【AGI】是推動人工智能發(fā)展的核心理念，一直以來，我們可能并未聽說【AGI】的發(fā)展歷程，或者是相關(guān)概念，好像是最近才突然“火”起來，為什么消失了多年的概念在當今又被提起？下面筆者會從 AGI 的原點，深入介紹一下 AGI 的現(xiàn)狀，以及未來發(fā)展的猜想。
1 AGI 概念 & 背景
1.1 AI（Artificial Intelligence）簡史
最初在 1955 年，由約翰 · 麥卡錫（John McCarthy）創(chuàng)造的術(shù)語【人工智能】（Artificial Intelligence）指的是能夠像人類一樣思考、學習和推理的機器或計算機程序 – 其能夠具備人類的普遍智慧，即能夠?qū)W習各領(lǐng)域知識，并能將知識輸出在各個領(lǐng)域。
當時，約翰 · 麥卡錫預計人工智能將在幾個月內(nèi)實現(xiàn)。
約翰 · 麥卡錫在實踐過程中，遇到了極大的技術(shù)阻礙，因此多年來，【人工智能】領(lǐng)域演變?yōu)椤惊M義人工智能】，即：一次只解決一種類型的問題。
我們將 AI 的能力應(yīng)用在了各個領(lǐng)域，比如：機器視覺 ( CV ) 、語音識別 ( ASR ) 、自然語言處理 ( NLP ) 。但將 AI 能力應(yīng)用到各種場景細分的不利后果是：我們現(xiàn)在依然需要程序員或者數(shù)據(jù)分析師才能實現(xiàn)場景下特定的目標，而不是我們構(gòu)建了類似智能人腦的系統(tǒng)。
因此，【人工智能】的重點從系統(tǒng)內(nèi)在智能，轉(zhuǎn)移到利用外部環(huán)境中的智能，需要程序員的智慧，解決特定問題。
隨著業(yè)務(wù)的深入，也更加關(guān)注特定場景下的人工智能的使用，這樣導致了：【人工智能】在迭代的過程中，忽視了適應(yīng)型和主動性這兩大核心。智能體的初步設(shè)計是能夠自主地適應(yīng)不斷變化的環(huán)境，根據(jù)環(huán)境調(diào)整自身算法，進行主動知識學習和研判，從而完成預設(shè)目標，但現(xiàn)在完成目標的不是【人工智能】，而是場景中的相關(guān)技術(shù) / 業(yè)務(wù)人員。
1.2 AGI 的背景
【AGI】的詞匯是“ Artificial General Intelligence ”的縮寫。
1997 年時，【AGI】這個術(shù)語被定義，我們稱之為——【通用人工智能】。由 Mark Gubrud 在《Nanotechnology and International Security》（納米技術(shù)與國際安全）中提出，其主要內(nèi)容是：討論全自動化軍事生產(chǎn)和作戰(zhàn)的影響。
其原文如下：
其翻譯為：
通過先進的【人工通用智能】——在復雜性和速度上能與人類大腦相媲美甚至超越的系統(tǒng)。
這些系統(tǒng)可以獲取、操縱和推理日常的知識，在需要人類智力的領(lǐng)域發(fā)揮作用，比如：在工業(yè)或軍事行動的任何階段。
這樣的系統(tǒng)可能以人類大腦為模型，但并不一定必須如此，重要的是這樣的系統(tǒng)可以被用來取代人類大腦，從組織和管理礦山或工廠到駕駛飛機、分析情報數(shù)據(jù)或規(guī)劃戰(zhàn)斗等各種任務(wù)。
Mark Gubrud 認為【AGI】可以取代人類的大腦，做方方面面的領(lǐng)域應(yīng)用，如：組織和管理工廠、駕駛飛機、分析情報等戰(zhàn)斗任務(wù)。雖然當時 Mark Gubrud 沒有提出一條確定的概念來描述【AGI】，但是我們可以從幾個關(guān)鍵詞來感知【AGI】的雛形：代替人類大腦、做各方面應(yīng)用。
