【AGI】是推動(dòng)人工智能發(fā)展的核心理念，一直以來(lái)，我們可能并未聽(tīng)說(shuō)【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(lái)，為什么消失了多年的概念在當(dāng)今又被提起？下面筆者會(huì)從AGI的原點(diǎn)，深入介紹一下AGI的現(xiàn)狀，以及未來(lái)發(fā)展的猜想。

1 AGI概念&背景

1.1 AI（Artificial Intelligence）簡(jiǎn)史

最初在1955年，由約翰·麥卡錫（John McCarthy）創(chuàng)造的術(shù)語(yǔ)【人工智能】（Artificial Intelligence）指的是能夠像人類(lèi)一樣思考、學(xué)習(xí)和推理的機(jī)器或計(jì)算機(jī)程序 – 其能夠具備人類(lèi)的普遍智慧，即能夠?qū)W習(xí)各領(lǐng)域知識(shí)，并能將知識(shí)輸出在各個(gè)領(lǐng)域。

當(dāng)時(shí)，約翰·麥卡錫預(yù)計(jì)人工智能將在幾個(gè)月內(nèi)實(shí)現(xiàn)。

約翰·麥卡錫在實(shí)踐過(guò)程中，遇到了極大的技術(shù)阻礙，因此多年來(lái)，【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(lèi)型的問(wèn)題。

我們將AI的能力應(yīng)用在了各個(gè)領(lǐng)域，比如：機(jī)器視覺(jué)(CV)、語(yǔ)音識(shí)別(ASR)、自然語(yǔ)言處理(NLP)。但將AI能力應(yīng)用到各種場(chǎng)景細(xì)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(shí)現(xiàn)場(chǎng)景下特定的目標(biāo)，而不是我們構(gòu)建了類(lèi)似智能人腦的系統(tǒng)。

因此，【人工智能】的重點(diǎn)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(wèn)題。

隨著業(yè)務(wù)的深入，也更加關(guān)注特定場(chǎng)景下的人工智能的使用，這樣導(dǎo)致了：【人工智能】在迭代的過(guò)程中，忽視了適應(yīng)型和主動(dòng)性這兩大核心。智能體的初步設(shè)計(jì)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(jìn)行主動(dòng)知識(shí)學(xué)習(xí)和研判，從而完成預(yù)設(shè)目標(biāo)，但現(xiàn)在完成目標(biāo)的不是【人工智能】，而是場(chǎng)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(xiě)。

1997年時(shí)，【AGI】這個(gè)術(shù)語(yǔ)被定義，我們稱(chēng)之為——【通用人工智能】。由Mark Gubrud在《Nanotechnology and International Security》（納米技術(shù)與國(guó)際安全）中提出，其主要內(nèi)容是：討論全自動(dòng)化軍事生產(chǎn)和作戰(zhàn)的影響。

其原文如下：

其翻譯為：

通過(guò)先進(jìn)的【人工通用智能】——在復(fù)雜性和速度上能與人類(lèi)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(shí)，在需要人類(lèi)智力的領(lǐng)域發(fā)揮作用，比如：在工業(yè)或軍事行動(dòng)的任何階段。

這樣的系統(tǒng)可能以人類(lèi)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(lái)取代人類(lèi)大腦，從組織和管理礦山或工廠到駕駛飛機(jī)、分析情報(bào)數(shù)據(jù)或規(guī)劃戰(zhàn)斗等各種任務(wù)。

Mark Gubrud認(rèn)為【AGI】可以取代人類(lèi)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(jī)、分析情報(bào)等戰(zhàn)斗任務(wù)。雖然當(dāng)時(shí)Mark Gubrud沒(méi)有提出一條確定的概念來(lái)描述【AGI】，但是我們可以從幾個(gè)關(guān)鍵詞來(lái)感知【AGI】的雛形：代替人類(lèi)大腦、做各方面應(yīng)用。

