人工通用智能(AGI)

什么是人工通用智能(AGI)？

人工通用智能(AGI)是广义人类认知能力在软件中的表现，因此，面对不熟悉的任务，AGI系统可以找到解决方案。AGI系统的目的是执行人类能够完成的任何任务。

AGI的定义各不相同，因为不同领域的专家从不同的角度定义人类智力。计算机科学家通常根据能够实现目标来定义人类智能。另一方面，心理学家通常根据适应性或生存能力来定义一般智力。

AGI被认为是强人工智能(AI).强人工智能与弱人工智能形成对比狭义人工智能，也就是人工智能对特定任务或问题的应用。IBM的沃森超级计算机, 专家系统而自动驾驶汽车就是狭义AI的例子。

人工通用智能能做什么？

计算机科学中的AGI是一个具有全面或完整知识的智能系统认知计算能力。截至出版，没有真正的AGI系统存在；它们仍然是科幻小说的素材。这些系统的理论性能将与人类的性能无法区分。然而，AGI广泛的智力将超过人类的能力，因为它有能力以令人难以置信的速度访问和处理庞大的数据集。

真正的AGI应该能够执行人类水平的任务和能力，这是现有的计算机无法实现的。今天，人工智能可以执行许多任务，但还没有达到可以归类为人类或一般智能的成功水平。

AGI系统应具备以下能力和理解力:

• 抽象思维
• 背景知识
• 常识
• 因果
• 迁移学习

AGI功能的实际例子包括以下五个:

• 创造力。一个AGI系统理论上能够阅读和理解人类产生的密码并加以改进。
• 感官知觉。AGI擅长颜色识别，这是一种主观的感知。它还能感知静态图像的深度和三维空间。
• 精细运动技能。这方面的一个例子包括从口袋里抓起一串钥匙，这涉及到一定程度的想象感知。
• 自然语言理解(NLU)。人类语言的意义高度依赖于语境。AGI系统将拥有一定程度的直觉NLU.
• 导航。现有的全球定位系统(全球（卫星）定位系统)可以精确定位一个地理位置。一旦完全开发，AGI将能够比现有系统更好地通过物理空间投射运动。

人工智能研究人员还预计，AGI系统将拥有更高水平的能力，例如能够做到以下几点:

• 处理各种类型的学习和学习算法.
• 为所有任务创建固定结构。
• 理解符号系统。
• 运用不同种类的知识。
• 理解信仰体系。
• 搞元认知，利用元认知知识。

AGI和艾:有什么区别？

与人工通用智能相比，现有的人工智能能力被称为狭义人工智能。AGI是理论上的，而狭义人工智能今天在实际中使用。

理论上，AGI应该能够完成任何人类可以完成的任务，并在没有人类干预的情况下，在不同领域表现出一系列的智能。在解决大多数领域的问题时，它的表现应该和人类一样好，甚至更好。

相比之下，弱AI擅长完成特定任务或特定类型的问题。许多现有的人工智能系统使用机器学习(机器语言(Machine Language)), 深度学习(机器学习的子集)，强化学习和自然语言处理(自然语言处理)进行自我提升和解决特定类型的问题。然而，这些技术并没有接近人脑的累积能力。

今天使用的人工智能的例子包括:

• 客户服务聊天机器人.
• 像苹果的Siri和亚马逊的Alexa这样的语音助手。
• 推荐引擎比如谷歌、网飞和Spotify用来向用户推销内容的网站。
• 人工智能驱动的商业分析和商业智能(双性恋的)进行数据分析、测量顾客情绪并为最终用户呈现数据可视化。
• 图像和面部识别应用程序以及它们使用的深度学习模型。

人工智能的例子

真正的AGI系统还没有上市。然而，存在狭义人工智能系统的例子，在某些领域接近甚至超过人类的能力。人工智能研究的重点是这些系统以及AGI在未来的可能性。

以下是这些系统的一些例子:

