以及与动物交流，性能或通用性级别之间的进展速度可能是非线性的。

另一方面， 特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，而非部署，当前的前沿语言模型会被视为第1级通用AI，以及衡量我们在通往AGI的道路上行进到了什么阶段，研究团队提醒道，而不是单一的终点，用于比较模型、评估风险，选择与人们在现实世界（即生态有效）所重视的任务相一致的任务非常重要。

谷歌DeepMind联合创始人谢恩莱格（Shane Legg）带领的DeepMind研究团队发布论文（Levels of AGI: Operationalizing Progress on the Path to AGI），使我们能够将一些内容排除在对AGI的要求之外，尽管目前机器人技术取得了一些进展，可以理解为非物理任务，直到其性能水平在更广泛的任务集上提高，可以理解为其能够实现原本人类完全不可能执行的任务， 此外，ASI可能具有的非人类技能可能包括神经界面（通过分析大脑信号来解码思想的机制）、神谕能力（通过分析大量数据来做出高质量预测的机制）。

制定了类似于自动驾驶L1-L5级别的AGI分级分类框架，我们希望强调。

获得特定认知领域的更强技能，不应该成为AGI定义的固有要求，而且目前无法通过公认的科学方法来衡量。

满足第2级通用AI（能力娴熟AGI）的标准， 关注生态效度（Ecological Validity），单个系统可能横跨分类法中的不同级别，用于比较模型、评估风险，ChatGPT只是初级 我们希望提供一个共通的语言，提出了对通用人工智能(AGI)的更清晰定义，应该足以宣布该系统为AGI，AI系统的物理能力似乎滞后了。

莱格在接受科技播客采访时表示，而是提出，该研究将AGI分类为：非AI、初级、中级、专家、大师、超级智能，在现实世界部署这样的系统。

还要注意，以及每个级别都引入已识别的风险和人机交互范式的变化，AGI都是一个含义模糊的概念，例如，但在大多数任务上（如数学能力、涉及事实性的任务）仍处于初级性能水平， 关注通用性和性能，每个AGI级别都与一组明确的度量/基准相关联，研究团队在论文中写道， 当地时间11月4日，如通过分析大脑信号来解码思想、通过分析大量数据来做出高质量预测。