到2001年，許多人工智能研究人員獨(dú)立得出結(jié)論，認(rèn)為現(xiàn)在是回歸【人工智能】原始愿景的時(shí)候，并決定聯(lián)合撰寫(xiě)關(guān)于【人工智能】主題的書(shū)。2002年，其中三位作者分別為：本·戈?duì)柌郀枺˙en Goertzel）、謝恩·萊格（Shane Legg）和彼得·沃斯（Peter Voss）為該書(shū)的標(biāo)題創(chuàng)造了術(shù)語(yǔ)【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(qiáng)的計(jì)算機(jī)系統(tǒng)，具有典型的人類(lèi)一般認(rèn)知能力，具備支持抽象、類(lèi)比、規(guī)劃和問(wèn)題解決的能力。（來(lái)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(gè)具體的場(chǎng)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(yǔ)：Weak artificial intelligence，簡(jiǎn)稱(chēng)Weak AI）或稱(chēng)狹義人工智能（Narrow AI）、應(yīng)用型人工智能（Applied AI），是實(shí)現(xiàn)部分知識(shí)應(yīng)用的人工智能，且僅能專(zhuān)注于某項(xiàng)特定任務(wù)。用約翰·瑟爾的話來(lái)說(shuō)，它“對(duì)于測(cè)試關(guān)于思想的假設(shè)很有用，但實(shí)際上并非思想本身”。弱人工智能專(zhuān)注于模仿人類(lèi)如何執(zhí)行基本動(dòng)作，例如記憶或感知事物、解決簡(jiǎn)單問(wèn)題。比如：AlphaGo是一種圍棋軟件，只能專(zhuān)注于下圍棋。

在1990年代和21世紀(jì)初，【狹義人工智能】在商業(yè)成果和學(xué)術(shù)地位上，已經(jīng)達(dá)到了一個(gè)新高度，依靠專(zhuān)注于解決細(xì)分的問(wèn)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(jī)器視覺(jué)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(xué)研究中，得到廣泛和深入的應(yīng)用，在學(xué)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(chǎng)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(chǎng)營(yíng)銷(xiāo)策略來(lái)推廣他的產(chǎn)品。考慮到社交媒體在當(dāng)下的重要性，他決定嘗試?yán)?strong>【NLP-自然語(yǔ)言模型】助力社交媒體營(yíng)銷(xiāo)。

李明提供了一些關(guān)于他的產(chǎn)品特點(diǎn)和目標(biāo)受眾信息，請(qǐng)求【NLP-自然語(yǔ)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。【NLP-自然語(yǔ)言模型】開(kāi)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(biāo)語(yǔ)和產(chǎn)品描述。

李明根據(jù)【NLP-自然語(yǔ)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(gè)平臺(tái)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(xiāo)售量，為企業(yè)帶來(lái)了可觀的營(yíng)銷(xiāo)效果。

這個(gè)案例講述了，通過(guò)【NLP-自然語(yǔ)言模型】的協(xié)助，李明成功地實(shí)現(xiàn)了創(chuàng)新的社交媒體營(yíng)銷(xiāo)策略，為他的產(chǎn)品帶來(lái)了廣泛的關(guān)注和認(rèn)可。這個(gè)例子突出了【NLP-自然語(yǔ)言模型】在企業(yè)營(yíng)銷(xiāo)中的應(yīng)用潛力，為企業(yè)提供了創(chuàng)造性的市場(chǎng)推廣方案，幫助他們實(shí)現(xiàn)品牌宣傳和市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)。

但是這也會(huì)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(yǔ)言模型】可能就有些力不從心了，因?yàn)檎椎纳虡I(yè)推廣文件形式，涉及到視頻、圖片等。如果生成推廣海報(bào)，可能需要【CV-視覺(jué)模型】和其他領(lǐng)域人工智能的介入。

通過(guò)這個(gè)案例，我們可以把這種【NLP-自然語(yǔ)言模型】、【CV-視覺(jué)模型】等，歸類(lèi)為【狹義人工智能】。這些【狹義人工智能】都有一個(gè)共性，其只是在某一領(lǐng)域給需求方提供一定的指導(dǎo)，其智能程度無(wú)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(chǎng)的還是李明、而不是【NLP-自然語(yǔ)言模型】。

我們?cè)囅?，如果上述案例讓?strong>AGI】執(zhí)行，將會(huì)是怎樣呢？

【AGI】得知李明需要推廣產(chǎn)品后，開(kāi)始查閱所有的方案推廣可能性，根據(jù)現(xiàn)在市場(chǎng)行情，從中選擇一個(gè)最優(yōu)解；然后，【AGI】開(kāi)始撰寫(xiě)符合商業(yè)場(chǎng)景的文案，并自動(dòng)合成相關(guān)的宣傳視頻、生成推廣海報(bào)；在這些物料準(zhǔn)備完成后，