到 2001 年，許多人工智能研究人員獨立得出結(jié)論，認為現(xiàn)在是回歸【人工智能】原始愿景的時候，并決定聯(lián)合撰寫關(guān)于【人工智能】主題的書。2002 年，其中三位作者分別為：本 · 戈爾策爾（Ben Goertzel）、謝恩 · 萊格（Shane Legg）和彼得 · 沃斯（Peter Voss）為該書的標題創(chuàng)造了術(shù)語【通用人工智能】（Artificial General Intelligence）。
1.3 AGI 的定義
AGI（Artificial General Intelligence）的概念：指的是創(chuàng)建（半）自治、適應(yīng)性強的計算機系統(tǒng)，具有典型的人類一般認知能力，具備支持抽象、類比、規(guī)劃和問題解決的能力。（來源于：《Why We Don ’ t Have AGI Yet》： AGI refers to creating ( semi- ) autonomous, adaptive computer systems with the general cognitive capabilities typical for humans. The ability to support abstraction, analogy, planning and problem-solving. ）
2 AGI 的現(xiàn)狀
下面以兩個具體的場景為例，帶入讀者感受現(xiàn)階段【AI】概念與【AGI】概念的不同。
2.1 狹義人工智能 / 弱人工智能
弱人工智能（英語：Weak artificial intelligence，簡稱 Weak AI）或稱狹義人工智能（Narrow AI）、應(yīng)用型人工智能（Applied AI），是實現(xiàn)部分知識應(yīng)用的人工智能，且僅能專注于某項特定任務(wù)。用約翰 · 瑟爾的話來說，它“對于測試關(guān)于思想的假設(shè)很有用，但實際上并非思想本身”。弱人工智能專注于模仿人類如何執(zhí)行基本動作，例如記憶或感知事物、解決簡單問題。比如：AlphaGo 是一種圍棋軟件，只能專注于下圍棋。
在 1990 年代和 21 世紀初，【狹義人工智能】在商業(yè)成果和學術(shù)地位上，已經(jīng)達到了一個新高度，依靠專注于解決細分的問題。他們可以提供許多方案和商業(yè)應(yīng)用，例如：人工神經(jīng)網(wǎng)絡(luò)、機器視覺以及數(shù)據(jù)挖掘。這些【狹義人工智能】今天已經(jīng)在工業(yè)技術(shù)和科學研究中，得到廣泛和深入的應(yīng)用，在學術(shù)和產(chǎn)業(yè)方面都得到了許多資助。
2.2 狹義人工智能的使用場景
有一位名叫李明的企業(yè)家，他正在尋找一種創(chuàng)新的市場營銷策略來推廣他的產(chǎn)品?？紤]到社交媒體在當下的重要性，他決定嘗試利用【NLP- 自然語言模型】助力社交媒體營銷。
李明提供了一些關(guān)于他的產(chǎn)品特點和目標受眾信息，請求【NLP- 自然語言模型】生成一系列具有吸引力和影響力的社交媒體內(nèi)容?！綨LP- 自然語言模型】開始分析這些信息，并生成了一系列引人注目的媒體帖子、廣告標語和產(chǎn)品描述。
李明根據(jù)【NLP- 自然語言模型】生成的內(nèi)容，制作了一系列的社交媒體內(nèi)容，并發(fā)布到多個平臺上。這些內(nèi)容不僅引起了用戶的興趣，還增加了產(chǎn)品的知名度和銷售量，為企業(yè)帶來了可觀的營銷效果。
