Svarīgs ievads
Nav universāli oficiāla AGI eksāmena
AGI ir pētniecības jēdziens ar konkurējošām definīcijām. Šī lapa neapgalvo, ka kāda konkrēta sistēma būtu vai nebūtu pārkāpusi kādu maģisku finiša līniju. Tests mēra, cik rūpīgi jūs interpretējat pierādījumus par spējām. Reālas sistēmas novērtēšanai būtu vajadzīgi privāti uzdevumi, cilvēku bāzes līmeņi, atklāti izmantotie rīki un izmaksas, noturības pārbaudes un neatkarīga replikācija.
Pierādījumi pārskatīti 08.2026.
Interaktīva vērtētāja laboratorija
AGI pierādījumu tests
Katra situācija apraksta apgalvojumu par MI sistēmu. Izvēlieties vispamatotāko secinājumu — nevis visaizraujošāko vai visskeptiskāko.
Progress0/10
Ko nozīmē jūsu atbildes: šeit tiek pārbaudīta jūsu prasme vērtēt AGI pierādījumus. Augsts rezultāts nozīmē, ka šajās situācijās atšķīrāt šaurus sasniegumus, patiesu vispārināšanu un nepamatotus secinājumus. Tas nemēra jūsu IQ un nenosaka, vai jūs esat AGI.
Pirms pieņemt plašāku apgalvojumu, pajautājiet, ko novērojums patiesībā izmērīja.
„Viens etalonuzdevums pierāda AGI” un „visa novērtēšana ir bezjēdzīga” parasti ir vienlīdz pārspīlēti apgalvojumi.
0/10pamatoti spriedumi
Jūsu vērtētāja profils
Ko šis rezultāts patiesībā nozīmē
Tas nesertificē MI sistēmu kā AGI. Jūs vērtējāt izdomātus pierādījumu apgalvojumus; neviens reāls modelis netika pārbaudīts.
Sāksim ar strīdīgo jēdzienu
Kas ir mākslīgais vispārīgais intelekts?
Definīciju saime, nevis viens skaidri noteikts objekts
Lielākā daļa definīciju apvieno vispārīgumu — kompetenci plašā uzdevumu klāstā — ar sniegumu, mācīšanos un zināmu autonomijas pakāpi. OpenAI harta uzsver cilvēku pārspēšanu lielākajā daļā ekonomiski vērtīga darba. DeepMind „AGI līmeņu” ietvars nodala plašumu no dziļuma. Fransuā Šolē uzsver prasmju apguves efektivitāti jaunos uzdevumos.
Labākā prakse: nekad nejautājiet tikai „Vai tas ir AGI?”. Jautājiet: „Pēc kādas operacionālās definīcijas, kādos uzdevumos, kādā cilvēku procentilē, ar kādiem rīkiem, izmaksām un iejaukšanās biežumu?”
Mācīties un pārnestjauns uzdevums, maz pieredzes
vispārīga sistēma
Digitāls darbsspriest, radīt, darboties
+
Fizisks darbs?atkarīgs no definīcijas
Daudzdimensionāls mērķis
Sešas dimensijas, kas jāiztur AGI apgalvojumam
Sniegums bez vispārīguma
Šaha programmas un olbaltumvielu struktūras sistēmas vienā jomā var būt pārcilvēciskas, nekļūstot par AGI.
Vispārīgums bez pilnības
Cilvēki pārnes prasmes starp jomām, lai gan kļūdās. Prasība pēc absolūtas pilnības uzstāda latiņu augstāk par cilvēka vispārīgo intelektu.
Spējas bez efektivitātes
Rezultāta nozīme var mainīties, ja katram uzdevumam vajadzīgi milzīgi skaitļošanas resursi, laiks vai cilvēku palīdzība.
Ārpus vienkārša „jā/nē” apzīmējuma
AGI kā plašuma un snieguma līmeņi
Viens ietekmīgs ietvars spējas aplūko kā matricu. „Vispārīgs” aptver plašu nefizisku uzdevumu klāstu; sniegumu salīdzina ar prasmīgiem pieaugušajiem.
