Definisi AGI

• Dalam riset kecerdasan buatan, ketiadaan definisi yang jelas untuk AGI (Artificial General Intelligence) membuat jarak antara kognisi setara manusia dan AI saat ini menjadi kabur
• Makalah ini mengajukan kerangka kerja yang dapat dikuantifikasi, dengan mendefinisikan AGI sebagai ‘AI yang memiliki keragaman dan kemahiran kognitif setara orang dewasa berpendidikan baik’
• Berdasarkan teori Cattell-Horn-Carroll (CHC), model representatif dalam studi kognisi manusia, kecerdasan umum manusia diuraikan menjadi 10 domain kognitif inti lalu diterapkan untuk evaluasi AI
• Melalui kerangka ini, profil kognitif GPT-4 dan GPT-5 dikuantifikasi; GPT-4 mencatat skor AGI 27%, sedangkan GPT-5 57%
• Ini menunjukkan kemajuan AI yang pesat, namun juga mengisyaratkan bahwa masih ada kesenjangan besar menuju AGI karena kekurangan kemampuan kognitif fundamental seperti penyimpanan memori jangka panjang

---

Kebutuhan akan definisi AGI dan pengenalan masalah

• AGI (Artificial General Intelligence) dinilai sebagai salah satu kemajuan teknologi terpenting dalam sejarah manusia, tetapi definisinya yang kabur memicu perdebatan
  • Seiring AI secara bertahap menaklukkan bidang-bidang seperti matematika dan seni yang dulu dianggap memerlukan kecerdasan manusia, standar tentang ‘AGI’ terus bergeser
  • Akibatnya, diskusi tentang kapan AGI akan tercapai atau pada tingkat apa menjadi tidak produktif, dan kesenjangan nyata antara AI saat ini dan AGI tertutupi
• Makalah ini mengusulkan kerangka kerja kuantitatif dan sistematis untuk menghilangkan ambiguitas tersebut
  • Definisi yang diusulkan: “AGI adalah AI yang memiliki keragaman dan kemahiran kognitif setara orang dewasa berpendidikan baik”
  • Ini merujuk pada kecerdasan yang memiliki keluasan kognitif (versatility) dan kedalaman/kemahiran (proficiency), bukan sekadar kemampuan menyelesaikan satu tugas

Pendekatan berbasis model kognisi manusia

• Untuk mewujudkan definisi AGI secara praktis, struktur kognisi manusia dijadikan model
  • Kecerdasan umum manusia bukanlah satu kemampuan tunggal, melainkan kompleks berbagai kemampuan kognitif yang dibentuk oleh evolusi
  • Kemampuan-kemampuan inilah yang memungkinkan daya adaptasi dan pemahaman manusia terhadap dunia
• Penelitian ini didasarkan pada teori Cattell-Horn-Carroll (CHC)
  • Teori CHC adalah model kecerdasan manusia yang paling tervalidasi secara empiris, karena mensintesis analisis faktor dari tes kemampuan kognitif yang terakumulasi selama lebih dari 100 tahun
  • Sejak era 1990–2000-an, sebagian besar tes kecerdasan klinis dirancang berdasarkan model CHC
  • CHC mengklasifikasikan kecerdasan manusia secara hierarkis menjadi kemampuan tingkat atas (luas) dan kemampuan tingkat bawah (rinci)
  • Contoh: penalaran induktif, memori asosiatif, penelusuran spasial

Perancangan kerangka evaluasi untuk AI

• Sistem pengujian psikometrik yang telah berkembang selama puluhan tahun dimodifikasi agar sesuai untuk evaluasi AI
  • Sementara evaluasi AI yang ada bergantung pada kinerja tugas yang digeneralisasi, penelitian ini secara langsung memverifikasi apakah AI memiliki kemampuan kognitif rinci dalam CHC
  • Dengan menerapkan tes berbentuk sama seperti tes kognitif untuk manusia kepada AI, penelitian ini mengukur keragaman dan kemahiran kognitif
• Hasil dinyatakan sebagai skor AGI terstandarisasi (0–100%), dengan 100% berarti AGI sepenuhnya tercapai
  • GPT-4 dinilai 27% dan GPT-5 57%, yang menunjukkan kemajuan cepat sekaligus masih adanya kesenjangan besar
• Hasil eksperimen menunjukkan bahwa AI unggul pada benchmark kompleks, tetapi pada tugas kognitif dasar yang sederhana bagi manusia, AI hanya mampu menyelesaikan sekitar setengahnya
  • Ini berarti AI saat ini mungkin sangat unggul di area tertentu, tetapi struktur kecerdasannya lebih sempit daripada manusia dalam keluasan kognitif secara keseluruhan

