按照Bengio等大佬的AGI新定义，GPT-5才实现了不到10%

AIGC动态24小时前发布 almosthuman2014

68 0 0

文章摘要

通用人工智能（AGI）的定义长期以来缺乏统一标准，近期由Yoshua Bengio、埃里克・施密特等学者联合提出的研究框架首次实现了可量化测评。该框架以人类认知为基准，基于卡特尔-霍恩-卡罗尔（CHC）智力理论，将AGI分解为十大核心能力领域，包括一般知识、数学能力、工作记忆等，每项占比10%。通过改编人类心理测验体系，研究团队构建出0-100%的”通用智力指数”，其中100%代表达到受过良好教育成年人的认知水平。

当前最先进的GPT-4和GPT-5模型在测评中暴露出显著的能力不平衡现象。测试结果显示，两个模型在所有分量上的得分均未超过10%，尤其在长期记忆存储（MS）方面接近零分，呈现出类似”失忆症”的特征。这种”锯齿状”能力分布揭示了AI系统依赖上下文窗口补偿记忆缺陷、通过检索增强生成掩盖幻觉问题等”能力扭曲”现象。研究指出，这些权宜之计制造了脆弱的”通用智能幻觉”，但无法解决基础认知机制的实质性缺陷。

框架特别强调了认知能力的相互依赖性。例如解决数学问题需要同时调动数学能力（M）和即时推理（R），理解电影需整合听觉、视觉处理与工作记忆。这种整体性特征表明，单一领域的突破难以实现真正的通用智能。研究团队将智能类比为高性能引擎，指出当前AI系统存在多个关键”部件”缺陷，这些瓶颈严重制约了整体认知水平的提升。

该研究明确区分了认知能力评估与经济价值创造，将AGI严格定义为人类水平的心智能力。与部分企业将AGI与千亿美元经济收益挂钩的做法不同，该框架聚焦核心认知维度，排除运动技能等物理能力评估。研究同时界定了Pandemic AI、Cyberwarfare AI等相关概念，为后续研究提供清晰的概念边界。

实现AGI仍需突破多项重大技术障碍，包括解决Meta正在攻关的世界建模、李飞飞团队研究的空间导航记忆等挑战。研究预测短期内（如一年内）达到100%AGI分数的可能性极低。该框架的提出不仅为AGI发展提供了可测量的里程碑，更重要的是揭示了当前技术路线存在的本质性局限，为未来研究指明了需要重点突破的方向。