DeepMind вводит «метрику разума»: 10 признаков, по которым будут измерять приближение к AGI

От абстракции к измерениям

Под искусственный общий интеллект обычно понимается система, способная демонстрировать универсальные, адаптивные когнитивные способности на уровне человека. Однако до сих пор отсутствовали согласованные методы количественной оценки прогресса в этом направлении.

Новый подход DeepMind предлагает декомпозировать интеллект на 10 ключевых характеристик и оценивать модели ИИ по каждой из них отдельно, формируя так называемые «когнитивные профили».

Десять черт общего интеллекта

Фреймворк включает восемь базовых когнитивных компонентов:

• восприятие и генерация (работа с текстом, речью, действиями)
• обучение
• память
• рассуждение
• внимание
• метакогниция (контроль собственных мыслительных процессов)
• исполнительные функции (планирование, подавление импульсов)

К ним добавляются две составные способности:

• решение задач
• социальное познание (понимание контекста и адекватное взаимодействие)

Таким образом, вместо единой «магической» метрики AGI предлагается многомерная модель, отражающая сильные и слабые стороны конкретной системы.

Сравнение с человеком

Ключевым элементом является сопоставление результатов ИИ с человеческими показателями. Для этого предлагается формировать базовые линии, привлекая репрезентативные группы людей, выполняющих те же когнитивные тесты.

Это позволяет определить, в каких аспектах система уже достигает или превосходит средний человеческий уровень, а где остаётся ограниченной.

Технологическая нейтральность

Принципиальная особенность подхода — фокус на функциональных возможностях, а не на архитектуре. Это означает, что сравнивать можно любые системы — от нейросетевых моделей до гибридных ИИ — без привязки к конкретной технологии.

Проблемы измерения

Несмотря на амбициозность, авторы признают ряд ограничений:

• отсутствие надёжных тестов для метакогниции, внимания и социального интеллекта
• риск «загрязнения» бенчмарков обучающими данными
• необходимость создания закрытых, более строгих оценочных наборов

В настоящее время Google DeepMind работает с научным сообществом над разработкой новых методов тестирования.

Контекст и значение

Это уже не первая попытка компании структурировать понятие AGI: ранее DeepMind предлагала классифицировать системы по уровням возможностей, аналогично автономному вождению. Однако новый фреймворк впервые добавляет измеримую компоненту.

Если подход окажется жизнеспособным, он может:

• снизить уровень спекуляций вокруг AGI
• создать единый стандарт оценки прогресса
• упростить регулирование и управление рисками

Перспективы

Главный вопрос — насколько предложенные метрики действительно отражают природу человеческого интеллекта и коррелируют с реальной полезностью систем.

Тем не менее, переход от абстрактных дискуссий к эмпирическим измерениям может стать важным этапом в развитии всей индустрии искусственного интеллекта.