초록

인공 일반지능(AGI)에 대한 명확한 정의가 부재함으로써, 현재의 전문적 AI와 인간 수준의 인지 능력 사이의 격차가 흐려지고 있다. 본 논문은 이 문제를 해결하기 위해 측정 가능한 프레임워크를 제안하며, AGI를 교육을 받은 성인의 인지 유연성과 전문성 수준에 도달하는 것으로 정의한다. 이를 구현하기 위해, 인간 인지에 대해 가장 체계적이고 실증적으로 검증된 Cattell-Horn-Carroll(C-H-C) 이론을 기반으로 하였다. 본 프레임워크는 일반지능을 추론, 기억, 인지 등 10개의 핵심 인지 영역으로 분해하고, 기존의 인간 심리측정 체계를 AI 시스템 평가에 적절히 변형하여 적용한다. 이 프레임워크를 적용한 결과, 현행 AI 모델들은 인지 프로파일이 매우 '이질적(jagged)'임을 드러냈다. 지식 집약적 영역에서는 뛰어난 성과를 보이지만, 장기적 기억 저장을 포함한 핵심 인지 기반 기술 측면에서 심각한 약점이 존재함을 확인할 수 있었다. 이에 따라 산출된 AGI 점수(예: GPT-4는 27%, GPT-5는 58%)는 AGI 달성까지의 빠른 진전과 여전히 남아 있는 괴리의 양을 구체적으로 수치화함으로써, 기술적 발전의 현주소를 명확히 드러낸다.