10 komponen kognitif inti

• Berdasarkan kemampuan luas dalam CHC, kerangka ini mendefinisikan 10 domain kognitif inti dan memberi bobot yang sama pada tiap domain (10%)
  • Pengetahuan umum (General Knowledge, K): keluasan pemahaman faktual tentang dunia, termasuk pengetahuan umum, budaya, sains, ilmu sosial, sejarah, dan lainnya
  • Kemampuan membaca dan menulis (Reading & Writing, RW): kemampuan memproses teks seperti dekode bahasa, pemahaman, penulisan, dan penggunaan gaya bahasa
  • Kemampuan matematika (Mathematical Ability, M): pengetahuan matematika dan kemampuan pemecahan masalah, termasuk aritmetika, aljabar, geometri, probabilitas, dan kalkulus
  • Penalaran spontan (On-the-Spot Reasoning, R): kemampuan kontrol atensi yang fleksibel untuk memecahkan masalah baru tanpa bergantung pada pengetahuan yang sudah ada
  • Memori kerja (Working Memory, WM): kemampuan mempertahankan dan memanipulasi informasi teks, auditori, dan visual secara simultan
  • Penyimpanan memori jangka panjang (Long-Term Memory Storage, MS): kemampuan untuk terus mempelajari dan menyimpan informasi baru
  • Pengambilan memori jangka panjang (Long-Term Memory Retrieval, MR): kemampuan memanggil kembali pengetahuan yang tersimpan secara akurat dan menghindari halusinasi (confabulation)
  • Pemrosesan visual (Visual Processing, V): kemampuan mengenali, menganalisis, menghasilkan, dan menelusuri informasi visual
  • Pemrosesan auditori (Auditory Processing, A): kemampuan membedakan, mengenali, dan memanfaatkan secara kreatif stimulus auditori seperti suara, ritme, dan musik
  • Kecepatan (Speed, S): kemampuan menjalankan tugas kognitif sederhana dengan cepat, termasuk kecepatan persepsi, waktu reaksi, dan kelancaran pemrosesan
• Melalui 10 domain ini, dimungkinkan evaluasi multimodal yang mencakup teks, visual, dan auditori, serta diagnosis yang presisi atas kekuatan dan kelemahan AI

Profil kognitif AI saat ini dan implikasinya

• Hasil perbandingan kemampuan kognitif GPT-4 dan GPT-5 menunjukkan bahwa mereka unggul pada domain berbasis pengetahuan, tetapi sangat kurang pada domain terkait memori
  • Secara khusus, kemampuan penyimpanan memori jangka panjang ditunjukkan sebagai kekurangan terbesar
  • Ini memperlihatkan belum adanya struktur kognitif dasar yang dibutuhkan AI saat ini untuk mencapai kecerdasan umum setara manusia
• Kerangka ini dapat digunakan sebagai alat pelacakan kuantitatif atas perkembangan AI
  • Melalui skor AGI, laju kemajuan antar model dan kesenjangan yang tersisa dapat dikuantifikasi dengan jelas
  • Ke depan, ini dapat berfungsi sebagai indikator yang menekankan pentingnya perkembangan kognitif yang seimbang dalam riset AI

Kesimpulan

• Penelitian ini menghilangkan ambiguitas dalam diskusi AGI dan mengajukan definisi kuantitatif berbasis model kognisi manusia
• Melalui evaluasi 10 domain kognitif berdasarkan teori CHC, keluasan dan kedalaman kognitif AI dapat diukur secara objektif
• Hasil GPT-4 dan GPT-5 menunjukkan bahwa AI berkembang pesat, tetapi masih sangat berbeda dari manusia pada elemen kognitif inti seperti memori, penalaran, dan kemampuan integrasi sensorik
• Kerangka yang diusulkan memiliki potensi untuk digunakan sebagai standar evaluasi terstandarisasi dalam riset AGI di masa depan