核心观点
　　Google DeepMind Morris et al.提出了一个用于分类和评估通用人工智能（AGI）能力和行为的框架。文章深入分析了AGI的现有定义，提炼出关键原则，并基于这些原则提出了一个新的“AGI层次”分类框架。
　　提炼出AGI分类框架的六大原则
　　文章分析了现有的关于人工智能（AGI）的多种定义，并提炼出六个原则，用于构建一个有用的AGI本体论。这些原则包括关注AGI的能力而非底层机制、分别评估普适性和性能，并关注通往AGI的不同阶段，而非仅关注终点。
　　统一AGI的层次框架以更好衡量AGI的进展
　　Morris et al.提出了一个基于能力深度（性能）和广度（普遍性）的“AGI层次”框架。这个框架旨在提供一个共同的表述，用于比较模型、评估风险，并衡量通往AGI的进展。
　　强调人类AI交互范式在部署AI系统时的重要性
　　高层次的AGI可能会对社会产生深远的影响，包括就业、隐私、安全和伦理等方面。因此，在部署这些系统时，需要考虑它们对社会的潜在影响，并采取措施来减轻负面影响。
　　风险提示
　　报告依据最新前沿论文进行解读评述，若有理解不当请以原始论文表述为准。且本报告为AI应用方法和框架介绍，并不作为有效投资方法建议，仅供参考。