Sniegums
Šaurs
Vispārīgs
Interpretācija
Topošs
Dažas noderīgas prasmes konkrētos uzdevumos
Nevienmērīgas spējas daudzos uzdevumos
Kopumā zem prasmīga pieaugušā kompetences
Kompetents
Vismaz prasmīga pieaugušā mediānas līmenis ierobežotā uzdevumā
Kompetents AGIVismaz prasmīga pieaugušā mediānas līmenis plašā uzdevumu klāstā
Prasa plašumu un uzticamu sniegumu
Eksperta līmenis
Vismaz 90. procentile ierobežotā uzdevumā
Eksperta līmeņa AGI plašā uzdevumu klāstā
Daudz spēcīgāks apgalvojums visas ekonomikas mērogā
Pārcilvēcisks
Pārspēj visus cilvēkus vienā jomā
Plaši pārspēj visus cilvēkus
Ienāk ASI teritorijā
Mērīšanas rīkkopa
Neviens etalonuzdevums neaptver visu intelektu
ARC-AGI
Pārbauda noteikumu indukciju pēc dažiem piemēriem un prasmju apguves efektivitāti nepazīstamos vizuālos uzdevumos. Noderīgs elastīgas pielāgošanās novērtēšanai, taču nav pilnīgs valodas, aģentiskuma vai reālās pasaules tests.
Aģentu novērtējumi
Mēra, vai sistēmas spēj plānot, izmantot rīkus, atgūties pēc kļūdām un pabeigt projektus arvien ilgākos laika periodos. Rezultāti ir ļoti atkarīgi no palīgstruktūrām un vides.
Eksāmenu kopas
Efektīvi aptver daudzas disciplīnas, taču var vairāk atalgot iegaumētas zināšanas, testu pildīšanas prasmi un iepriekšēju saskari nekā ātru mācīšanos.
Brīdinājums par etalonuzdevumu piesātinājumu: tiklīdz tests kļūst par mērķi, izstrādātāji optimizē sistēmas tieši tam. Saglabājiet privātas kontroles kopas, mainiet uzdevumus, pārbaudiet piesārņojumu un uzturiet jēgpilnas cilvēku salīdzināšanas grupas.
Pierādījumu kāpnes
Kas padarītu AGI apgalvojumu pārliecinošu?
- 01
Iepriekš definējiet sistēmas robežu
Modelis, atmiņa, meklēšana, koda izpilde, robotika, uzvednes un cilvēku palīdzība — tas viss ir jāņem vērā.
- 02
Izveidojiet uzdevumu telpas izlasi
Plašam apgalvojumam vajadzīgi reprezentatīvi uzdevumi, nevis rūpīgi atlasīta iespaidīgāko piemēru izlase.
- 03
Pārbaudiet mācīšanos jaunos uzdevumos
Mēriet, cik ātri sistēma apgūst prasmes, kurām tā nevarēja sagatavoties apmācības laikā.
- 04
Mēriet uzticamību
Svarīgs ir vidējais panākumu līmenis, katastrofālas kļūmes, kalibrācija, atgūšanās un sadalījuma maiņa.
- 05
Saskaņojiet apstākļus ar cilvēkiem
Salīdziniet laiku, rīkus, instrukcijas, stimulus un piekļuvi atsauces materiāliem.
- 06
Nodaliet spējas no drošības
Pēc tam, kad parādīts, ko sistēma spēj, pārbaudiet, vai tā joprojām ir kontrolējama un labvēlīga.
No imitācijas līdz pielāgošanās spējai
Īsa AGI idejas vēsture
1950
Atskaites punkts 01
Tjūrings pārformulē mašīninteliģences jautājumu
Imitācijas spēle izvirzīja novērojamu uzvedību priekšplānā, taču sarunvalodas imitācija nekļuva par pilnīgu vispārīgā intelekta definīciju.
1956
Atskaites punkts 02
MI kļūst par pētniecības nozari
Dartmutas priekšlikumā tika pausta doma, ka mācīšanos un intelektu varētu aprakstīt pietiekami precīzi, lai mašīnas tos spētu simulēt.
1980s
Atskaites punkts 03
Ekspertu sistēmas atklāj šauruma problēmu
Augsts sniegums ierobežotās jomās parādīja, ka specializēta kompetence var būt ļoti spēcīga, nebūdama vispārīga vai pielāgojama.
