general intelligence

A comprehensive meta-analysis of vector-correlation tests of Spearman’s Hypothesis (SH) with respect to US White-Black (W-B) cognitive performance differences is conducted. Thirty-one usable studies yielding 44 independent effect sizes were identified, with a total harmonic N of 1,039,379. A random-effects model, using subtest number to estimate inverse-variance weights, yielded a large-magnitude positive mean vector correlation, r = .745, 95% CI [.699, .792], with a prediction interval of .628 to .862, and modest between-study heterogeneity, I² = 25.61%, 95% CI [0.00%, 50.5%]. Sampling error accounted for 46.3% to 82.7% of between-study variance, depending on estimator, suggesting that some variance in those data is potentially due to moderators rather than sampling error. A three-moderator meta-regression including harmonic N , sample mean age, and study year yielded evidence of negative moderation by sample age. SH therefore appears to be weaker in older samples. No quadratic effect of age was detected. Funnel-plot diagnostics using Fisher- z -transformed effects indicated significant unadjusted Egger’s asymmetry, but this became non-significant after adjustment for the moderators. Trim-and-fill imputed no missing effect sizes. The presence of age-dependent moderation, including both reversals and attenuation of effect sizes in older samples, makes claimed isomorphism between g and W-B differences difficult to sustain. The results instead suggest complex environmental confounding potentiating, attenuating, or even reversing the g -dependence of W-B differences.

یک فراتحلیل جامع از آزمون‌های همبستگی برداری فرضیه اسپیرمن (SH) در ارتباط با تفاوت‌های عملکرد شناختی میان سفیدپوستان و سیاه‌پوستان آمریکایی (W-B) انجام شده است. سی‌ویک مطالعه قابل استفاده که ۴۴ اندازه اثر مستقل را ارائه داده‌اند شناسایی شد و مجموع حجم نمونه هارمونیک برابر با ۱٬۰۳۹٬۳۷۹ بود. مدل اثرات تصادفی با استفاده از تعداد خرده‌آزمون‌ها برای برآورد وزن‌های معکوس واریانس، میانگین همبستگی برداری مثبت و با اندازه بزرگ را نشان داد: r = .745، فاصله اطمینان ۹۵٪ [.699، .792]، با بازه پیش‌بینی از .628 تا .862 و ناهمگنی بین‌مطالعه‌ای متوسط، I² = ۲۵.۶۱٪، فاصله اطمینان ۹۵٪ [۰.۰۰٪، ۵۰.۵٪]. خطای نمونه‌گیری بسته به برآوردگر، ۴۶.۳٪ تا ۸۲.۷٪ از واریانس بین‌مطالعه‌ای را توضیح داد که نشان می‌دهد بخشی از این واریانس احتمالاً ناشی از تعدیل‌گرها و نه صرفاً خطای نمونه‌گیری است. فراتحلیل رگرسیون با سه تعدیل‌گر شامل حجم نمونه هارمونیک، میانگین سنی نمونه و سال مطالعه، شواهدی از تعدیل‌گری منفی سن نمونه را نشان داد. بنابراین، به نظر می‌رسد SH در نمونه‌های مسن‌تر ضعیف‌تر است. هیچ اثر درجه‌دوم (quadratic) سن مشاهده نشد. تشخیص‌های نمودار قیفی با استفاده از اثرات تبدیل‌شده Fisher-z، عدم تقارن معنادار Egger را در حالت بدون تعدیل نشان داد، اما پس از تعدیل برای تعدیل‌گرها این عدم تقارن معنادار نبود. روش trim-and-fill هیچ اندازه اثر گمشده‌ای را برآورد نکرد. وجود تعدیل‌گری وابسته به سن، از جمله وارونگی و تضعیف اندازه اثر در نمونه‌های مسن‌تر، ادعای هم‌ریختی (isomorphism) میان g و تفاوت‌های W-B را دشوار می‌سازد. نتایج در عوض نشان می‌دهد که عوامل محیطی پیچیده می‌توانند وابستگی تفاوت‌های W-B به g را تقویت، تضعیف یا حتی معکوس کنند.

