AI Articles
AI 領域精選文章翻譯
衡量 AGI 進展：Google DeepMind 的認知分類框架
by Google DeepMind
原文連結： Measuring progress toward AGI: A cognitive framework
摘要
- Google DeepMind 發布論文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，以認知科學為基礎建立評估 AGI 進展的正式框架。
- 框架識別出 10 項關鍵認知能力，涵蓋感知、推理、記憶、學習、後設認知、執行功能等，並以三階段協定對比人類表現基準。
- 目前評估缺口最大的五項能力為：學習、後設認知、注意力、執行功能與社會認知。
- 配合論文，DeepMind 與 Kaggle 聯合推出黑客松，邀請社群協助建構評測工具，獎金池高達 $200,000 美元。
- 黑客松投稿截止日期為 2026 年 4 月 16 日，結果將於 6 月 1 日公布。
距離 AGI 還有多遠？現在有了更精確的量尺
人工通用智慧（AGI）有潛力加速科學發現，幫助人類解決最棘手的問題。但究竟離這個里程碑有多近？目前缺乏系統性的實證工具來回答這個問題。
為此，Google DeepMind 在 2026 年 3 月發布了一篇新論文：《Measuring Progress Toward AGI: A Cognitive Taxonomy》，以認知科學為基礎，建立了一套評估 AI 系統通用智慧能力的科學框架。
解構「通用智慧」
這套框架汲取數十年的心理學、神經科學與認知科學研究，提出了一個認知分類體系，識別出 10 項核心認知能力，研究者認為這些能力對於通用智慧至關重要：
- 感知（Perception）：從環境中提取與處理感官資訊
- 生成（Generation）：產出文字、語音、動作等輸出
- 注意力（Attention）：將認知資源集中於關鍵事物
- 學習（Learning）：透過經驗與指引習得新知識
- 記憶（Memory）：跨時間儲存與檢索資訊
- 推理（Reasoning）：透過邏輯推論得出有效結論
- 後設認知（Metacognition）：對自身認知過程的認知與監控
- 執行功能（Executive functions）：規劃、抑制與認知彈性
- 問題解決（Problem solving）：針對特定領域找到有效解法
- 社會認知（Social cognition）：處理與詮釋社交資訊並適當回應
三階段評估協定
要理解 AI 在各認知能力上的水準，研究者提出了以下三步驟評估流程：
- 使用涵蓋各項能力的廣泛認知任務組合評測 AI 系統（採留存測試集以防資料汙染）
- 從具代表性的成人樣本收集相同任務的人類基準表現
- 將每個 AI 系統的表現，對照人類表現分佈進行標準化比較
從理論到實踐：$200,000 黑客松
定義認知能力只是第一步——真正的難題在於如何建立對應的評測工具。DeepMind 與 Kaggle 合作推出黑客松：「Measuring progress toward AGI: Cognitive abilities」，邀請全球研究社群針對評估缺口最大的五項能力設計評測方案，分別是：
- 學習
- 後設認知
- 注意力
- 執行功能
- 社會認知
參賽者可使用 Kaggle 新推出的 Community Benchmarks 平台，對一系列前沿模型進行測試。
獎金結構：
- 五個賽道各取前兩名，每名獲得 $10,000
- 四個最佳整體提交獲得 $25,000 大獎
投稿期間：2026 年 3 月 17 日至 4 月 16 日，結果公布：2026 年 6 月 1 日。
為什麼這件事很重要
長期以來，「AGI 已到來」或「AGI 仍是幻想」的論戰缺乏共同的評估語言。DeepMind 這套框架試圖提供一把共同的量尺——不是宣稱現有模型已達到 AGI，而是建立一個可被研究社群驗證、辯論、並迭代改進的評估基礎設施。
這與過去「以單一 benchmark 定高下」的做法有本質差異：它承認通用智慧是多維度的，且不同能力的發展軌跡可能截然不同。
框架本身不是問題，「誰來定義什麼算通過」才是
DeepMind 這篇論文做的事情，從學術角度看很有價值：把「AGI」這個被各家公司隨意使用的詞，拆解成 10 項可操作的認知能力，並提出三階段對照人類表現的評估協定。這比「模型在某個 benchmark 跑幾分」的做法嚴謹得多，也更接近認知科學界長期以來理解智慧的方式。
但幾個根本性的問題，論文本身並沒有處理。
第一，人類表現分佈不是一個穩定的參照點。 框架的第三步是「將 AI 表現對照人類表現分佈進行標準化比較」。但人類在後設認知、社會認知、執行功能等能力上的表現，本身就有巨大的個體差異和文化差異。用哪群人的表現當基準？心理學實驗裡那種以西方大學生為主的 WEIRD 樣本嗎？這個選擇本身就會深刻影響「AI 離 AGI 還有多遠」的結論。
第二，認知能力的拆解本身帶有特定的理論承諾。 把智慧拆成感知、推理、記憶等 10 項能力，這種做法來自認知心理學的模組化傳統。但認知科學內部對這種拆法是有爭議的——有些學派認為智慧是高度整合的、無法被乾淨拆分的。用模組化框架去評估一個可能根本不是模組化運作的系統，結論可能會系統性地偏向某些架構設計。
第三，Kaggle 黑客松是聰明的 crowdsourcing，但也可能帶來新的偏差。 讓社群來設計評測工具，能快速覆蓋更多創意和角度；但 Kaggle 參賽者的激勵結構是「贏比賽」，不是「設計最嚴謹的評測」。如果獎勵機制偏向「產出讓模型區分度最大的 benchmark」，那最終的評測工具可能更適合排名，而不是真正測量認知能力。
真正令人在意的問題，其實不在技術層面，而在政治層面：當這套框架成為產業標準後，誰有權宣布模型已達到某個認知等級？ 如果 Google DeepMind 既是框架的設計者、又是主要被評估者之一，那它在 AGI 敘事中的話語權就會非常不對稱。對其他研究機構和開源社群來說，參與這套框架的制定與迭代，可能比跑幾個 Kaggle 比賽更重要。