這個案例講述了，通過【NLP- 自然語言模型】的協(xié)助，李明成功地實現(xiàn)了創(chuàng)新的社交媒體營銷策略，為他的產(chǎn)品帶來了廣泛的關(guān)注和認可。這個例子突出了【NLP- 自然語言模型】在企業(yè)營銷中的應(yīng)用潛力，為企業(yè)提供了創(chuàng)造性的市場推廣方案，幫助他們實現(xiàn)品牌宣傳和市場競爭優(yōu)勢。
但是這也會有一定的不足，如果李明想讓 AI 幫助生成一整套商業(yè)推廣策略，【NLP- 自然語言模型】可能就有些力不從心了，因為整套的商業(yè)推廣文件形式，涉及到視頻、圖片等。如果生成推廣海報，可能需要【CV- 視覺模型】和其他領(lǐng)域人工智能的介入。
通過這個案例，我們可以把這種【NLP- 自然語言模型】、【CV- 視覺模型】等，歸類為【狹義人工智能】。這些【狹義人工智能】都有一個共性，其只是在某一領(lǐng)域給需求方提供一定的指導，其智能程度無法幫助需求方完成一整套需求落地，主要表現(xiàn)為：最終把生成的社交媒體內(nèi)容推向市場的還是李明、而不是【NLP- 自然語言模型】。
我們試想，如果上述案例讓【AGI】執(zhí)行，將會是怎樣呢？
【AGI】得知李明需要推廣產(chǎn)品后，開始查閱所有的方案推廣可能性，根據(jù)現(xiàn)在市場行情，從中選擇一個最優(yōu)解；然后，【AGI】開始撰寫符合商業(yè)場景的文案，并自動合成相關(guān)的宣傳視頻、生成推廣海報；在這些物料準備完成后，
【AGI】開始分析廣告投放策略，并通過不同渠道做精準的廣告投放，把邊際成本降到最低；在廣告投放完成后，【AGI】會對市場反饋的數(shù)據(jù)再進行分析，優(yōu)化現(xiàn)有物料、提升渠道效率，降低獲客成本。最終結(jié)果當達到你的目標時，【AGI】給予你反饋。
而在【AGI】執(zhí)行此任務(wù)的過程中，自身又根據(jù)事件及環(huán)境作出了自我優(yōu)化。在面臨相似需求時候，它會更加智能、更加高效。
2.3 現(xiàn)代通用人工智能（AGI）的使用場景
【AGI】的使用遠不止上述案例，為什么說【AGI】只存在于小說里、科幻電影中呢？因為【AGI】具象化以后，就是一個無所不能的、集各領(lǐng)域行業(yè)專家知識于一身的智能體。下面再舉一個案例請大家感受一下【AGI】的智能程度。
想象一下，現(xiàn)在有一個關(guān)于《治愈癌癥》的課題急需攻破，其影響重大，可能挽救成千上萬病患者的生命，但以現(xiàn)有的研發(fā)資源來看，這還是一個無法解決的問題，具體體現(xiàn)在：缺乏富有經(jīng)驗的醫(yī)學人才，缺少對以往醫(yī)療案例有效數(shù)據(jù)進行深入挖掘。
【AGI】可以通過全面整合已有的醫(yī)學文獻、臨床案例和研究報告，挖掘其中的關(guān)鍵信息和潛在規(guī)律。
【AGI】能夠快速理解并分析大量醫(yī)學數(shù)據(jù)，尋找可能的突破點和治療方向。同時，【AGI】可以利用計算機模擬技術(shù)，對潛在的治療方法和新藥進行大規(guī)模虛擬實驗，加速研發(fā)過程。通過分子模擬、蛋白質(zhì)配體對接等技術(shù)，篩選出可能的有效藥物及其作用機制。
在臨床實踐中，【AGI】可以提供最新的研究成果和治療建議，幫助醫(yī)生做出更明智的醫(yī)療決策。同時，在醫(yī)生實際決策的數(shù)據(jù)中，【AGI】又會進行深度學習。
