AGI量化定义首次明确：GPT-5测评仅58分，十大能力短板揭示AI与人类智能鸿沟

人工智能被热议多年，但究竟何时才能全面超越人类智能？这已成为科技领域最引人瞩目的核心议题。

实际上，行业内对人工智能的终极目标始终围绕AGI（通用人工智能）展开，简而言之，即创造出具备人类同等智慧水平的AI系统。

若浏览马斯克的社交媒体平台，不难发现他频繁提及AGI，几乎三句话不离这一概念。

同时，OpenAI的首席执行官山姆·奥特曼也多次公开预测，AGI的到来已迫在眉睫，或许就在未来三到五年内成为现实。

然而，如何准确衡量这种智能水平呢？常言道，人与人之间的差异可能比人与动物间的差异更为显著。那么，究竟达到何种标准才算“与人一样聪明”呢？

令人惊讶的是，即便是那些终日为AGI争论不休的行业巨头，也难以清晰界定AGI的具体内涵。

这难道只是空洞的理论交锋吗？

为此，近期一批顶尖学者携手行动，包括图灵奖得主及谷歌前CEO在内的数十位专家联合发表了一篇论文，首次提出了AGI的量化定义框架。

他们利用GPT模型进行测试，结果显示：若将AGI设定为满分100分，GPT-5仅获得58分，处于不及格状态。

这些专家的核心主张是：AGI应定义为一种能够匹配“受过良好教育的成年人”综合能力的人工智能。

他们将心理学中最权威的CHC理论引入AI评估体系。该理论认为，智力并非单一维度可衡量，而需通过多维度综合考察。

这类似于高考制度：单一科目优秀不足为奇，唯有各科全面优异方能证明整体实力。

因此，他们将AI能力划分为10项核心维度，每项占10%权重，具体包括：

(K) 通识知识、(RW) 读写能力、(M) 数学能力、(R) 即时推理、(WM) 工作记忆、(V) 视觉处理、(A) 听觉处理、(S) 反应速度、(MS) 长期记忆存储、 (MR) 长期记忆检索。

其中，工作记忆与长期记忆可能较为抽象。工作记忆即短期记忆，指对近期信息的临时保持能力；而长期记忆则指AI通过交互永久性学习新知识的能力，犹如人类毕业后仍牢记“奇变偶不变”等知识。

针对每项能力，研究者设计了专项测试题。例如在即时推理部分，他们设置了略具挑战性的问题，如：

“大卫认识张先生的朋友杰克，杰克认识大卫的朋友林女士。认识杰克的人均拥有硕士学位，认识林女士的人都是上海人。请问谁同时具备上海人身份和硕士学位？”（此刻正是检验你是否为AI的时机）

他们选取了OpenAI的GPT-4（2023版）和GPT-5（2025版）进行测试。结果显示，GPT-4总分为27分，GPT-5总分为58分，均未达到100分满分。

进一步分析成绩单可见，AI表现严重不均衡，部分能力突出，部分则极为薄弱。

以GPT-5为例，在通识知识、读写能力、数学能力等项目上，得分接近9分或10分，表明这些是AI的优势领域。

然而，在长期记忆存储方面，GPT-5得分竟为零分，另有多项能力仅得3-4分。GPT-4更甚，多项能力得分为零。

长期记忆存储测试考察AI能否持续学习并保留信息。研究发现，当前AI普遍存在健忘问题：今日教授的内容，明日便遗忘殆尽。

测试方法为：首日向AI输入信息，次日开启新会话并要求其回忆。结果毫无悬念，AI完全无法回想，因为新会话窗口会重置记忆，得分为零也就不足为奇。

尽管有人反驳称当前AI已具备永久记忆功能，但论文指出，这种记忆并非真实记忆，而是一种模拟记忆的假象。

作者将此现象称为“能力扭曲”，即利用某些领域的优势掩盖其他领域的严重缺陷，营造出“AI具备全面能力”的错觉。现有AI记忆实则是通过扩展上下文长度或依赖外部知识库实现，本质上是外部辅助，模型自身并无真正记忆能力。

除记忆力外，长期记忆检索能力也同样薄弱，这涉及减少幻觉、避免虚构信息。

此外，视觉处理能力也表现不佳。GPT-4得分为零，GPT-5虽经升级，仅得4分。

此项测试并非简单识别图像内容，而是评估视觉推理能力。这对大模型而言尤为困难。例如题目：

“以下四个2D展开图中，哪一个无法折叠为左侧的立方体？”

此题对人类而言稍加思考即可解答，但AI如Gemini等仍难以应对。

这表明AI的视觉与认知系统尚未协同工作，缺乏人类边观察边推理的解题能力。

当然，这份报告并非完美无缺。除上述十个维度外，人脑还具备联想等难以量化的能力，人类智能的复杂性远非几道测试题所能涵盖。

但其重要价值在于为当前AI提供了全面诊断：AI发展仍不均衡，在一些基础认知能力上存在显著短板。

同时，当前AI厂商常采用技术捷径掩盖这些弱点。因此，该研究也发出警示：依赖此类方法无法实现真正的AGI。

尽管奥特曼近期直播中重申AGI即将到来，但实际进展仍有待观察。

需指出，该标准本身也存在争议。AGI未必需要模仿人类智能，它可能是一种截然不同的智能形式。生搬硬套人类CHC理论或许有刻板之嫌。

此外，标准设定或许过高。事实上，若AI能达到“未受教育儿童”的水平，便已堪称突破。何况部分人类自身也难以通过此类测试。

尽管如此，提出标准本身具有积极意义。它将AGI讨论从玄学层面拉回具体可衡量的领域，促使行业深入反思追求目标与现存差距。

这远比空谈即将实现AGI更为务实。