1997–2016
Atskaites punkts 04
Šauri pārcilvēciski sasniegumi
Deep Blue, Watson un AlphaGo konkrētos uzdevumos pārspēja spēcīgus cilvēkus, vienlaikus nebūdami līdzīgi cilvēkam ar vispārīgām spējām.
2019
Atskaites punkts 05
ARC pievēršas prasmju apguves efektivitātei
Fransuā Šolē ierosināja intelektu mērīt pēc efektivitātes, ar kādu sistēmas apgūst jaunas prasmes, ieviešot Abstraction and Reasoning Corpus.
2023
Atskaites punkts 06
AGI līmeņu ietvars
Google DeepMind pētnieki ierosināja klasificēt sistēmas gan pēc snieguma dziļuma, gan uzdevumu plašuma — no topošām līdz pārcilvēciskām.
2024–26
Atskaites punkts 07
Attīstās spriešanas un aģentu etalonuzdevumi
ARC-AGI un ilgtermiņa aģentu novērtējumi arvien vairāk pārbauda pielāgošanos, rīku izmantošanu un interaktīvu mācīšanos, bet etalonuzdevumu piesātinājums un datu piesārņojums joprojām rada bažas.
Šodien
Atskaites punkts 08
Universālas sertifikācijas nav
AGI joprojām ir strīdīgs jēdziens. Ikvienā nopietnā apgalvojumā jānorāda definīcija, tvērums, cilvēku bāzes līmenis, sistēmas robeža un pierādījumu standarts.
Skarbā realitāte
Kāpēc AGI ir grūti izmērīt
Nenoteikta uzdevumu telpa
„Visi kognitīvie uzdevumi” nav galīga un neitrāla izlase. Ekonomiskās un kultūras izvēles nosaka, kas tiek ieskaitīts.
Apmācības necaurredzamība
Nezinot, ko sistēma ir redzējusi, ir grūti atšķirt informācijas izgūšanu un iegaumēšanu no jaunas mācīšanās.
Mainīga sistēmas robeža
Rīki un palīgstruktūras var būtiski mainīt sniegumu. Apgalvojumi par modeli vien un par visu sistēmu atbild uz atšķirīgiem jautājumiem.
Mainīgs cilvēku bāzes līmenis
Cilvēku sniegums ir atkarīgs no pieredzes, motivācijas, laika, sadarbības un piekļuves rīkiem.
Spēcīgi pierādījumi var parādīt
- Plašu sniegumu attiecībā pret skaidri noteiktu cilvēku grupu
- Ātru mācīšanos privātos, jaunos uzdevumos
- Noturīgu pārnesi un ilgtermiņa autonomiju
- Zināmas izmaksas, iejaukšanās un kļūmju veidus
AGI apzīmējums pats par sevi nevar parādīt
- Apziņu vai morālo statusu
- Saskaņotību ar cilvēku vērtībām
- Pilnīgu aizsardzību pret katastrofālām kļūdām
- Vienādu kompetenci katrā fiziskajā kontekstā
Skaidras atbildes
Biežāk uzdotie jautājumi par AGI
Ko nozīmē AGI?
Mākslīgais vispārīgais intelekts. Parasti ar to saprot MI ar plašām, pielāgojamām spējām daudzos uzdevumos, nevis izcilu sniegumu vienā šaurā jomā. Definīcijas atšķiras attiecībā uz autonomiju, iemiesojumu un nepieciešamo cilvēka līmeni.
Vai pastāv viens oficiāls AGI tests?
Nē. Nav universāli apstiprināta eksāmena vai sliekšņa. Pētnieki izmanto etalonuzdevumu kopas, cilvēku bāzes līmeņus, mācīšanos jaunos uzdevumos, aģentu novērtējumus un ietvarus, kas apvieno plašumu ar sniegumu.
Vai šī lapa pārbauda, vai reāls modelis ir AGI?
Nē. Interaktīvā sadaļa pārbauda jūsu spēju interpretēt apgalvojumus par pierādījumiem. Reālas sistēmas sertificēšanai būtu vajadzīga piekļuve sistēmai, privāti novērtējumi, dokumentēti apstākļi un neatkarīga replikācija.