Tilt refers to an ability pattern based on within person differences in two distinct abilities (e.g., verbal and math), yielding relative strength in one ability (e.g., math) and relative weakness in another (e.g., verbal). The current study is the first to examine age and sex differences in math-verbal tilt from 13- to 17-years. Test scores were obtained from the Armed Services Vocational Aptitude Battery in the 1997 National Longitudinal Survey of Youth ( N = 6969), a nationally representative sample of adolescents in the United States. Tilt was based on differences in math and verbal scores, yielding math tilt (indicating math strength) and verbal tilt (indicating verbal strength). Other variables included processing speed and general intelligence ( g ), which were expected to facilitate the acquisition of specific abilities that produce tilt. Contrary to research on sex differences in vocational preferences, levels of math and verbal tilt were higher in males than females. In addition, both sexes showed large tilt effects from zero ( d > 1.00), where zero indicates no tilt (i.e., no difference in math and verbal scores), indicating large levels of math or verbal tilt within individuals. The large tilt effects from zero support investment theories, which assume that individuals seek out and select activities in specific domains that boost analogous types of tilts. Finally, age-related increases in tilt were observed for males and females and were mediated by speed and g . Such a pattern supports cascade theories, which assume that speed and g facilitate the acquisition of specific abilities, which boost analogous forms of tilt. Future research should consider age and sex differences in tilt in different developmental periods (e.g., late adulthood) and at different ability levels (e.g., gifted and intellectually disabled).

تمایل به الگوی توانایی اشاره دارد که بر اساس تفاوت‌های درون‌فردی در دو توانایی متمایز (مانند کلامی و ریاضی) شکل می‌گیرد و منجر به قدرت نسبی در یک توانایی (مانند ریاضی) و ضعف نسبی در دیگری (مانند کلامی) می‌شود. مطالعه حاضر نخستین پژوهشی است که تفاوت‌های سنی و جنسیتی در تمایل ریاضی-کلامی را در بازه سنی ۱۳ تا ۱۷ سال بررسی می‌کند. نمرات آزمون از آزمون استعداد شغلی نیروهای مسلح در پیمایش ملی طولی جوانان ۱۹۹۷ (N = 6969)، که نمونه‌ای نماینده از نوجوانان ایالات متحده است، به دست آمد. تمایل بر اساس تفاوت نمرات ریاضی و کلامی محاسبه شد و تمایل ریاضی (نشان‌دهنده قدرت ریاضی) و تمایل کلامی (نشان‌دهنده قدرت کلامی) حاصل گردید. سایر متغیرها شامل سرعت پردازش و هوش عمومی (g) بودند که انتظار می‌رفت اکتساب توانایی‌های خاصی را که منجر به تمایل می‌شوند، تسهیل کنند. برخلاف پژوهش‌ها درباره تفاوت‌های جنسیتی در ترجیحات شغلی، سطوح تمایل ریاضی و کلامی در مردان بالاتر از زنان بود. علاوه بر این، هر دو جنس اثرات تمایل بزرگی نسبت به صفر (d > 1.00) نشان دادند، که در آن صفر نشان‌دهنده عدم تمایل (یعنی عدم تفاوت در نمرات ریاضی و کلامی) است و بیانگر سطوح بالای تمایل ریاضی یا کلامی درون افراد است. اثرات بزرگ تمایل نسبت به صفر از نظریه‌های سرمایه‌گذاری حمایت می‌کند که فرض می‌کنند افراد به دنبال انتخاب و انجام فعالیت‌هایی در حوزه‌های خاص هستند که انواع مشابهی از تمایل را تقویت می‌کند. در نهایت، افزایش‌های مرتبط با سن در تمایل برای مردان و زنان مشاهده شد که توسط سرعت و g واسطه‌گری می‌شد. چنین الگویی از نظریه‌های آبشاری حمایت می‌کند که فرض می‌کنند سرعت و g اکتساب توانایی‌های خاص را تسهیل می‌کنند و انواع مشابهی از تمایل را تقویت می‌کنند. پژوهش‌های آینده باید تفاوت‌های سنی و جنسیتی در تمایل را در دوره‌های رشدی مختلف (مانند بزرگسالی دیرهنگام) و در سطوح مختلف توانایی (مانند افراد با استعداد و افراد دارای ناتوانی ذهنی) مد نظر قرار دهند.