在很短的時間之內(nèi)，【AGI】會變成一個行業(yè)的解決方案專家，當然了，不同的醫(yī)院有不同的高級智能體，這些智能體之間會相互共享、分析數(shù)據(jù)，將各類深度學習的人工智能知識匯聚，做自我升級。
不久，【AGI】就會超越人類，率先研發(fā)出對抗癌癥的解決方案。
雖然有了一系列的展望，但是 AGI 的倫理層面還是需要深度探索，國內(nèi)外人工智能發(fā)展的現(xiàn)狀總是技術(shù)跑在監(jiān)管條例前面，因此，會引發(fā)一系列的社會問題，在對人工智能發(fā)展的監(jiān)管力度應(yīng)該加強。
2.4 狹義人工智能和 AGI 的不同
我們在理解 AI 與 AGI 的過程中，不要把【通用人工智能（AGI）】和【人工智能】相混淆，通用人工智能 ( AGI ) 是人工智能 ( AI ) 的一種，【AGI】可以在廣泛的認知任務(wù)中表現(xiàn)得與人類一樣好甚至更好，與專為特定任務(wù)而設(shè)計的【狹義人工智能】不同。創(chuàng)建【AGI】 是一些人工智能研究以及 OpenAI、DeepMind 和 Anthropic 等公司的主要目標。2020 年的一項調(diào)查發(fā)現(xiàn)，有 72 個活躍的 AGI 研發(fā)項目遍布 37 個國家。
下面【狹義人工智能】與【AGI】 主要特點的對比：
理論上，【AGI】 能夠執(zhí)行人類可以執(zhí)行的任何任務(wù)，并在不同領(lǐng)域表現(xiàn)出一系列智能、無需人工干預的特點；在解決大多數(shù)領(lǐng)域的問題時，它的表現(xiàn)應(yīng)該與人類一樣好，甚至更好。
相比之下，【狹義人工智能】擅長完成特定任務(wù)或特定類型的問題。許多現(xiàn)有的人工智能系統(tǒng)結(jié)合使用機器學習 ( ML ) 、深度學習（機器學習的子集）、強化學習和自然語言處理 ( NLP ) 來進行自我改進，并解決特定類型的問題。然而，這些技術(shù)并沒有達到人腦的聚合處理能力。
目前使用【狹義人工智能】主要的應(yīng)用領(lǐng)域有：
客戶服務(wù)聊天機器人。
語音助手，例如蘋果的 Siri 和亞馬遜的 Alexa。
Google、Netflix 和 Spotify 等推薦引擎，用于向用戶推薦內(nèi)容。
由人工智能驅(qū)動的業(yè)務(wù)分析和商業(yè)智能 ( BI ) 工具可進行數(shù)據(jù)分析、評估客戶情緒并為最終用戶呈現(xiàn)數(shù)據(jù)可視化。
圖像和面部識別應(yīng)用程序以及它們使用的深度學習模型。
2.5 AGI 的價值
執(zhí)行認知任務(wù)的成本大大低于人類。
【AGI】在彼此之間更擅長溝通和分享知識 – 沒有自我設(shè)限阻礙。
無休止運轉(zhuǎn)，7*24 小時無休止工作，需求處理速度更快，解決問題注意力更集中。
不會受到人類感知的各種“干擾”，例如家庭、假期、愛好等。
更強的邏輯思維能力，以及進行復雜規(guī)劃和推理能力得到大幅提升。
2.6 現(xiàn)代通用人工智能（AGI）的爭論
通用人工智能【AGI】引發(fā)起一連串哲學的爭論，例如：如果一臺機器能完全理解語言，并回答問題，其是不是有思維。哲學家希爾勒認為不可能。
