面向通用人工智能与超级智能的自主 AI 规模

我们提出了一个受卡达谢式启发但可操作的自主人工智能（AAI）规模，用于衡量从固定机器人流程自动化（AAI-0）到完全通用人工智能（AAI-4）及其以上的进程。与叙事性梯阶不同，我们的规模是多轴的且可测试的。我们定义了十个能力轴（自主性、通用性、规划、记忆/持久性、工具经济、自我修订、社交性/协调、具身化、世界模型忠实度、经济吞吐量），通过加权几何平均数聚合为复合 AAI 指数。我们引入了可衡量的自我改进系数$\kappa$（单位代理发起资源所致的能力增长），以及两个封闭属性（维护与扩张），将“自我改进的人工智能”转化为可验证的标准。我们指定了 OWA-Bench，这是一个开放世界代理基准套件，评估长期 horizons、工具使用、持久代理。我们使用轴、$\kappa$和封闭性证明为 AAI-0\ldots AAI-4 定义等级门槛。合成实验说明了当下系统在规模上的映射方式以及随着自我改进而发展的可委托前沿（质量 vs. 自主性）。我们还证明了一个定理表明 AAI-3 代理在满足条件下会演变为 AAI-5，形式化了“幼儿 AGI”成为超级智能的直觉。