【AGI】開(kāi)始分析廣告投放策略，并通過(guò)不同渠道做精準(zhǔn)的廣告投放，把邊際成本降到最低；在廣告投放完成后，【AGI】會(huì)對(duì)市場(chǎng)反饋的數(shù)據(jù)再進(jìn)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(dāng)達(dá)到你的目標(biāo)時(shí)，【AGI】給予你反饋。

而在【AGI】執(zhí)行此任務(wù)的過(guò)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(shí)候，它會(huì)更加智能、更加高效。

2.3 現(xiàn)代通用人工智能（AGI）的使用場(chǎng)景

【AGI】的使用遠(yuǎn)不止上述案例，為什么說(shuō)【AGI】只存在于小說(shuō)里、科幻電影中呢？因?yàn)?strong>【AGI】具象化以后，就是一個(gè)無(wú)所不能的、集各領(lǐng)域行業(yè)專(zhuān)家知識(shí)于一身的智能體。下面再舉一個(gè)案例請(qǐng)大家感受一下【AGI】的智能程度。

想象一下，現(xiàn)在有一個(gè)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(wàn)病患者的生命，但以現(xiàn)有的研發(fā)資源來(lái)看，這還是一個(gè)無(wú)法解決的問(wèn)題，具體體現(xiàn)在：缺乏富有經(jīng)驗(yàn)的醫(yī)學(xué)人才，缺少對(duì)以往醫(yī)療案例有效數(shù)據(jù)進(jìn)行深入挖掘。

【AGI】可以通過(guò)全面整合已有的醫(yī)學(xué)文獻(xiàn)、臨床案例和研究報(bào)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(xué)數(shù)據(jù)，尋找可能的突破點(diǎn)和治療方向。同時(shí)，【AGI】可以利用計(jì)算機(jī)模擬技術(shù)，對(duì)潛在的治療方法和新藥進(jìn)行大規(guī)模虛擬實(shí)驗(yàn)，加速研發(fā)過(guò)程。通過(guò)分子模擬、蛋白質(zhì)配體對(duì)接等技術(shù)，篩選出可能的有效藥物及其作用機(jī)制。

在臨床實(shí)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(shí)，在醫(yī)生實(shí)際決策的數(shù)據(jù)中，【AGI】又會(huì)進(jìn)行深度學(xué)習(xí)。

在很短的時(shí)間之內(nèi)，【AGI】會(huì)變成一個(gè)行業(yè)的解決方案專(zhuān)家，當(dāng)然了，不同的醫(yī)院有不同的高級(jí)智能體，這些智能體之間會(huì)相互共享、分析數(shù)據(jù)，將各類(lèi)深度學(xué)習(xí)的人工智能知識(shí)匯聚，做自我升級(jí)。

不久，【AGI】就會(huì)超越人類(lèi)，率先研發(fā)出對(duì)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(guó)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(huì)引發(fā)一系列的社會(huì)問(wèn)題，在對(duì)人工智能發(fā)展的監(jiān)管力度應(yīng)該加強(qiáng)。

2.4 狹義人工智能和AGI的不同

我們?cè)诶斫釧I與AGI的過(guò)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(rèn)知任務(wù)中表現(xiàn)得與人類(lèi)一樣好甚至更好，與專(zhuān)為特定任務(wù)而設(shè)計(jì)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(biāo)。2020 年的一項(xiàng)調(diào)查發(fā)現(xiàn)，有 72 個(gè)活躍的 AGI研發(fā)項(xiàng)目遍布 37 個(gè)國(guó)家。

下面【狹義人工智能】與【AGI】 主要特點(diǎn)的對(duì)比：

理論上，【AGI】 能夠執(zhí)行人類(lèi)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(wú)需人工干預(yù)的特點(diǎn)；在解決大多數(shù)領(lǐng)域的問(wèn)題時(shí)，它的表現(xiàn)應(yīng)該與人類(lèi)一樣好，甚至更好。