關(guān)于【AGI】的爭論，不同于更廣義的一元論和二元論的爭論。其爭論要點是：如果一臺機器的唯一工作原理就是轉(zhuǎn)換編碼數(shù)據(jù)，那么這臺機器是不是有思維的？希爾勒認為這是不可能的。他舉了著名的中文房間的例子來說明，如果機器僅僅是轉(zhuǎn)換數(shù)據(jù)，而數(shù)據(jù)本身是對某些事情的一種編碼表現(xiàn)，那么在不理解這一編碼和這實際事情之間的對應(yīng)關(guān)系的前提下，機器不可能對其處理的數(shù)據(jù)有任何理解?；谶@一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。
也有哲學家持不同的觀點。丹尼爾 · 丹尼特（Daniel C. Dennett）在其著作《意識的闡釋》（Consciousness Explained）里認為，人也不過是一臺有靈魂的機器而已，為什么我們認為：“人可以有智能，而普通機器就不能”呢？他認為像上述的數(shù)據(jù)轉(zhuǎn)換機器是有可能有思維和意識的。
3 AGI 的發(fā)展與未來
3.1 人工智能的三次浪潮
幾年前，美國國防部高級研究計劃局 ( DARPA ) 提出了一個簡單分類法，其按時間順序和應(yīng)用特征，劃分人工智能，分解如下 :
第一波浪潮——基于規(guī)則的方法：也被稱為“ GOFAI ”（Good Old-Fashioned AI），在大約 2010 年之前主導了該領(lǐng)域，其特點是：數(shù)據(jù)和算法主要由開發(fā)人員手工制作。這包括專業(yè)系統(tǒng)、復雜邏輯和搜索算法、架構(gòu)規(guī)劃和調(diào)度系統(tǒng)等。其最顯著的成功案例包括 IBM 在 1997 年的國際象棋冠軍 Deep Blue 以及 Jeopardy 智力問答游戲冠軍 Watson。
第二波浪潮——神經(jīng)網(wǎng)絡(luò)：在 2012 年左右如海嘯般來襲，當時研究人員發(fā)現(xiàn)如何利用海量數(shù)據(jù)和計算能力（包括 GPU/TPU）構(gòu)建神經(jīng)網(wǎng)絡(luò)。這推動了翻譯、圖像和語音識別的突破，最終通過 GPT 實現(xiàn)了強大的視覺、語音和文本生成。目前，這些發(fā)展的頂層交互體現(xiàn)在各種 LLM（大型語言模型）中，如 ChatGPT。這一波浪潮以統(tǒng)計學和強化學習為特征；其中許多都是無監(jiān)督或自監(jiān)督的。
第三波浪潮——通用人工智能：第三波浪潮仍處于萌芽階段。它的重點完全符合 AGI 的要求：自主、實時學習；適應(yīng)、高級推理。它還期望概念更加貼近現(xiàn)實（而非語言統(tǒng)計）、穩(wěn)定的少樣本學習和可解釋性。人工智能專家希望這些系統(tǒng)，能夠優(yōu)雅地將次符號模式匹配，與高級符號模式和語言推理相結(jié)合。滿足所有這些要求的一個明顯候選方案就是【認知架構(gòu)】方法。
3.2 第三次浪潮——【認知人工智能（cognitive AI）】
能夠推動【通用人工智能】落地的知識架構(gòu)是【認知架構(gòu)】，其具體表現(xiàn)形式是【認知人工智能】。
【認知人工智能】（Cognitive AI）是具備人類式認知能力的智能體，認知人工智能闡述了一個系統(tǒng)，其能夠：理解語言、運用常識知識、推理和適應(yīng)未知情況；具備這些特征的集合體，更像一個具備高級知識的人類，是一個能夠幫助我們解決問題的【AGI】助手，它需要深刻理解生活和科學、與我們進行有效的溝通、使用我們?nèi)粘５墓ぞ吆拖到y(tǒng)，同時具備學習和創(chuàng)新能力。實現(xiàn)這個目的，需要構(gòu)建一種特定的【AGI】方法，專注于實時、終身的概念學習和推理。