Vai AGI jau ir sasniegts?
Vienprātības nav, jo definīcijas un sliekšņi atšķiras. Spēcīgiem apgalvojumiem jānorāda precīza operacionālā definīcija, nevis AGI jāuztver kā vispārpieņemts binārs notikums.
Vai viens etalonuzdevums var pierādīt AGI?
Neviens atsevišķs etalonuzdevums neaptver plašumu, noturību, mācīšanās efektivitāti, autonomiju un reālās pasaules uzticamību, ko parasti saista ar AGI. Etalonuzdevums var sniegt būtisku pierādījumu par vienu komponentu.
Vai Tjūringa testa nokārtošana ir tas pats, kas AGI?
Nē. Tjūringa tests noteikta protokola ietvaros mēra sarunas neatšķiramību. AGI apgalvojumi parasti attiecas uz plašāku kompetenci, mācīšanos un pārnesi.
Vai AGI jāpiemīt apziņai?
Ne saskaņā ar lielāko daļu operacionālo spēju definīciju. Apziņa ir atsevišķs un neatrisināts zinātnisks un filozofisks jautājums.
Vai AGI vajadzīgs robota ķermenis?
Tas atkarīgs no definīcijas. Daži ietvari skaidri koncentrējas uz nefiziskiem kognitīviem uzdevumiem; citi uzskata, ka cilvēkam līdzīgs vispārīgums prasa uztveri un rīcību fiziskajā pasaulē.
Kas ir etalonuzdevumu piesārņojums?
Tas rodas, ja novērtēšanas uzdevumi vai to tuvi varianti nonāk apmācības, pielāgošanas vai uzvedņu izstrādes datos, tāpēc augsts rezultāts var atspoguļot iepriekšēju saskari, nevis vispārināšanu uz patiesi jaunām problēmām.
Kāda ir atšķirība starp modeli un aģentu?
Modelis pārveido ievades par izvadēm. Aģentiska sistēma var apvienot modeli ar atmiņu, plānošanas cikliem, rīkiem, ārējiem datiem un spēju laika gaitā veikt darbības.
Kas seko pēc AGI?
Mākslīgais superintelekts jeb ASI ir hipotētisks līmenis, kurā plašs mašīnu intelekts ievērojami pārsniedz cilvēku spējas lielākajā daļā vai būtībā visās būtiskajās kognitīvajās jomās.
Vai AGI var būt drošs, bet neuzticams?
Drošība un uzticamība pārklājas, taču nav viens un tas pats. Sistēmas nodomi var būt saskaņoti ar cilvēku interesēm, bet tā var bieži kļūdīties; vai arī tā var būt tehniski spējīga un uzticama, vienlaikus īstenojot kaitīgus mērķus. Abiem aspektiem vajadzīgi atsevišķi pierādījumi.
Izsekojiet ietvara avotiem
Primārie un pētniecības avoti
OpenAI harta
Plaši citēta ekonomiska definīcija: ļoti autonomas sistēmas, kas pārspēj cilvēkus lielākajā daļā ekonomiski vērtīga darba.
Atvērt avotuGoogle DeepMind: AGI līmeņi
Ietvars, kura pamatā ir snieguma dziļums un spēju plašums.
Atvērt avotuŠolē: par intelekta mērīšanu
Definē intelektu, balstoties uz prasmju apguves efektivitāti, un ievieš ARC.
Atvērt avotuARC-AGI repozitorijs
Oficiālie Abstraction and Reasoning Corpus uzdevumi, metodes un dokumentācija.
Atvērt avotuARC-AGI-3
Interaktīvs spriešanas etalonuzdevums izpētei, mērķu apguvei un adaptīviem pasaules modeļiem.
Atvērt avotuStenfordas MI indekss
Ikgadēji dati par MI spējām, etalonuzdevumu tendencēm, investīcijām, politiku un ietekmi.
Atvērt avotuNIST MI riska pārvaldības ietvars
Strukturēts ietvars MI risku pārvaldībai, kartēšanai, mērīšanai un mazināšanai.
Atvērt avotuTjūrings (1950)
Oriģinālais raksts par imitācijas spēli un fundamentāls arguments par mašīninteliģenci.
Atvērt avotu