Google DeepMind meet voortgang naar AGI met tien cognitieve dimensies

TL;DR

• Wat: Google DeepMind publiceerde in maart 2026 een raamwerk dat AI-voortgang meet langs tien cognitieve dimensies, van waarneming tot sociaal begrip.
• Waarom relevant: het geeft ondernemers een objectievere manier om in te schatten hoe "slim" AI-systemen werkelijk zijn — voorbij de marketingclaims.
• Wat je ermee kunt: gebruik de tien dimensies als checklist wanneer je evalueert of een AI-tool écht past bij taken die in jouw bedrijf belangrijk zijn.

Ik viel over een tweet van @AILoopDaily die stelde dat Google nu heeft "gedefinieerd" hoe je AGI meet. Dat is een flinke claim, dus ik dook erin. Wat blijkt: Google DeepMind publiceerde op 17 maart 2026 inderdaad een cognitief raamwerk dat AI-prestaties vergelijkt met menselijke prestaties op tien gebieden. Ik vind dat interessant genoeg om uit te pluizen — niet vanwege de hype rond AGI, maar omdat het iets zegt over hoe we AI-systemen beoordelen.

Wat heeft DeepMind precies gepubliceerd?

Het raamwerk heet officieel een cognitive taxonomy en komt voort uit jarenlang onderzoek in de psychologie, neurowetenschappen en cognitiewetenschap. De onderzoekers — onder wie Ryan Burnell en Oran Kelly — stellen dat je AI-vooruitgang pas goed kunt meten als je het langs dezelfde lat legt als menselijke intelligentie.

Die lat bestaat uit tien cognitieve dimensies:

1. Waarneming (perception)
2. Generatie (het creëren van nieuwe content)
3. Aandacht (attention)
4. Leren (learning)
5. Geheugen (memory)
6. Redeneren (reasoning)
7. Metacognitie (nadenken over je eigen denken)
8. Executieve functies (plannen, prioriteren, impulsen beheersen)
9. Probleemoplossing (problem solving)
10. Sociale cognitie (begrijpen wat een ander denkt of voelt)

Wat mij hier opvalt: het gaat niet alleen om "kan de AI een wiskundesom oplossen" of "schrijft het een goed essay". Dimensies als metacognitie en sociale cognitie raken aan iets dat we in het dagelijks leven zelfbewustzijn en empathie zouden noemen. Dat DeepMind die expliciet meeneemt, vind ik eerlijk gezegd opmerkelijk.

Hoe werkt de meting?

Het raamwerk volgt drie stappen:

1. Benchmarktests

AI-modellen worden getest op cognitieve taken, met speciale aandacht voor het voorkomen van data-contaminatie — oftewel: zorgen dat het model de antwoorden niet al heeft gezien tijdens training.

2. Menselijke baselines

Dezelfde taken worden afgenomen bij een demografisch representatieve groep mensen. Zo krijg je een eerlijke vergelijking: niet "de beste mens" versus "het beste model", maar een gemiddelde menselijke score.

3. Vergelijking

De AI-score wordt afgezet tegen de menselijke verdeling. Zo kun je per dimensie zien: scoort het model als een gemiddeld persoon? Beter? Of juist ver eronder?

Dit is een stuk nuttiger dan de gebruikelijke benchmarklijstjes waar modellen om de hoogste score strijden op taken die vaak weinig zeggen over echte bruikbaarheid. Vergelijk het met het verschil tussen een auto die de snelste rondetijd rijdt op een circuit, en een auto die goed rijdt in het dagelijks verkeer. Beide zeggen iets, maar voor de meeste mensen is dat tweede relevanter.

Waar het raamwerk nog tekortschiet

Ik vind het belangrijk om ook de beperkingen te benoemen, want die zijn er. Meerdere bronnen wijzen op dezelfde zwakke plekken:

• Vijf van de tien dimensies missen nog goede tests. Voor leren, metacognitie, aandacht, executieve functies en sociale cognitie bestaan simpelweg nog geen betrouwbare evaluaties. DeepMind erkent dit zelf en lanceerde een Kaggle-hackathon met 200.000 dollar aan prijzengeld om de community te helpen die tests te ontwikkelen.
• Abstract redeneren blijft zwak. Op ARC-AGI 3, een benchmark die mensen voor 100% oplossen, scoren de beste AI-modellen volgens Singularity Hub nog altijd 0%. Dat is een ontnuchterend getal.
• Geen aandacht voor veiligheid. Het raamwerk meet wat AI kan, niet of het veilig of betrouwbaar is. Dat is een bewuste keuze, maar volgens critici een gemiste kans.
• Snelheid telt niet mee. In de praktijk maakt het nogal uit of een AI-systeem drie seconden of drie minuten nodig heeft voor een antwoord. Het raamwerk houdt daar geen rekening mee.

Wat mij betreft zijn dit geen redenen om het raamwerk af te schrijven, maar wel om het met de juiste verwachtingen te bekijken. Het is een startpunt, geen eindoordeel.

Wat betekent dit voor jou als ondernemer?

Je zou je kunnen afvragen: wat heb ik hier als MKB-eigenaar aan? Ik denk dat het antwoord subtieler is dan "morgen ga je hier iets mee doen", maar wel degelijk relevant.

Uit CBS-cijfers blijkt dat in 2024 ongeveer 23% van de Nederlandse bedrijven met tien of meer werknemers AI inzette — een stijging van 9 procentpunt in één jaar. Tegelijk laat onderzoek zien dat een gebrek aan kennis de grootste drempel is voor MKB'ers.

En daar zit precies de waarde van zo'n raamwerk. Niet als iets dat je zelf gaat toepassen, maar als een soort kompas. Kun je je voorstellen dat je een AI-tool overweegt voor klantenservice? Dan is het handig om te weten dat sociale cognitie — het begrijpen van wat een klant eigenlijk bedoelt of voelt — één van de dimensies is waar AI het zwakst scoort. Of dat redeneren over nieuwe, onbekende problemen nog steeds een groot gat vertoont.

Stel dat je als ondernemer een leverancier hoort zeggen dat hun AI "menselijk niveau" heeft bereikt. Dan kun je nu vragen: op welke van die tien dimensies dan precies? En hoe is dat gemeten? Dat is geen technische vraag — dat is een inkoopvraag.

Is dit nu "de definitie van AGI"?

De tweet van @AILoopDaily stelt dat Google AGI heeft "gedefinieerd". Ik zou dat nuanceren. Wat DeepMind heeft gedaan is een meetlat voorstellen — en dat is iets anders dan vaststellen wat AGI is. Het eerdere paper uit 2023, "Levels of AGI", onderscheidde al vijf niveaus van AGI: van Emerging (opkomend) tot Superhuman. Dit nieuwe raamwerk voegt daar een cognitieve onderbouwing aan toe.

Ik vind het waardevol dat een groot techbedrijf dit soort werk publiceert en openstelt voor de community. Tegelijk is het goed om te beseffen dat DeepMind hier ook een strategisch belang heeft: wie het meetinstrument definieert, bepaalt deels de spelregels. Andere grote spelers — OpenAI, Anthropic, Meta — hanteren hun eigen maatstaven.

Voor mij is dit vooral een signaal dat de discussie over AI volwassener wordt. Niet "wanneer komt AGI?" maar "hoe meten we eigenlijk wat AI wel en niet kan?" Dat is een betere vraag — ook voor ondernemers die willen begrijpen wat ze kopen.