如果 AGI 一旦落地，將會在很多領(lǐng)域遠超人類，但在他們實際的應(yīng)用環(huán)境中，需要的信息總是不完整而且相互矛盾，同時我們會規(guī)定有限的時間和資源來完成任務(wù)。另一方面，它們不需要人類級別的感知敏銳度或靈巧性?？梢詫⑵浞Q為海倫或霍金模型的【AGI】（Helen Keller / Stephen Hawking）——具有人類級認知能力但沒有整體人類水平的身體能力。然而，它們也需要某種方式來捕捉、與我們的實際世界互動。 例如：可以通過個人電腦屏幕、鍵盤和鼠標進行訪問來實現(xiàn)這一點。此外，AGI 也將成為卓越的工具使用者，就像在辦公室的員工一樣。 我們看到【認知人工智】能是通往【AGI】最清晰、最明確和最直接的途徑。
3.3 【認知人工智能】的核心 - 認知架構(gòu)
認知架構(gòu)基礎(chǔ)理念是創(chuàng)建、涵蓋并體現(xiàn)出：人類水平的思維，所需的所有基本結(jié)構(gòu)的系統(tǒng)。
重要的是，它還考慮了這些結(jié)構(gòu)和功能，如何需要與不斷變化的知識、技能相結(jié)合，以在多樣、動態(tài)的環(huán)境中產(chǎn)生智能體。
雖然有多個認知架構(gòu)項目已經(jīng)持續(xù)活躍了幾十年，但迄今為止，沒有一個顯示出足夠的商業(yè)前景，被廣泛采用或受到特別充分的資助。
原因是多方面且復雜的，但一個共同的特點是：它們正在以模塊化和低效的方式運行，并且缺乏深入的學習反饋和認知理論。
4 為什么我們還沒有實現(xiàn) AGI
簡單來說，也許是因為目前還沒有一個采用正確方法、理論，并擁有足夠資金支持的項目。
最近 ChatGPT 的成功表明，硬件限制目前可能不是主要瓶頸，現(xiàn)有硬件的支持，使得高度復雜的語言生成或“推理”變得可行。
4.1 沒有實現(xiàn) AGI 的原因：
盡管成千上萬的【AI】研究人員在【人工智能】領(lǐng)域工作，無論是通過自我承認還是客觀分析，只有極少數(shù)人，直接致力于研究實現(xiàn)【AGI】的方法。
一個客觀的標準是，在實現(xiàn)【AGI】的過程中，所做的【AI】工作，是否有明確定義的步驟或整體詳細計劃。很少有【AI】工作符合這一標準。具體來說，生成式【AI】研究不符合【AGI】的實現(xiàn)路徑。
目前，致力于開發(fā)【AGI】的項目，很少有明確符合【AGI】所需的自主適應(yīng)智能要求的理論。
由于在過去的十年里，統(tǒng)計（與認知 AI）取得了巨大成功，目前該領(lǐng)域的幾乎所有領(lǐng)先專家和從業(yè)者都來自統(tǒng)計學、數(shù)學或形式邏輯的研究。隨著研究的深入，現(xiàn)有的行業(yè)【AI】專家，幾乎不可能從“ 0 ”再次從認知角度看待【AGI】的要求。
在市場經(jīng)濟體中，個人、團隊和公司的動機和激勵很少有助于朝著【AGI】進展。對于學者來說，發(fā)表論文是最重要的，而非開發(fā)實際的 AI 系統(tǒng)。對于公司來說，是制作令人印象深刻的演示，或者在某些游戲或活動中擊敗人類以獲得額外資金。對于大多數(shù)人來說，是突破現(xiàn)有的能力，而非從源頭上改變它們。
使用現(xiàn)有的基準來評估【AGI】存在很大問題：首先，將焦點放在對特定基準的逐步改進上，會分散開發(fā)其他更基礎(chǔ)解決【AGI】問題的工作。相對于解決困難的未知問題，更容易著手處理已經(jīng)掌握如何取得進展的事物。其次，當前的基準極不適合衡量原型【AGI】的進展。早期【AGI】系統(tǒng)的定義，在現(xiàn)有的狹窄基準上表現(xiàn)很差，同時也不擅長高水平的智商測試，和其他專業(yè)測試。
