Důležité uvedení
Neexistuje univerzální oficiální zkouška AGI
AGI je výzkumný koncept s konkurenčními definicemi. Tato stránka neprohlašuje, že nějaký konkrétní systém překročil — nebo nepřekročil — pomyslnou cílovou čáru. Test měří, jak pečlivě interpretujete důkazy o schopnostech. Hodnocení skutečného systému by vyžadovalo neveřejné úlohy, lidské srovnávací základny, zveřejněné nástroje a náklady, testování robustnosti a nezávislou replikaci.
Důkazy zkontrolovány 08/2026
Interaktivní laboratoř hodnotitele
Test důkazů o AGI
Každý případ popisuje tvrzení o systému AI. Zvolte nejlépe obhajitelný závěr— nikoli ten nejvíce vzrušující ani nejvíce skeptický.
Postup0/10
Co znamenají vaše odpovědi: tento test ověřuje vaši gramotnost při hodnocení AGI. Vysoké skóre znamená, že jste v těchto případech rozlišili úzký úspěch, skutečné zobecnění a nepodložený závěr. Neměří vaše IQ ani to, zda jste AGI.
Než přijmete širší tvrzení, ptejte se, co pozorování skutečně měřilo.
„Jeden benchmark dokazuje AGI“ i „veškeré hodnocení je k ničemu“ jsou obvykle příliš silná tvrzení.
0/10správných závěrů
Profil vašeho hodnocení
Co tento výsledek skutečně znamená
Necertifikuje žádný systém AI jako AGI. Hodnotili jste fiktivní tvrzení o důkazech; žádný živý model nebyl testován.
Začněte sporným pojmem
Co je obecná umělá inteligence?
Rodina definic, nikoli jediný ustálený pojem
Většina definic kombinuje obecnost— kompetenci v širokém rozsahu úloh — s výkonem, učením a určitou mírou autonomie. Charta OpenAI zdůrazňuje překonávání lidí ve většině ekonomicky hodnotné práce. Rámec DeepMind „Levels of AGI“ odděluje šíři od hloubky. François Chollet zdůrazňuje efektivitu osvojování dovedností v nových úlohách.
Doporučený postup: neptejte se pouze „Je to AGI?“ Ptejte se: „Podle jaké operační definice, v jakých úlohách, na jakém lidském percentilu, s jakými nástroji, náklady a mírou zásahů?“
Učit se a přenášetnová úloha, málo zkušeností
obecný systém
Digitální práceuvažovat, tvořit, jednat
+
Fyzická práce?závisí na definici
Vícedimenzionální cíl
Šest dimenzí, které musí tvrzení o AGI obstát
Výkon bez obecnosti
Šachové enginy a systémy pro strukturu proteinů mohou být v určité oblasti nadlidské, aniž by se staly AGI.
Obecnost bez dokonalosti
Lidé přenášejí schopnosti mezi oblastmi navzdory chybám. Požadovat doslovnou dokonalost nastavuje laťku výše než lidská obecná inteligence.
Schopnost bez efektivity
Význam výsledku se může změnit, pokud každá úloha spotřebuje obrovské množství výpočetního výkonu, času nebo lidské pomoci.
Za hranicí ano/ne
AGI jako úrovně šíře a výkonu
Jeden vlivný rámec chápe schopnost jako matici. „Obecná“ pokrývá širokou škálu ne-fyzických úloh; výkon se porovnává s kvalifikovanými dospělými.
Výkon
Úzká
Obecná
Interpretace
Vznikající
Určitá užitečná kompetence v úloze
Nerovnoměrná schopnost v mnoha úlohách
Celkově pod úrovní kvalifikovaného dospělého
Kompetentní
Alespoň medián kvalifikovaného dospělého v omezené úloze
Kompetentní AGIAlespoň medián kvalifikovaného dospělého napříč širokými úlohami
Vyžaduje šíři a spolehlivý výkon
Expertní
Alespoň 90. percentil v omezené úloze
Expertní AGI napříč širokými úlohami
Mnohem silnější tvrzení pro celou ekonomiku
Nadlidská
Překonává všechny lidi v jedné oblasti
Široce překonává všechny lidi
Přechází do oblasti ASI
Sada nástrojů pro měření
Žádný benchmark není celá mysl
ARC-AGI
Zaměřuje se na indukci pravidel z několika ukázek a efektivitu osvojování dovedností v neznámých vizuálních úlohách. Je cenný pro pružnou adaptaci, ale není úplným testem jazyka, agentnosti ani reálného světa.
