論文の概要: A Definition of AGI

• arxiv url: http://arxiv.org/abs/2510.18212v2
• Date: Thu, 23 Oct 2025 18:00:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.218796
• Title: A Definition of AGI
• Title（参考訳）: AGIの定義
• Abstract要約: 人工知能の具体的な定義の欠如は、今日の専門的なAIと人間レベルの認知のギャップを曖昧にしている。 そこで本研究では,AGIを認知的多目的性と熟達度に適合するものとして,これに対応するための定量的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 208.25193480759026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The lack of a concrete definition for Artificial General Intelligence (AGI) obscures the gap between today's specialized AI and human-level cognition. This paper introduces a quantifiable framework to address this, defining AGI as matching the cognitive versatility and proficiency of a well-educated adult. To operationalize this, we ground our methodology in Cattell-Horn-Carroll theory, the most empirically validated model of human cognition. The framework dissects general intelligence into ten core cognitive domains-including reasoning, memory, and perception-and adapts established human psychometric batteries to evaluate AI systems. Application of this framework reveals a highly "jagged" cognitive profile in contemporary models. While proficient in knowledge-intensive domains, current AI systems have critical deficits in foundational cognitive machinery, particularly long-term memory storage. The resulting AGI scores (e.g., GPT-4 at 27%, GPT-5 at 57%) concretely quantify both rapid progress and the substantial gap remaining before AGI.
• Abstract（参考訳）: 人工知能(AGI)の具体的定義の欠如は、今日の専門的AIと人間レベルの認知のギャップを曖昧にしている。 そこで本研究では,AGIを認知的多目的性と熟達度に適合するものとして,これに対応するための定量的枠組みを提案する。 これを運用するには、人間の認知の最も実証的に検証されたモデルであるキャッテル・ホルン・キャロル理論を基礎にしている。 このフレームワークは、一般知能を10の認知領域(推論、記憶、知覚を含む)に分割し、確立された人間の心理測定バッテリーをAIシステムの評価に適用する。 このフレームワークの応用は、現代のモデルで非常に「タグ付けされた」認知プロファイルを明らかにする。 知識集約的なドメインには熟練しているが、現在のAIシステムは基礎的認知機械、特に長期記憶装置に重大な欠陥がある。 得られたAGIスコア(GPT-4が27%、GPT-5が57%)は、AGIの急速な進歩と、AGIの前に残る実質的なギャップの両方を具体的に定量化する。

関連論文リスト

• Measuring Progress Toward AGI: A Cognitive Framework [41.45715025577419]
  AGIに向けた進捗を測定するための明確な枠組みは存在しない。 本稿では,人間の認知能力に関するシステム能力を理解するための枠組みを提案する。 本稿では,対象とする認知タスクの集合に対して,システムの性能を計測する厳密な評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-05-27T12:39:54Z)
• Bridging the Cognitive Gap: A Unified Memory Paradigm for 6G Agentic AI-RAN [62.429669462281645]
  6Gは、知覚、推論、進化が可能なエージェントAIを受け入れるために、従来の自動化を超越しなければならない。 この記事では、インターフェースバウンドからメモリ中心アーキテクチャへのシフトを想定します。 メッセージパッシングをゼロコピーオブザーバビリティに置き換えることで、AIエージェントがリアルタイムの応答性と長時間のコンテキストの間のギャップを埋めることができます。
  論文  参考訳（メタデータ） (2026-05-11T06:04:10Z)
• From Mimicry to True Intelligence (TI) -- A New Paradigm for Artificial General Intelligence [0.0]
  現在のパフォーマンスベースの定義は、研究のための明確なメカニズム中心のロードマップを提供していないため、不十分である、と私たちは主張する。 本稿では,外部模倣から基礎的認知アーキテクチャ開発へと焦点を移す新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-09-17T23:08:36Z)
• The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
  本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。 GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up? この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
  論文  参考訳（メタデータ） (2025-08-22T10:19:42Z)
• Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact [27.722167796617114]
  本稿では,人工知能,認知神経科学,心理学,生成モデル,エージェントベースシステムの学際的合成について述べる。 我々は汎用知能のアーキテクチャと認知の基礎を分析し、モジュラー推論、永続記憶、マルチエージェント協調の役割を強調した。 我々は、人工知能への道の鍵となる科学的、技術的、倫理的課題を特定します。
  論文  参考訳（メタデータ） (2025-07-01T16:52:25Z)
• AGITB: A Signal-Level Benchmark for Evaluating Artificial General Intelligence [0.0]
  Artificial General Intelligence Testbed (AGITB) は13のコア要件からなるベンチマークスイートである。 AGITBは、事前訓練、シンボル操作、セマンティックグラウンドをせずに、時間的シーケンスを予測するモデルを必要とする。 AGITBのリファレンス実装はGitHubで公開されている。
  論文  参考訳（メタデータ） (2025-04-06T10:01:15Z)
• General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
  ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。 私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。 私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
  論文  参考訳（メタデータ） (2025-03-09T01:13:56Z)
• Aligning Generalisation Between Humans and Machines [74.120848518198]
  AI技術は、科学的発見と意思決定において人間を支援することができるが、民主主義と個人を妨害することもある。 AIの責任ある使用と人間-AIチームへの参加は、AIアライメントの必要性をますます示している。 これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
  論文  参考訳（メタデータ） (2024-11-23T18:36:07Z)
• Concepts is All You Need: A More Direct Path to AGI [0.0]
  20年ほど前にAGI(Artificial General Intelligence)という用語が発明されて以来、ほとんど進歩していない。 ここではアーキテクチャと開発計画を概説し、いくつかの予備的な結果とともに、完全な人間レベルAI(HLAI)/AGIへのより直接的なパスを提供します。
  論文  参考訳（メタデータ） (2023-09-04T14:14:41Z)
• Why We Don't Have AGI Yet [0.0]
  元々のAIのビジョンは、2002年に"Artificial General Intelligence" (AGI) という用語で再認識された。 このビジョンは、人間と同じように学習し、推論し、問題を解決することができるコンピュータシステムである「シンキングマシン」を構築することである。 いくつかの大規模取り組みが名目上AGIに取り組んできたが、純粋に焦点を絞ったAGI開発分野は、十分な資金提供や推進がなされていない。
  論文  参考訳（メタデータ） (2023-08-07T13:59:31Z)
• Sparks of Artificial General Intelligence: Early experiments with GPT-4 [66.1188263570629]
  OpenAIが開発したGPT-4は、前例のない規模の計算とデータを使って訓練された。 我々は, GPT-4が数学, コーディング, ビジョン, 医学, 法学, 心理学などにまたがる, 新規で困難な課題を解くことを実証した。 我々は、GPT-4を人工知能(AGI)システムの早期(まだ未完成)版と見なすことができると信じている。
  論文  参考訳（メタデータ） (2023-03-22T16:51:28Z)
• A Metamodel and Framework for AGI [3.198144010381572]
  本稿では,応用AGIシステム構築のための知識保存メタモデルとフレームワークを実装したDeep Fusion Reasoning Engine(DFRE)を紹介する。 DFREは、対称関係と反対称関係の明確な区別など、いくつかの重要な基本的な知識特性を示す。 提案手法は, 教師なし物体の検出・認識において, 平均94%の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2020-08-28T23:34:21Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。