Viktig orientering
Det finns inget universellt officiellt AGI-prov
AGI är ett forskningsbegrepp med konkurrerande definitioner. Den här sidan slår inte fast att något namngivet system har—eller inte har—passerat en magisk mållinje. Testet mäter hur noggrant du tolkar evidens om förmåga. En verklig systemutvärdering skulle kräva privata uppgifter, mänskliga baslinjer, redovisade verktyg och kostnader, robusthetstester och oberoende replikation.
Evidensen granskad August 2026
Interaktivt utvärderingslabb
AGI-evidenstest
Varje fall beskriver ett påstående om ett AI-system. Välj den mest försvarbara slutsatsen—inte den mest spännande eller den mest skeptiska.
Framsteg0/10
Vad dina svar betyder: detta testar din förmåga att utvärdera AGI-påståenden. Ett högt resultat betyder att du i dessa fall skilde mellan smala prestationer, verklig generalisering och ogrundade slutsatser. Det mäter inte din IQ och inte heller om du är en AGI.
Fråga vad observationen faktiskt mätte innan du accepterar ett bredare påstående.
“Ett riktmärke bevisar AGI” och “all utvärdering är meningslös” är vanligtvis båda för starka påståenden.
0/10välgrundade val
Din utvärderarprofil
Vad resultatet faktiskt betyder
Det certifierar inte ett AI-system som AGI. Du utvärderade fiktiva evidenspåståenden; ingen aktiv modell testades.
Börja med det omstridda begreppet
Vad är artificiell generell intelligens?
En familj av definitioner, inte ett fastslaget fenomen
De flesta definitioner kombinerar generalitet—kompetens över ett brett spektrum av uppgifter—med prestation, inlärning och en viss grad av autonomi. OpenAI:s stadga betonar att överträffa människor i det mesta ekonomiskt värdefulla arbetet. DeepMinds ramverk “Levels of AGI” skiljer bredd från djup. François Chollet betonar effektiviteten i att tillägna sig nya färdigheter på nya uppgifter.
Bästa praxis: fråga aldrig bara “Är det AGI?” Fråga “Enligt vilken operationell definition, över vilka uppgifter, vid vilken mänsklig percentil, med vilka verktyg, kostnader och vilken ingripandefrekvens?”
Lär och överförny uppgift, liten erfarenhet
generellt system
Digitalt arbeteresonera, skapa, utföra
+
Fysiskt arbete?definitionsberoende
Ett flerdimensionellt mål
Sex dimensioner som ett AGI-påstående bör klara
Prestation utan generalitet
Schackmotorer och system för proteinstruktur kan vara övermänskliga inom ett område utan att bli AGI.
Generalitet utan perfektion
Människor överför kunskap mellan områden trots misstag. Att kräva bokstavlig perfektion sätter ribban högre än mänsklig generell intelligens.
Förmåga utan effektivitet
Ett resultat kan få en annan betydelse om det för varje uppgift förbrukar enorma beräkningsresurser, tid eller mänsklig hjälp.
Bortom en ja/nej-etikett
AGI som nivåer av bredd och prestation
Ett inflytelserikt ramverk behandlar förmåga som en matris. “Generell” omfattar ett brett spektrum av icke-fysiska uppgifter; prestationen jämförs med skickliga vuxna.
Prestation
Smal
Generell
Tolkning
Framväxande
Viss användbar uppgiftskompetens
Ojämn förmåga över många uppgifter
Totalt sett under kompetensen hos skickliga vuxna
Kompetent
Minst medianen för skickliga vuxna i en avgränsad uppgift
Kompetent AGIMinst medianen för skickliga vuxna över breda uppgifter
Kräver bredd plus tillförlitlig prestation
Expert
Minst 90:e percentilen i en avgränsad uppgift
Expert-AGI över breda uppgifter
Ett betydligt starkare påstående för hela ekonomin
Övermänsklig
Överträffar alla människor inom ett område
Överträffar människor brett
Närmar sig ASI-territorium
Verktygslåda för mätning
Inget riktmärke är hela intelligensen
ARC-AGI
Riktar in sig på regelinduktion från få exempel och effektiv inlärning av färdigheter i obekanta visuella uppgifter. Värdefullt för flexibel anpassning, men inte ett fullständigt test av språk, agentskap eller den verkliga världen.
Agentutvärderingar
Mäter om system kan planera, använda verktyg, återhämta sig från fel och slutföra projekt över allt längre tidshorisonter. Resultaten beror starkt på stödstrukturer och miljö.
