Исследователи из Google DeepMind представили новый подход к оценке прогресса в создании искусственного общего интеллекта (AGI) — темы, вокруг которой долгое время доминировали спекуляции и маркетинговый шум. Предложенный фреймворк нацелен на формализацию понятия «общего интеллекта» через конкретные измеримые характеристики.
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.
Больше интересного – на медиапортале https://www.cta.ru/