要約

人工一般知能（AGI）に対する明確な定義が存在しないことにより、現在の専門分野に特化したAIと人間レベルの認知能力との間にあるギャップが曖昧なままである。本論文では、この問題に対処するため、定量的な枠組みを提示する。ここでは、AGIを、教育を受けた成人の認知的柔軟性と習熟度と同等であると定義する。この定義を実装するため、本研究は、人間認知に関する最も実証的に裏付けられたモデルであるキャッティル＝ホーン＝キャロル理論（Cattell-Horn-Carroll theory）を基盤とする。本フレームワークは、一般知能を推論、記憶、知覚などを含む10の核心的な認知領域に分解し、既存の人間向け心理測定テストのバッテリーをAIシステムの評価に適応する。このフレームワークの適用により、現代のAIモデルが非常に「不均一な」認知プロファイルを持っていることが明らかになった。知識集約型の領域では優れた性能を発揮している一方で、基礎的な認知機構、特に長期記憶の保存機能に重大な欠陥を有している。その結果、AGIスコア（例：GPT-4は27％、GPT-5は58％）が算出され、急速な進展とAGI到達までの依然として大きなギャップを具体的に定量的に示している。