それぞれの中にAGI（汎用人工知能）の定義がバラバラにあり、議論が難しいため、AGIをレベルで分類するためのフレームワークが提案されました。
既存の定義を分析して抽出された、AGIの原則6箇条も以下のように示されています。
DeepMindの研究者らによる発表です。
@ Meredith Ringel Morris et al., “Levels of AGI: Operationalizing Progress on the Path to AGI”
AGI（汎用人工知能）とは、その名の通り、一般には汎用的な能力を持つ人工知能を指しています。
しかし実際にはAGIの定義には、多くの異なる見解があります。そのため、AGIの進歩を測定するための共通言語が必要です。
そこでDeepMindの研究者らは、レベルで分類するフレームワークを作成しました。
■フレームワークの概要
① 既存のAGIの定義を分析
② 満たすべき6つの原則を抽出
③ 深さ（パフォーマンス）と幅（一般性）に基づくAGIのレベルを提案
■満たすべき6つの原則
研究では、AGIの定義を分析した結果、以下の6つの原則が抽出されたと述べられています
① 能力に焦点を当てること（プロセスではなく）
② 一般性とパフォーマンスに焦点を当てること
③ 認知的およびメタ認知的タスクに焦点を当てること
④ 展開ではなく潜在的な可能性に焦点を当てること
⑤ 生態学的妥当性に焦点を当てること
⑥ AGIへの道筋に焦点を当てること
■深さ（パフォーマンス）と幅（一般性）に基づくAGIのレベル
ー深さ（パフォーマンス）
レベル 0：AIなし
レベル 1：Emerging – 未熟な人間と同等またはそれ以上
レベル 2：Competent – 熟練した人間と同等
レベル 3：Expert – 専門家レベル
レベル 4：Virtuoso – 高度な専門家
レベル 5：Superhuman – 超人間的な能力
ー幅（一般性）
Narrow AI：特定のタスクに特化したAI
AGI：広範なタスクに対応可能なAI
■本フレームワークが貢献すること
研究者らは以下に対して本研究が役立つと考えています。
・モデル間の比較
・リスク評価と緩和戦略
・政策立案者と規制当局からの明確な基準
・研究開発の目標、予測、リスクの特定
・AGIへの道筋に沿った現在地の理解とコミュニケーション