Provsviter
Täcker många discipliner effektivt, men kan belöna lagrad kunskap, provteknik och tidigare exponering mer än snabb inlärning.
Varning för mättade riktmärken: när ett test blir ett mål optimerar utvecklare mot det. Behåll privata kontrolluppgifter, rotera uppgifter, granska kontaminering och bevara meningsfulla mänskliga jämförelsegrupper.
Evidensstegen
Vad skulle göra ett AGI-påstående övertygande?
- 01
Definiera systemgränsen i förväg
Modell, minne, sökning, kodkörning, robotik, promptar och mänsklig hjälp räknas alla.
- 02
Sampla uppgiftsuniversumet
Ett brett påstående kräver representativa uppgifter, inte ett handplockat urval av höjdpunkter.
- 03
Testa ny inlärning
Mät hur snabbt systemet tillägnar sig färdigheter som det inte kunde förbereda sig för under träningen.
- 04
Mät tillförlitlighet
Genomsnittlig framgång, katastrofala fel, kalibrering, återhämtning och fördelningsskiften spelar alla roll.
- 05
Matcha mänskliga villkor
Jämför tid, verktyg, instruktioner, incitament och tillgång till referensmaterial.
- 06
Separera förmåga från säkerhet
Efter att ha visat vad ett system kan göra, testa om det förblir kontrollerbart och gynnsamt.
Från imitation till anpassning
En kort historia om AGI-idén
1950
Milstolpe 01
Turing omformulerar maskinintelligens
Imitationsspelet gjorde observerbart beteende centralt, men samtalsimitation blev aldrig en fullständig definition av generell intelligens.
1956
Milstolpe 02
AI blir ett forskningsområde
Dartmouthförslaget hävdade att inlärning och intelligens kanske kunde beskrivas tillräckligt exakt för att maskiner skulle kunna simulera dem.
1980s
Milstolpe 03
Expertsystem blottlägger problemet med smalhet
Hög prestation inom avgränsade områden visade att expertis kunde vara kraftfull utan att vara generell eller anpassningsbar.
1997–2016
Milstolpe 04
Övermänskliga smala milstolpar
Deep Blue, Watson och AlphaGo överträffade skickliga människor i specifika uppgifter men förblev något helt annat än en person med generell kompetens.
2019
Milstolpe 05
ARC fokuserar på effektiv inlärning av nya färdigheter
François Chollet föreslog att mäta intelligens genom hur effektivt system tillägnar sig nya färdigheter och introducerade Abstraction and Reasoning Corpus.
2023
Milstolpe 06
Ramverket Levels of AGI
Forskare på Google DeepMind föreslog att klassificera system efter både prestationsdjup och uppgiftsbredd, från framväxande till övermänsklig.
2024–26
Milstolpe 07
Riktmärken för resonerande och agenter utvecklas
ARC-AGI och utvärderingar av agenter över långa tidshorisonter testar allt oftare anpassning, verktygsanvändning och interaktiv inlärning, samtidigt som mättnad och kontaminering av riktmärken fortfarande är problem.
I dag
Milstolpe 08
Ingen universell certifiering finns
AGI är fortfarande ett omstritt begrepp. Varje seriöst påstående måste ange definition, omfattning, mänsklig baslinje, systemgräns och evidensstandard.
Svåra sanningar
Varför AGI är svårt att mäta
Odefinierat uppgiftsuniversum
“Alla kognitiva uppgifter” är inte ett ändligt, neutralt urval. Ekonomiska och kulturella val formar vad som räknas.
Ogenomskinlig träning
Utan att veta vad ett system har sett är det svårt att skilja hämtning och memorering från ny inlärning.
Föränderlig systemgräns
Verktyg och stödstrukturer kan förändra prestationen. Påståenden om enbart modellen och om hela systemet besvarar olika frågor.
Föränderlig mänsklig baslinje
Mänsklig prestation beror på expertis, motivation, tid, samarbete och tillgång till verktyg.
Stark evidens kan visa
- Bred prestation relativt definierade mänskliga grupper
- Snabb inlärning på privata nya uppgifter
- Robust överföring och autonomi över lång tid
- Kända kostnader, ingripanden och felmönster
En AGI-etikett kan inte automatiskt visa
- Medvetande eller moralisk status
- Anpassning till mänskliga värderingar
- Frihet från katastrofala fel
- Likvärdig kompetens i varje fysisk kontext
Tydliga svar
Vanliga frågor om AGI
Vad står AGI för?
