摘要

当前对人工通用智能（AGI）缺乏明确的定义，使得今日的专用人工智能与人类水平的认知能力之间的差距变得模糊不清。本文提出一种可量化的框架以解决这一问题，将AGI定义为具备与受过良好教育的成年人相当的认知多样性和能力水平。为实现这一定义，我们基于卡特尔-霍恩-卡罗尔（Cattell-Horn-Carroll）认知理论——目前最经实证检验的人类认知模型——构建方法论基础。该框架将通用智能分解为十个核心认知领域，包括推理、记忆与感知等，并借鉴已有的标准化人类心理测量工具，用于评估人工智能系统的表现。框架的实际应用揭示，当前主流模型呈现出高度“不均衡”的认知特征：尽管在知识密集型领域表现出色，但现有AI系统在基础认知机制方面存在显著缺陷，尤其体现在长期记忆存储能力上。由此得出的AGI评分（例如，GPT-4为27%，GPT-5为58%）具体量化了人工智能领域的快速进展，同时也清晰揭示了实现真正AGI仍需跨越的巨大差距。