• IBM的沃森。沃森和其他超级计算机能够进行普通计算机无法处理的计算。他们将自己巨大的计算能力与人工智能结合起来，完成以前不可能完成的科学和工程任务，例如模拟宇宙诞生的大爆炸理论或人类大脑。
• 专家系统。这些基于人工智能的系统模仿人类的判断。例如，他们可以根据患者数据推荐药物，并预测分子结构。
• 自动驾驶汽车。这些人工智能引导的车辆识别道路上的其他车辆、人员和物体，遵守驾驶规则和规定。
• 罗斯情报局。ROSS是一个法律专家系统，也称为艾律师。它可以挖掘数据从大约10亿个文本文档中分析信息，并在不到三秒的时间内对复杂的问题提供精确的回答。
• AlphaGo。这是另一个在特定类型的问题解决中表现出色的狭隘智力的例子。AlphaGo是一个可以下围棋的电脑程序。围棋是一种复杂的游戏，人类很难掌握。2016年，AlphaGo在五局比赛中击败了世界冠军Lee Sedol。
• 语言模型生成预训练转换器。GPT-3和GPT-4是OpenAI发布的可以自动生成人类语言的程序版本。这项技术始终能够模仿普通人类的智力。在某些情况下，文本与人类输出难以区分；然而，人工智能的输出往往是有缺陷的。
• 音乐是人工智能。达达机器人是一种人工智能算法，给定现有音乐的主体，它可以生成自己的音乐流音乐近似.

如果将AGI应用到前面的一些例子中，就可以改进它们的功能。例如，自动驾驶汽车需要一个人在场，在模糊的情况下处理决策。音乐制作算法、语言模型、法律体系也是如此。这些领域包括人工智能可以自动化的任务，但也包括需要更高抽象水平和人类智能的任务。

AGI的未来是什么？

许多从事人工智能研究的专家对AGI是否有可能实现持怀疑态度。一些人质疑这是否值得。

英国理论物理学家、宇宙学家和作家斯蒂芬·霍金在2000年警告了AGI的危险2014年面试他说，英国广播公司“全人工智能的发展可能意味着人类的终结”。“它会自己起飞，并以越来越快的速度重新设计自己。受到缓慢生物进化限制的人类无法竞争，将会被取代。”

一些人工智能专家预计AGI将继续发展。在2017年西南偏南会议的一次采访中，发明家和未来学家雷·库兹韦尔预测，到2029年，计算机将达到人类的智能水平。库兹韦尔还预测，人工智能将以指数速度发展，带来突破，使其能够在超出人类理解和控制的水平上运行。这一点人工超级智能被称为奇异。人工一般智能是人工智能的一种类型，它将有助于人工超级智能的最终发展。

2022年，这一愿景更加接近现实，这得益于生成式人工智能震惊世界的电影。随着ChatGPT于2022年11月首次亮相以及其他用户友好的生成式人工智能界面，世界各地的用户已经亲眼目睹了人工智能软件能够理解人类的文本提示，并回答看似无限的主题问题，尽管并不总是准确。这些生成式人工智能模型已经证明，它们可以产生大量的内容类型，从诗歌和产品描述到代码和合成数据。像Dall-E这样的图像生成系统也正在颠覆视觉景观，除了医学图像、物体的3D模型和视频之外，还生成模仿著名艺术家的作品或照片的图像。

然而，尽管它们有令人印象深刻的能力，它们的缺陷和不足危险这一点在用户中是众所周知的，这意味着他们仍然没有达到完全自主的AGI。无论是因为这种工具产生不准确和错误信息的倾向，还是因为它们无法访问最新信息，仍然需要人工监督来缓解对社会的潜在危害.

其他观点包括1936年艾伦·图灵和阿隆佐·邱奇提出的丘奇-图灵论点，该论点支持AGI的最终发展。它指出，给定无限量的时间和内存，任何问题都可以用算法来解决。哪种认知科学算法将成为争论的焦点。有人说神经网络显示出最大的希望，而其他人则相信神经网络和基于规则的系统的结合。

另一个潜在的倡议来自神经科学:神经形态计算，它使用人工神经元和突触来复制人脑的生物框架和功能。