Artificiell generell intelligens. Det syftar vanligtvis på AI med bred, anpassningsbar kompetens över många uppgifter snarare än exceptionell prestation inom ett enda smalt område. Definitionerna skiljer sig åt i synen på autonomi, kroppslig förankring och vilken mänsklig nivå som krävs.
Finns det ett officiellt AGI-test?
Nej. Det finns inget universellt auktoriserat prov eller tröskelvärde. Forskare använder uppsättningar av riktmärken, mänskliga baslinjer, inlärning på nya uppgifter, agentutvärderingar och ramverk som kombinerar bredd med prestation.
Testar den här sidan om en verklig modell är AGI?
Nej. Den interaktiva delen testar din förmåga att tolka evidenspåståenden. För att certifiera ett verkligt system skulle man behöva tillgång till systemet, privata utvärderingar, dokumenterade villkor och oberoende replikation.
Har AGI uppnåtts?
Det finns ingen konsensus eftersom definitioner och trösklar skiljer sig åt. Starka påståenden bör ange den exakta operationella definitionen i stället för att behandla AGI som en universellt överenskommen binär händelse.
Kan ett enda riktmärke bevisa AGI?
Inget enskilt riktmärke täcker den bredd, robusthet, inlärningseffektivitet, autonomi och verkliga tillförlitlighet som vanligen förknippas med AGI. Ett riktmärke kan ge viktig evidens om en komponent.
Är det samma sak att klara Turingtestet som att vara AGI?
Nej. Ett Turingtest mäter samtalsmässig oskiljbarhet under ett protokoll. AGI-påståenden handlar typiskt om bredare kompetens, inlärning och överföring.
Måste AGI vara medveten?
Inte enligt de flesta operationella definitioner av förmåga. Medvetande är en separat och olöst vetenskaplig och filosofisk fråga.
Behöver AGI en robotkropp?
Det beror på definitionen. Vissa ramverk fokuserar uttryckligen på icke-fysiska kognitiva uppgifter; andra menar att mänsklig generalitet kräver perception och handling i den fysiska världen.
Vad är kontaminering av riktmärken?
Det uppstår när utvärderingsuppgifter eller närliggande varianter hamnar i tränings-, finjusterings- eller promptutvecklingsdata, så att ett högt resultat kan spegla tidigare exponering snarare än generalisering till genuint nya problem.
Vad är skillnaden mellan en modell och en agent?
En modell avbildar indata till utdata. Ett agentbaserat system kan kombinera en modell med minne, planeringsloopar, verktyg, extern data och förmågan att vidta åtgärder över tid.
Vad kommer efter AGI?
Artificiell superintelligens, eller ASI, är en hypotetisk nivå där bred maskinintelligens vida överstiger mänsklig förmåga inom de flesta eller i princip alla relevanta kognitiva områden.
Kan AGI vara säker men otillförlitlig?
Säkerhet och tillförlitlighet överlappar men är inte samma sak. Ett system kan vara välanpassat i avsikt men felbenäget, eller tekniskt kompetent och tillförlitligt samtidigt som det följer skadliga mål. Båda kräver särskild evidens.
Spår ramverket
Primära källor och forskningskällor
OpenAI Charter
En framträdande ekonomisk definition: mycket autonoma system som överträffar människor i det mesta ekonomiskt värdefulla arbetet.
Öppna källanGoogle DeepMind: Levels of AGI
Ett ramverk baserat på prestationsdjup och förmågornas bredd.
Öppna källanChollet: On the Measure of Intelligence
Definierar intelligens kring effektiviteten i att tillägna sig färdigheter och introducerar ARC.
Öppna källanARC-AGI repository
Officiella uppgifter, metoder och dokumentation för Abstraction and Reasoning Corpus.
Öppna källanARC-AGI-3
Interaktivt riktmärke för resonerande, utforskning, målinlärning och adaptiva världsmodeller.
Öppna källanStanford AI Index
Årlig evidens om AI-förmågor, riktmärkestrender, investeringar, policy och konsekvenser.
Öppna källanNIST AI Risk Management Framework
Ett strukturerat ramverk för att styra, kartlägga, mäta och hantera AI-risker.
Öppna källanTuring (1950)
Den ursprungliga artikeln om imitationsspelet och det grundläggande resonemanget om maskinintelligens.
Öppna källan