Hodnocení agentů
Měří, zda systémy dokážou plánovat, používat nástroje, zotavovat se z chyb a dokončovat projekty v rostoucích časových horizontech. Výsledky silně závisí na podpůrné infrastruktuře a prostředí.
Sady zkoušek
Efektivně pokrývají mnoho oborů, ale mohou více odměňovat uložené znalosti, dovednost dělat testy a předchozí expozici než rychlé učení.
Varování před saturací benchmarku: jakmile se test stane cílem, vývojáři na něj začnou optimalizovat. Udržujte neveřejné kontrolní sady, střídejte úlohy, auditujte kontaminaci a zachovejte smysluplné lidské srovnávací skupiny.
Žebříček důkazů
Co by učinilo tvrzení o AGI přesvědčivým?
- 01
Předem definujte hranici systému
Model, paměť, vyhledávání, spouštění kódu, robotika, prompty i lidská pomoc — vše se počítá.
- 02
Vzorkujte prostor úloh
Široké tvrzení potřebuje reprezentativní úlohy, nikoli ručně vybranou přehlídku nejlepších výsledků.
- 03
Testujte nové učení
Měřte, jak rychle systém získává dovednosti, na které se nemohl během tréninku připravit.
- 04
Měřte spolehlivost
Důležité jsou průměrná úspěšnost, katastrofická selhání, kalibrace, zotavení i posun distribuce.
- 05
Srovnejte podmínky s lidmi
Porovnávejte čas, nástroje, instrukce, motivace a přístup k referenčním materiálům.
- 06
Oddělte schopnost od bezpečnosti
Po prokázání toho, co systém dokáže, testujte, zda zůstává ovladatelný a prospěšný.
Od imitace k adaptaci
Stručná historie myšlenky AGI
1950
Milník 01
Turing nově rámuje strojovou inteligenci
Imitační hra postavila do centra pozorovatelné chování, ale konverzační napodobování se nikdy nestalo úplnou definicí obecné inteligence.
1956
Milník 02
AI se stává výzkumným oborem
Dartmouthský návrh tvrdil, že učení a inteligenci by bylo možné popsat natolik přesně, aby je stroje mohly simulovat.
1980s
Milník 03
Expertní systémy odhalují problém úzkého zaměření
Vysoký výkon v omezených oblastech ukázal, že odbornost může být velmi silná, aniž by byla obecná nebo adaptivní.
1997–2016
Milník 04
Milníky úzkých nadlidských schopností
Deep Blue, Watson a AlphaGo překonaly silné lidské protivníky v konkrétních úlohách, přesto se nepodobaly obecně schopnému člověku.
2019
Milník 05
ARC se zaměřuje na efektivitu osvojování dovedností
François Chollet navrhl měřit inteligenci podle efektivity, s jakou systémy získávají nové dovednosti, a představil Abstraction and Reasoning Corpus.
2023
Milník 06
Rámec úrovní AGI
Výzkumníci Google DeepMind navrhli klasifikovat systémy podle hloubky výkonu i šíře úloh, od vznikající úrovně až po nadlidskou.
2024–26
Milník 07
Benchmarky uvažování a agentů se vyvíjejí
ARC-AGI a hodnocení agentů s dlouhým horizontem stále více testují adaptaci, používání nástrojů a interaktivní učení, zatímco saturace benchmarků a kontaminace zůstávají problémem.
Dnes
Milník 08
Neexistuje univerzální certifikace
AGI zůstává sporným konceptem. Každé seriózní tvrzení musí uvést definici, rozsah, lidskou srovnávací základnu, hranici systému a standard důkazů.
Nepříjemné skutečnosti
Proč je měření AGI obtížné
Nedefinovaný prostor úloh
„Všechny kognitivní úlohy“ nejsou konečný ani neutrální vzorek. Ekonomické a kulturní volby určují, co se započítává.
Neprůhlednost tréninku
Bez znalosti toho, co systém viděl, je obtížné oddělit vybavování a memorování od nového učení.
Proměnlivá hranice systému
Nástroje a podpůrné struktury mohou výkon zásadně změnit. Tvrzení o samotném modelu a o celém systému odpovídají na různé otázky.
Proměnlivá lidská základna
Lidský výkon závisí na odbornosti, motivaci, čase, spolupráci a přístupu k nástrojům.
Silné důkazy mohou ukázat
- Široký výkon vůči definované lidské skupině
- Rychlé učení v neveřejných nových úlohách
- Robustní přenos a autonomie s dlouhým horizontem
- Známé náklady, zásahy a režimy selhání
Označení AGI samo o sobě nemůže prokázat
- Vědomí nebo morální status
- Sladění s lidskými hodnotami
- Absenci katastrofických chyb
- Stejnou kompetenci v každém fyzickém kontextu
Jasné odpovědi
Často kladené otázky o AGI
Co znamená zkratka AGI?
