导语
Google DeepMind正试图把“我们距离AGI还有多远”这个模糊问题，转化为一个可测量、可比较、可复现的研究问题。该团队发布的新论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》提出，评估通用人工智能进展，不能只看单项基准成绩，而应借助心理学、神经科学和认知科学中的长期研究成果，从更完整的认知能力视角理解模型。
框架想解决什么问题
DeepMind在文章中指出，AGI之所以难以讨论，一个核心原因是缺少经验性的评价工具。行业里经常会围绕“模型是不是更聪明了”展开争论，但如果没有一套相对稳定的能力分类与对照标准，就很难判断模型究竟是在某些任务上刷分，还是在更广泛的通用智能上取得进展。为此，团队提出了一个认知分类体系，列出10项他们认为对通用智能至关重要的关键能力。
这些能力并非只为了做学术概念展示，而是要进一步进入评测协议。DeepMind提出一个三阶段评估方法，主张把AI系统表现和人类能力放在同一坐标里进行比较，用更系统的方法观察不同模型在学习、注意、执行功能、元认知、社会认知等维度上的进展差异。
社区参与与奖金设置
为了让这套框架从论文走向可执行实践，DeepMind还与Kaggle合作发起了名为“Measuring progress toward AGI: Cognitive abilities”的挑战赛。此次活动把重点放在五类“评测缺口最大”的能力上，分别是学习、元认知、注意、执行功能和社会认知，并鼓励研究社区为这些能力设计新的评测方式。
参赛者可以使用Kaggle新推出的Community Benchmarks平台，直接对前沿模型构建和测试评测。奖金池总额为20万美元：五个赛道各自前两名将获得1万美元奖励，另外还会从所有作品中评出4个总冠军，每个奖励2.5万美元。官方给出的时间表是3月17日开放提交，4月16日截止，6月1日公布结果。
对行业的意义
这件事的意义，在于它把AGI讨论从营销叙事重新拉回到评测方法。随着大模型和智能体能力持续增强，行业越来越需要能跨模型、跨任务、跨时间复用的测量框架。DeepMind这次没有直接宣称“AGI接近了”，而是先补方法论地基：先定义要测什么，再定义如何测。
对研究者和开发者来说，这类框架有助于发现模型能力的真实短板，而不只是追逐单一排行榜。对产业界来说，更精细的认知评测也可能影响未来模型训练目标、风险评估和产品路线。即便这套框架仍需大量社区验证，它至少为“AGI进展如何量化”提供了一个更严肃的起点。
