該框架揭示了當(dāng)代模型中高度“參差不齊”的認(rèn)知特征。盡管當(dāng)前的人工智能系統(tǒng)在知識(shí)密集型領(lǐng)域表現(xiàn)出色，但它們在基礎(chǔ)認(rèn)知機(jī)制方面存在嚴(yán)重缺陷，尤其是在長(zhǎng)期記憶存儲(chǔ)方面。

本文作者來(lái)自加州大學(xué)伯克利分校、康奈爾大學(xué)、卡耐基梅隆大學(xué)等知名院校。

可量化的評(píng)估框架

研究框架包含十個(gè)核心認(rèn)知組件，源自 CHC 的廣泛能力，并按 10% 的權(quán)重分配，以?xún)?yōu)先考慮廣度并涵蓋主要的認(rèn)知領(lǐng)域：

1. 常識(shí)（K）
2. 閱讀和寫(xiě)作能力（RW）
3. 數(shù)學(xué)能力（M）
4. 推理能力（R）
5. 工作記憶（WM）
6. 長(zhǎng)期記憶存儲(chǔ)（MS）
7. 長(zhǎng)期記憶檢索（MR）
8. 視覺(jué)處理（V）
9. 聽(tīng)覺(jué)處理（A）
10. 速度（S）

這種操作化提供了整體和多模式（文本、視覺(jué)、聽(tīng)覺(jué)）的評(píng)估，作可以查明當(dāng)前人工智能系統(tǒng)的優(yōu)勢(shì)和嚴(yán)重弱點(diǎn)。

更重要的是，該定義關(guān)注的是受過(guò)良好教育的個(gè)體通常具備的能力，而不是所有受過(guò)良好教育的個(gè)體知識(shí)和技能的超人集合。

基礎(chǔ)認(rèn)知缺陷

該框架揭示，當(dāng)代人工智能系統(tǒng)表現(xiàn)出高度不均衡或“參差不齊”的認(rèn)知特征。雖然模型在利用大量訓(xùn)練數(shù)據(jù)的領(lǐng)域（例如常識(shí)（K）、閱讀和寫(xiě)作（RW）以及數(shù)學(xué)能力（M））表現(xiàn)出很高的熟練程度，但它們同時(shí)在基礎(chǔ)認(rèn)知機(jī)制方面存在嚴(yán)重缺陷。

這種不平衡的發(fā)展凸顯了阻礙通用人工智能（AGI）發(fā)展的具體瓶頸。長(zhǎng)期記憶存儲(chǔ)或許是最顯著的瓶頸，在當(dāng)前模型中得分接近 0%。

同樣，視覺(jué)推理能力的缺陷也限制了人工智能代理與復(fù)雜數(shù)字環(huán)境交互的能力。

當(dāng)前人工智能能力參差不齊，常常導(dǎo)致“能力扭曲”，即利用某些領(lǐng)域的優(yōu)勢(shì)來(lái)彌補(bǔ)其他領(lǐng)域的嚴(yán)重弱點(diǎn)。這些變通方法掩蓋了潛在的局限性，并可能造成一種脆弱的通用能力幻覺(jué)。

某些具有戰(zhàn)略意義的人工智能可能在 AGI 之前或之后出現(xiàn)。一些特別值得關(guān)注的類(lèi)型有包括：多階網(wǎng)絡(luò)活動(dòng) AI、自我維持 AI、超級(jí)智能 AI 等等。

研究人員表示，AGI 的定義是：一種能夠達(dá)到或超過(guò)受過(guò)良好教育的成年人的認(rèn)知多樣性和熟練程度的人工智能。

不同于 OpenAI 和微軟對(duì)于 AGI 的定義，該論文對(duì) AGI 的定義是人類(lèi)水平的 AI，而不是具有經(jīng)濟(jì)價(jià)值的 AI，也不是經(jīng)濟(jì)水平的 AI。

參考資料：

https://arxiv.org/abs/2510.18212