For more than seven decades, Alan Turing’s imitation game has shaped how the AI community discusses machine intelligence, although it was never a psychometric instrument. AI systems now outperform humans in strategic games, scientific prediction, and pattern recognition, achievements better described as domain-specific superhuman performance than as general intelligence unless a novelty condition is enforced. This paper argues that imitation-based evaluation is misaligned with such systems and introduces the Reversed Turing Test (RTT), which asks whether a machine can be identified precisely because its performance is measurably superhuman. The test combines a standardized superhuman index (SI), expressed in standard-deviation units relative to a human reference sample, with a panel of judges whose identifications are verified against the performance evidence. The paper provides a formal definition of the RTT, a taxonomy of novelty types with verification methods, a worked example in protein structure prediction, and a pre-registered text-generation study (n = 500; composite SI ≈ 3.2; 90% identification accuracy grounded in stylometric cues), interpreted as superhuman stylometric performance rather than superhuman intelligence. The RTT is compared against established benchmarks, its philosophical limits are stated, and implications for trust, creativity, governance, and evaluation design are discussed.

بیش از هفت دهه است که بازی تقلید آلن تورینگ نحوه بحث جامعه هوش مصنوعی درباره هوشمندی ماشین را شکل داده است، هرچند که هرگز یک ابزار روان‌سنجی نبوده است. سامانه‌های هوش مصنوعی اکنون در بازی‌های راهبردی، پیش‌بینی علمی و شناسایی الگو از انسان‌ها پیشی گرفته‌اند؛ دستاوردهایی که بهتر است به‌عنوان عملکرد فرابشری خاص حوزه توصیف شوند تا هوشمندی عمومی، مگر آنکه شرط نوآوری اعمال شود. این مقاله استدلال می‌کند که ارزیابی مبتنی بر تقلید با چنین سامانه‌هایی هم‌راستا نیست و آزمون تورینگ معکوس (RTT) را معرفی می‌کند که می‌پرسد آیا می‌توان یک ماشین را دقیقاً به این دلیل شناسایی کرد که عملکرد آن به‌طور قابل سنجشی فرابشری است. این آزمون شاخص فرابشری استانداردشده (SI) را که بر حسب واحدهای انحراف معیار نسبت به نمونه مرجع انسانی بیان می‌شود، با هیئتی از داوران که شناسایی‌های آنان بر اساس شواهد عملکردی راستی‌آزمایی می‌شود، ترکیب می‌کند. مقاله تعریف رسمی RTT، طبقه‌بندی انواع نوآوری با روش‌های راستی‌آزمایی، یک مثال عملی در پیش‌بینی ساختار پروتئین و یک مطالعه از پیش ثبت‌شده در تولید متن (n = 500؛ SI ترکیبی ≈ 3.2؛ دقت شناسایی ۹۰٪ مبتنی بر نشانه‌های سبک‌شناختی) را ارائه می‌دهد که به‌عنوان عملکرد سبک‌شناختی فرابشری تفسیر می‌شود نه هوشمندی فرابشری. آزمون RTT با معیارهای تثبیت‌شده مقایسه می‌شود، حدود فلسفی آن بیان می‌شود و پیامدهای آن برای اعتماد، خلاقیت، حکمرانی و طراحی ارزیابی مورد بحث قرار می‌گیرد.