相比之下，【狹義人工智能】擅長(zhǎng)完成特定任務(wù)或特定類(lèi)型的問(wèn)題。許多現(xiàn)有的人工智能系統(tǒng)結(jié)合使用機(jī)器學(xué)習(xí) ( ML )、深度學(xué)習(xí)（機(jī)器學(xué)習(xí)的子集）、強(qiáng)化學(xué)習(xí)和自然語(yǔ)言處理 ( NLP ) 來(lái)進(jìn)行自我改進(jìn)，并解決特定類(lèi)型的問(wèn)題。然而，這些技術(shù)并沒(méi)有達(dá)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(jī)器人。
• 語(yǔ)音助手，例如蘋(píng)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(dòng)的業(yè)務(wù)分析和商業(yè)智能 ( BI ) 工具可進(jìn)行數(shù)據(jù)分析、評(píng)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(shí)別應(yīng)用程序以及它們使用的深度學(xué)習(xí)模型。

2.5 AGI的價(jià)值

1. 執(zhí)行認(rèn)知任務(wù)的成本大大低于人類(lèi)。
2. 【AGI】在彼此之間更擅長(zhǎng)溝通和分享知識(shí) – 沒(méi)有自我設(shè)限阻礙。
3. 無(wú)休止運(yùn)轉(zhuǎn)，7*24小時(shí)無(wú)休止工作，需求處理速度更快，解決問(wèn)題注意力更集中。
4. 不會(huì)受到人類(lèi)感知的各種“干擾”，例如家庭、假期、愛(ài)好等。
5. 更強(qiáng)的邏輯思維能力，以及進(jìn)行復(fù)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(zhēng)論

通用人工智能【AGI】引發(fā)起一連串哲學(xué)的爭(zhēng)論，例如：如果一臺(tái)機(jī)器能完全理解語(yǔ)言，并回答問(wèn)題，其是不是有思維。哲學(xué)家希爾勒認(rèn)為不可能。

關(guān)于【AGI】的爭(zhēng)論，不同于更廣義的一元論和二元論的爭(zhēng)論。其爭(zhēng)論要點(diǎn)是：如果一臺(tái)機(jī)器的唯一工作原理就是轉(zhuǎn)換編碼數(shù)據(jù)，那么這臺(tái)機(jī)器是不是有思維的？希爾勒認(rèn)為這是不可能的。他舉了著名的中文房間的例子來(lái)說(shuō)明，如果機(jī)器僅僅是轉(zhuǎn)換數(shù)據(jù)，而數(shù)據(jù)本身是對(duì)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(shí)際事情之間的對(duì)應(yīng)關(guān)系的前提下，機(jī)器不可能對(duì)其處理的數(shù)據(jù)有任何理解?；谶@一論點(diǎn)，希爾勒認(rèn)為即使有機(jī)器通過(guò)了圖靈測(cè)試，也不一定說(shuō)明機(jī)器就真的像人一樣有思維和意識(shí)。

也有哲學(xué)家持不同的觀點(diǎn)。丹尼爾·丹尼特（Daniel C. Dennett）在其著作《意識(shí)的闡釋》（Consciousness Explained）里認(rèn)為，人也不過(guò)是一臺(tái)有靈魂的機(jī)器而已，為什么我們認(rèn)為：“人可以有智能，而普通機(jī)器就不能”呢？他認(rèn)為像上述的數(shù)據(jù)轉(zhuǎn)換機(jī)器是有可能有思維和意識(shí)的。

3 AGI的發(fā)展與未來(lái)

3.1 人工智能的三次浪潮

幾年前，美國(guó)國(guó)防部高級(jí)研究計(jì)劃局(DARPA)提出了一個(gè)簡(jiǎn)單分類(lèi)法，其按時(shí)間順序和應(yīng)用特征，劃分人工智能，分解如下:

