Uma definição de AGI

Um grande grupo de pessoas em IA — incluindo Dan Hendrycks, Yoshua Bengio, Dawn Song, Max Tegmark, Eric Schmidt, Jaan Tallinn, Gary Marcus e outros — divulgou um artigo apresentando uma estrutura quantificável para definir Inteligência Artificial Geral (IAG), com o objetivo de padronizar o termo e medir a lacuna entre a IA atual e a cognição de nível humano.

As definições de IAG são frequentemente nebulosas.

O artigo argumenta que o termo IAG atualmente atua como uma "baliza em constante movimento". À medida que sistemas especializados de IA dominam tarefas que antes exigiam intelecto humano, os critérios para IAG mudam. Essa ambiguidade dificulta discussões produtivas sobre o progresso e obscurece a real distância até a inteligência de nível humano.

A estrutura é fundamentada em teoria.

Os autores definem a AGI como "uma IA que pode igualar ou exceder a versatilidade e a proficiência cognitivas de um adulto bem-educado". Para operacionalizar isso, eles baseiam sua metodologia na teoria de Cattell-Horn-Carroll (CHC), o modelo de inteligência humana mais validado empiricamente. A estrutura adapta testes psicométricos humanos estabelecidos para avaliar sistemas de IA em dez domínios cognitivos principais, resultando em uma "Pontuação AGI" padronizada (0-100%).

Os modelos atuais apresentam um perfil cognitivo "irregular".

A aplicação da estrutura revela capacidades altamente desiguais. Embora os modelos sejam proficientes em domínios com uso intensivo de conhecimento (como matemática ou leitura/escrita), eles apresentam déficits críticos no maquinário cognitivo fundamental.

O armazenamento de memória de longo prazo é o gargalo crítico.

O déficit mais significativo identificado é o Armazenamento de Memória de Longo Prazo, onde os modelos atuais apresentam uma pontuação próxima a 0%. Isso resulta em uma forma de "amnésia", forçando a IA a reaprender o contexto em cada interação. O artigo observa que a dependência de janelas de contexto massivas (Memória de Trabalho) é uma "distorção de capacidade" usada para compensar essa falta de memória persistente.

A estrutura quantifica a lacuna em relação à AGI. A

s pontuações resultantes visam quantificar concretamente tanto o progresso rápido quanto a lacuna substancial que ainda resta antes da AGI. O artigo estima o GPT-4 em uma pontuação AGI de 27% e o GPT-5 previsto (2025) em 58%.

Manual do Auditor de IA

R$196.00R$98.00

Comprar