Artificial General Intelligence, česky obecná umělá inteligence. Obvykle označuje AI se širokou a adaptabilní kompetencí v mnoha úlohách, nikoli výjimečný výkon v jediné úzké oblasti. Definice se liší v požadavcích na autonomii, tělesné zakotvení a požadovanou lidskou úroveň.
Existuje jeden oficiální test AGI?
Ne. Neexistuje všeobecně autorizovaná zkouška ani práh. Výzkumníci používají sady benchmarků, lidské srovnávací základny, učení na nových úlohách, hodnocení agentů a rámce kombinující šíři s výkonem.
Testuje tato stránka, zda je skutečný model AGI?
Ne. Interaktivní část testuje vaši schopnost interpretovat tvrzení založená na důkazech. Certifikace skutečného systému by vyžadovala přístup k systému, neveřejná hodnocení, zdokumentované podmínky a nezávislou replikaci.
Bylo již dosaženo AGI?
Konsenzus neexistuje, protože se liší definice i prahy. Silná tvrzení by měla uvádět přesnou operační definici místo toho, aby AGI považovala za všeobecně dohodnutou binární událost.
Může jediný benchmark prokázat AGI?
Žádný jediný benchmark nepokrývá šíři, robustnost, efektivitu učení, autonomii a spolehlivost v reálném světě obvykle spojované s AGI. Benchmark může poskytnout důležitý důkaz o jedné složce.
Je úspěch v Turingově testu totéž jako AGI?
Ne. Turingův test měří konverzační nerozlišitelnost podle určitého protokolu. Tvrzení o AGI se obvykle týkají širší kompetence, učení a přenosu.
Musí být AGI vědomá?
Podle většiny operačních definic schopností ne. Vědomí je samostatná a dosud nevyřešená vědecká i filozofická otázka.
Potřebuje AGI robotické tělo?
Záleží na definici. Některé rámce se výslovně zaměřují na ne-fyzické kognitivní úlohy; jiné tvrdí, že obecnost podobná člověku vyžaduje vnímání a jednání ve fyzickém světě.
Co je kontaminace benchmarku?
Nastává, když se hodnoticí úlohy nebo jejich blízké varianty dostanou do trénovacích dat, ladění nebo vývoje promptů, takže vysoké skóre může odrážet předchozí expozici místo zobecnění na skutečně nové problémy.
Jaký je rozdíl mezi modelem a agentem?
Model převádí vstupy na výstupy. Agentní systém může kombinovat model s pamětí, plánovacími smyčkami, nástroji, externími daty a schopností provádět akce v čase.
Co následuje po AGI?
Umělá superinteligence neboli ASI je hypotetická úroveň, na níž široká strojová inteligence výrazně překonává lidské schopnosti ve většině nebo prakticky všech relevantních kognitivních oblastech.
Může být AGI bezpečná, ale nespolehlivá?
Bezpečnost a spolehlivost se překrývají, ale nejsou totožné. Systém může mít sladěné záměry, ale často chybovat, nebo být technicky schopný a spolehlivý, zatímco sleduje škodlivé cíle. Pro obojí jsou potřeba samostatné důkazy.
Dohledatelnost rámce
Primární a výzkumné zdroje
Charta OpenAI
Významná ekonomická definice: vysoce autonomní systémy překonávající lidi ve většině ekonomicky hodnotné práce.
Otevřít zdrojGoogle DeepMind: Úrovně AGI
Rámec založený na hloubce výkonu a šíři schopností.
Otevřít zdrojChollet: O měření inteligence
Definuje inteligenci kolem efektivity osvojování dovedností a představuje ARC.
Otevřít zdrojRepozitář ARC-AGI
Oficiální úlohy, metody a dokumentace pro Abstraction and Reasoning Corpus.
Otevřít zdrojARC-AGI-3
Interaktivní benchmark uvažování pro průzkum, osvojování cílů a adaptivní modely světa.
Otevřít zdrojStanfordský index AI
Každoroční souhrn důkazů o schopnostech AI, trendech benchmarků, investicích, politice a dopadech.
Otevřít zdrojNIST: rámec řízení rizik AI
Strukturovaný rámec pro řízení, mapování, měření a zvládání rizik AI.
Otevřít zdrojTuring (1950)
Původní článek o imitační hře a základní argumentace o strojové inteligenci.
Otevřít zdroj