即使一切都順利朝著【AGI】預定義的目標發(fā)展——擁有良好的理論基礎(chǔ)和發(fā)展計劃，出色的開發(fā)團隊和雄厚資金，以及正確的目標基準、開發(fā)標準，但仍然存在著“狹義 AI 陷阱”的隱患。 人的本性使得我們本能地希望在最短時間內(nèi)取得最大進展。但對于【AGI】來說，這往往意味著我們最終利用外部人類智慧來實現(xiàn)特定結(jié)果，或在給定基準上取得進展，而不是以一種將智慧（適應(yīng)性、自治的問題解決能力）融入系統(tǒng)的方式來實現(xiàn)。隨著開發(fā)深入，最終導致的結(jié)果是：只有名義上是【AGI】的【狹義人工智能】工作。
4.2 AGI 的隱患
許多進行人工智能研究的專家，對通用人工智能的實現(xiàn)，持懷疑態(tài)度。有些人質(zhì)疑【AGI】的落地是否值得。
英國理論物理學家、宇宙學家和作家斯蒂芬 · 霍金在 2014 年接受英國廣播公司采訪時警告了【AGI】的危險。“人工智能的全面發(fā)展可能意味著人類的終結(jié)”，他說。“它會自己成長，并以越來越快的速度重新設(shè)計自己。當人類受到緩慢的生物進化的限制，無法與 AIG 進行競爭時，就會被取代?！?/p>
一些人工智能專家預計【AGI】將繼續(xù)發(fā)展。發(fā)明家兼未來學家雷 · 庫茲韋爾 ( Ray Kurzweil ) ，在 2017 年西南論壇（South by Southwest Conference）上接受采訪時預測，到 2029 年，計算機將達到人類的智能水平。庫茲韋爾還預測，人工智能將以指數(shù)級速度進步，帶來突破，使其能夠在一定水平上運行超出人類的理解和控制。人工智能的這一點被稱為奇點。通用人工智能是有助于人工智能最終發(fā)展的人工智能類型之一。
2022 年，在席卷全球的生成式人工智能發(fā)展的推動下，這一愿景更加接近現(xiàn)實。隨著 ChatGPT 于 2022 年 11 月首次亮相以，以及其他【生成式 AI 】出現(xiàn)，世界各地的用戶親眼目睹了：人工智能軟件可以理解人類文本，提示并回答不限范圍的問題，雖然答案并不總是準確，但是這些生成式人工智能模型已證明了：它們可以生成大量不同類型的內(nèi)容，從詩歌和產(chǎn)品描述，到代碼和合成數(shù)據(jù)。像 Dall-E 這樣的圖像生成系統(tǒng)也顛覆了視覺交互，除了醫(yī)學圖像、物體 3D 模型和視頻之外，還生成模仿著名藝術(shù)家作品或照片的圖像。
盡管生成式人工智能的功能令人印象深刻，但它們?nèi)匀贿_不到完全自主的 【AGI】。無論是因為此類工具容易產(chǎn)生不準確和錯誤信息，還是因為它們無法自主獲取、處理最新信息。
5 總結(jié)
最近 GPT 技術(shù)的驚人表現(xiàn)引起了：我們實現(xiàn)“ AI ”最初愿景的可能性——擁有人類水平的“思考機器”。術(shù)語【AGI】被創(chuàng)造出來（重新）專注于這一目標，同來帶來解決人類面臨的許多問題、促進人類繁榮的技術(shù)。 然而，對人類認知水平的詳細分析顯示，目前 AI 主導的領(lǐng)域，大多數(shù)技術(shù)方法、動機和基準都沒有與實現(xiàn)這一目標保持一致。
為加速朝著【AGI】發(fā)展，我們需要專注于：類似人類認知的核心要求——比如自主的、實時的、漸進式學習；概念形成、以及元認知控制。我們需要從第二波 AI 轉(zhuǎn)向第三波 AI，從統(tǒng)計生成式 AI 轉(zhuǎn)向認知 AI。
以上是筆者對 AGI 概念的分享，希望可以和大家一起了解、分享前沿的 AI 知識。
題圖來自 Pixabay，基于 CC0 協(xié)議。