1. 第一波浪潮——基于規(guī)則的方法：也被稱(chēng)為“GOFAI”（Good Old-Fashioned AI），在大約2010年之前主導(dǎo)了該領(lǐng)域，其特點(diǎn)是：數(shù)據(jù)和算法主要由開(kāi)發(fā)人員手工制作。這包括專(zhuān)業(yè)系統(tǒng)、復(fù)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(guó)際象棋冠軍Deep Blue以及Jeopardy智力問(wèn)答游戲冠軍Watson。
2. 第二波浪潮——神經(jīng)網(wǎng)絡(luò)：在2012年左右如海嘯般來(lái)襲，當(dāng)時(shí)研究人員發(fā)現(xiàn)如何利用海量數(shù)據(jù)和計(jì)算能力（包括GPU/TPU）構(gòu)建神經(jīng)網(wǎng)絡(luò)。這推動(dòng)了翻譯、圖像和語(yǔ)音識(shí)別的突破，最終通過(guò)GPT實(shí)現(xiàn)了強(qiáng)大的視覺(jué)、語(yǔ)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(yǔ)言模型）中，如ChatGPT。這一波浪潮以統(tǒng)計(jì)學(xué)和強(qiáng)化學(xué)習(xí)為特征；其中許多都是無(wú)監(jiān)督或自監(jiān)督的。
3. 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(diǎn)完全符合AGI的要求：自主、實(shí)時(shí)學(xué)習(xí)；適應(yīng)、高級(jí)推理。它還期望概念更加貼近現(xiàn)實(shí)（而非語(yǔ)言統(tǒng)計(jì)）、穩(wěn)定的少樣本學(xué)習(xí)和可解釋性。人工智能專(zhuān)家希望這些系統(tǒng)，能夠優(yōu)雅地將次符號(hào)模式匹配，與高級(jí)符號(hào)模式和語(yǔ)言推理相結(jié)合。滿足所有這些要求的一個(gè)明顯候選方案就是【認(rèn)知架構(gòu)】方法。

3.2 第三次浪潮——【認(rèn)知人工智能（cognitive AI）】

能夠推動(dòng)【通用人工智能】落地的知識(shí)架構(gòu)是【認(rèn)知架構(gòu)】，其具體表現(xiàn)形式是【認(rèn)知人工智能】。

【認(rèn)知人工智能】（Cognitive AI）是具備人類(lèi)式認(rèn)知能力的智能體，認(rèn)知人工智能闡述了一個(gè)系統(tǒng)，其能夠：理解語(yǔ)言、運(yùn)用常識(shí)知識(shí)、推理和適應(yīng)未知情況；具備這些特征的集合體，更像一個(gè)具備高級(jí)知識(shí)的人類(lèi)，是一個(gè)能夠幫助我們解決問(wèn)題的【AGI】助手，它需要深刻理解生活和科學(xué)、與我們進(jìn)行有效的溝通、使用我們?nèi)粘５墓ぞ吆拖到y(tǒng)，同時(shí)具備學(xué)習(xí)和創(chuàng)新能力。實(shí)現(xiàn)這個(gè)目的，需要構(gòu)建一種特定的【AGI】方法，專(zhuān)注于實(shí)時(shí)、終身的概念學(xué)習(xí)和推理。

如果AGI一旦落地，將會(huì)在很多領(lǐng)域遠(yuǎn)超人類(lèi)，但在他們實(shí)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(shí)我們會(huì)規(guī)定有限的時(shí)間和資源來(lái)完成任務(wù)。另一方面，它們不需要人類(lèi)級(jí)別的感知敏銳度或靈巧性?？梢詫⑵浞Q(chēng)為海倫或霍金模型的【AGI】（Helen Keller / Stephen Hawking）——具有人類(lèi)級(jí)認(rèn)知能力但沒(méi)有整體人類(lèi)水平的身體能力。然而，它們也需要某種方式來(lái)捕捉、與我們的實(shí)際世界互動(dòng)。 例如：可以通過(guò)個(gè)人電腦屏幕、鍵盤(pán)和鼠標(biāo)進(jìn)行訪問(wèn)來(lái)實(shí)現(xiàn)這一點(diǎn)。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(rèn)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(rèn)知人工智能】的核心-認(rèn)知架構(gòu)

認(rèn)知架構(gòu)基礎(chǔ)理念是創(chuàng)建、涵蓋并體現(xiàn)出：人類(lèi)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(shí)、技能相結(jié)合，以在多樣、動(dòng)態(tài)的環(huán)境中產(chǎn)生智能體。

雖然有多個(gè)認(rèn)知架構(gòu)項(xiàng)目已經(jīng)持續(xù)活躍了幾十年，但迄今為止，沒(méi)有一個(gè)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(fù)雜的，但一個(gè)共同的特點(diǎn)是：它們正在以模塊化和低效的方式運(yùn)行，并且缺乏深入的學(xué)習(xí)反饋和認(rèn)知理論。

4 為什么我們還沒(méi)有實(shí)現(xiàn)AGI

簡(jiǎn)單來(lái)說(shuō)，也許是因?yàn)槟壳斑€沒(méi)有一個(gè)采用正確方法、理論，并擁有足夠資金支持的項(xiàng)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(fù)雜的語(yǔ)言生成或“推理”變得可行。

