从GPT-4说到 AGI

AGI 是什么？

AGI 的核心目标是达到一种智能水平，使机器能够处理任何人类可以做的任务，从下棋到解决复杂的数学问题，甚至根据抽象推理做出微妙的决策。 与通过专用编程在特定任务中表现出色的窄AI不同，AGI将具有广泛的、可适应的智力，类似于智力活动的“通用翻译器”。

开发AGI 的关键挑战

创建 AGI 涉及克服重大障碍：

•⁠  ⁠认知灵活性： AGI 必须展示出与人类相似的思想和行动灵活性，能够在不同类型的任务之间切换，并将学到的知识应用于各种领域。

•⁠  ⁠知识转移： 它应该能够在不同的情境中有效地利用已获得的知识，而无需重新训练。

•⁠  ⁠常识推理： AGI 需要能够理解和应用人类认为是常识的日常知识。

达成 AGI 的方法

研究人员正在探索几种开发 AGI 的方法：

•⁠  ⁠神经网络： 这些由人脑启发的演算法，通过数据学习来识别模式并做出决策。

•⁠  ⁠符号 AI： 这种方法使用符号来表示问题，并应用逻辑规则来解决问题，模仿人类的理性思考。

•⁠  ⁠混合系统： 将神经网络与符号 AI 结合，这些系统旨在利用两者的优势，以促进 AGI 的发展。

AGI 何时成为现实？

预测 AGI 的时间表充满不确定性，受许多无法预测的因素影响：

•⁠  ⁠技术突破：AGI 需要在几个 AI 领域（如认知计算和机器学习）取得进展。 这些发展是逐步的，往往难以预测。

•⁠  ⁠资源分配： 全球对 AGI 研究的投资虽然很大，但不均匀，这将显著影响其进展。 目前，大部分资金目标是针对商业上可行的窄AI应用。

•⁠  ⁠道德和监管影响： 随着 AI 能力的提高，社会和道德问题可能会影响 AGI 的发展方向和速度。