中，在這些方面展現出了接近人類成年人的水平。
核心短板顯著
與集中的優勢形成鮮明對比，實驗暴露出AI在感知、記憶、推理等基礎認知領域存在致命短板，并且這些短板無法通過單純的擴大規模彌補。
在 “視覺（V）” 、 “聽覺（A）”領域，大模型的表現堪稱慘淡。
△視覺（V）領域評估
△聽覺（A）領域評估GPT-4完全不具備圖像識別與聲音處理能力，即使GPT-5也僅能完成簡單的貓犬分類、基礎語音轉文字，遠無法實現人類級別的復雜場景解讀與情感識別。
“長時記憶存儲（MS）”與“提取（MR）”是另一致命缺陷，說明AI有健忘癥。
△長時記憶存儲（MS）領域評估
△長時記憶提取（MR）領域評估無法實現信息的長期穩定存儲，也就做不到對學習的內容靈活運用。
“偽全能” 的本質
部分大模型看似具備多任務處理能力，實則是通過技術手段掩蓋短板。
例如，部分模型通過擴大上下文窗口（如支持128k tokens的文本輸入），假裝具備長期記憶能力，但本質上仍是短期工作記憶的擴展，無法實現信息的長期存儲與跨場景調用。
還有模型依賴聯網搜索功能補充知識，看似無所不知，實則暴露了自身知識更新滯后、易產生幻覺的缺陷。
而這項研究的評估體系明確排除了外部工具的輔助，僅衡量AI系統的原生認知能力，使得這些偽全能表現無所遁形。
當然了，論文也明確指出，這套評估只看AI自身的認知硬實力，不管它能調用多少外部工具，也不看它能賺多少錢、替代多少工作，純粹聚焦于智力本身。
就算某個AI總分再高，只要像長期記憶這樣的核心領域是零分，本質上還是有嚴重缺陷的“殘次版”智能，離真正的AGI也還差得遠。
這下，AGI有了可以衡量的定義，從概念到現實，還有多久呢？
論文地址：https://www.agidefinition.ai/paper.pdf
參考鏈接：https://x.com/DanHendrycks/status/1978828377269117007
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態
- 又一高管棄庫克而去！蘋果UI設計負責人轉投Meta2025-12-04
- 萬卡集群要上天？中國硬核企業打造太空超算！2025-11-29
- 學生3年投稿6次被拒，于是吳恩達親手搓了個評審Agent2025-11-25
- 波士頓動力前CTO加盟DeepMind，Gemini要做機器人界的安卓2025-11-25
相關閱讀
