文章提出了一种衡量人工通用智能(AGI)发展进程的认知框架,旨在评估AI系统在实现类人智能方面的进展。该框架为AGI研究提供了量化标准。

文章主要内容：衡量AGI进展的认知框架

Google DeepMind发布了一篇题为《衡量AGI进展：认知分类法》的新论文，旨在为评估人工智能系统的认知能力提供科学基础。该框架借鉴了心理学、神经科学和认知科学的研究成果，提出了10种对通用人工智能（AGI）至关重要的认知能力：

1. 感知：从环境中提取和处理感官信息
2. 生成：产生文本、语音和动作等输出
3. 注意力：集中认知资源于关键信息
4. 学习：通过经验和指导获取新知识
5. 记忆：存储和检索信息
6. 推理：通过逻辑推断得出有效结论
7. 元认知：对自身认知过程的监控和了解
8. 执行功能：计划、抑制和认知灵活性
9. 问题解决：找到特定领域的有效解决方案
10. 社会认知：处理和解释社会信息并做出适当反应

为了将这些理论付诸实践，Google DeepMind与Kaggle合作发起了一场黑客马拉松比赛，邀请研究社区为其中五个认知能力（学习、元认知、注意力、执行功能和社会认知）设计评估方法。比赛总奖金为20万美元，提交时间为2026年3月17日至4月16日，结果将于6月1日公布。

该框架还提出了一种三阶段评估协议，用于将AI系统的表现与人类能力进行基准比较：
1. 在涵盖每种认知能力的广泛任务中评估AI系统
2. 从具有人口统计学代表性的成人样本中收集相同任务的人类基准数据
3. 将每个AI系统的表现与人类在每种能力上的表现分布进行对比

这一举措旨在填补当前AGI评估工具的空白，推动科学界对通用人工智能发展的理解和衡量。

评论内容总结

1. AGI定义与测量标准的质疑

• 观点：当前AGI测量标准不全面，无法真正衡量“理解”和“感知”。
  • 引用：
    • "are we ever going to be able to tell if the system really 'understands' and 'perceives' the world?" (wcgan7)
    • "It still seems like something is missing from all these frameworks." (tyleo)

2. 对现有认知能力框架的补充建议

• 观点：提出更具体的认知能力指标（如工作记忆、流体智力等）。
  • 引用：
    • "a) working memory... b) processing speed... c) fluid intelligence..." (andsoitis)
    • "The key to human intelligence, concepts, is missing." (gibsonf1)

3. 对社会认知和情感智能的争议

• 观点：社会认知是否应作为非社会实体的智能标准存在分歧。
  • 引用：
    • "Is social cognition really a measure of intelligence for non-social entities?" (lvoudour)
    • "The last point... moves it toward AGI-we-actually-want." (ArekDymalski)

4. 对AGI实用性和目标的质疑

• 观点：AGI可能是虚荣项目，实际价值存疑。
  • 引用：
    • "AGI feels like a vanity project." (wewewedxfgdf)
    • "Can we just focus on real problems...?" (ottah)

5. 对LLM与AGI差异的强调

• 观点：LLM虽强大，但缺乏人类智能的连续性和意识。
  • 引用：
    • "LLMs 'turn on' when given a question and 'die' immediately after." (mrkstu)
    • "Scaling LLMs will not lead to AGI." (boca_honey)

6. 对基准测试方法的批评

• 观点：当前基准测试（如Kaggle竞赛）过于表面，无法真正衡量AGI。
  • 引用：
    • "It's kind of funny that Google's idea is outsourcing to Kaggle." (yellow_lead)
    • "This is a long way to say 'let's crowdsource shifting goalposts'." (baggachipz)

7. 对意识与AGI关系的探讨

• 观点：意识是AGI缺失的核心要素。
  • 引用：
    • "The missing piece: consciousness." (orangebread)
    • "What makes us sentient is our continuity." (mrkstu)

8. 对技术发展方向的建议

• 观点：应优先解决现有模型的稳定性，而非追逐AGI。
  • 引用：
    • "Focus on stable and safe application of existing models." (ottah)
    • "We're not on the way to AGI." (pocketarc)

9. 对框架设计的肯定

• 观点：基准测试有助于结构化讨论，但需完善。
  • 引用：
    • "It's good to have benchmarks to structure discussions." (pocketarc)
    • "Clean API design... surprisingly readable source code." (AnaPaula15S98, drewcboston87)

10. 对AGI终极标准的设想

• 观点：真正的AGI需实现创造性成就（如获诺贝尔奖）。
  • 引用：
    • "Writes a New York Times Bestseller... Wins a Nobel Prize." (zug_zug)
    • "A caveman would have been just as intelligent as us." (pocketarc)