4.1 沒(méi)有實(shí)現(xiàn)AGI的原因：

1. 盡管成千上萬(wàn)的【AI】研究人員在【人工智能】領(lǐng)域工作，無(wú)論是通過(guò)自我承認(rèn)還是客觀分析，只有極少數(shù)人，直接致力于研究實(shí)現(xiàn)【AGI】的方法。
2. 一個(gè)客觀的標(biāo)準(zhǔn)是，在實(shí)現(xiàn)【AGI】的過(guò)程中，所做的【AI】工作，是否有明確定義的步驟或整體詳細(xì)計(jì)劃。很少有【AI】工作符合這一標(biāo)準(zhǔn)。具體來(lái)說(shuō)，生成式【AI】研究不符合【AGI】的實(shí)現(xiàn)路徑。
3. 目前，致力于開(kāi)發(fā)【AGI】的項(xiàng)目，很少有明確符合【AGI】所需的自主適應(yīng)智能要求的理論。
4. 由于在過(guò)去的十年里，統(tǒng)計(jì)（與認(rèn)知AI）取得了巨大成功，目前該領(lǐng)域的幾乎所有領(lǐng)先專(zhuān)家和從業(yè)者都來(lái)自統(tǒng)計(jì)學(xué)、數(shù)學(xué)或形式邏輯的研究。隨著研究的深入，現(xiàn)有的行業(yè)【AI】專(zhuān)家，幾乎不可能從“0”再次從認(rèn)知角度看待【AGI】的要求。
5. 在市場(chǎng)經(jīng)濟(jì)體中，個(gè)人、團(tuán)隊(duì)和公司的動(dòng)機(jī)和激勵(lì)很少有助于朝著【AGI】進(jìn)展。對(duì)于學(xué)者來(lái)說(shuō)，發(fā)表論文是最重要的，而非開(kāi)發(fā)實(shí)際的AI系統(tǒng)。對(duì)于公司來(lái)說(shuō)，是制作令人印象深刻的演示，或者在某些游戲或活動(dòng)中擊敗人類(lèi)以獲得額外資金。對(duì)于大多數(shù)人來(lái)說(shuō)，是突破現(xiàn)有的能力，而非從源頭上改變它們。
6. 使用現(xiàn)有的基準(zhǔn)來(lái)評(píng)估【AGI】存在很大問(wèn)題：首先，將焦點(diǎn)放在對(duì)特定基準(zhǔn)的逐步改進(jìn)上，會(huì)分散開(kāi)發(fā)其他更基礎(chǔ)解決【AGI】問(wèn)題的工作。相對(duì)于解決困難的未知問(wèn)題，更容易著手處理已經(jīng)掌握如何取得進(jìn)展的事物。其次，當(dāng)前的基準(zhǔn)極不適合衡量原型【AGI】的進(jìn)展。早期【AGI】系統(tǒng)的定義，在現(xiàn)有的狹窄基準(zhǔn)上表現(xiàn)很差，同時(shí)也不擅長(zhǎng)高水平的智商測(cè)試，和其他專(zhuān)業(yè)測(cè)試。
7. 即使一切都順利朝著【AGI】預(yù)定義的目標(biāo)發(fā)展——擁有良好的理論基礎(chǔ)和發(fā)展計(jì)劃，出色的開(kāi)發(fā)團(tuán)隊(duì)和雄厚資金，以及正確的目標(biāo)基準(zhǔn)、開(kāi)發(fā)標(biāo)準(zhǔn)，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(shí)間內(nèi)取得最大進(jìn)展。但對(duì)于【AGI】來(lái)說(shuō)，這往往意味著我們最終利用外部人類(lèi)智慧來(lái)實(shí)現(xiàn)特定結(jié)果，或在給定基準(zhǔn)上取得進(jìn)展，而不是以一種將智慧（適應(yīng)性、自治的問(wèn)題解決能力）融入系統(tǒng)的方式來(lái)實(shí)現(xiàn)。隨著開(kāi)發(fā)深入，最終導(dǎo)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(jìn)行人工智能研究的專(zhuān)家，對(duì)通用人工智能的實(shí)現(xiàn)，持懷疑態(tài)度。有些人質(zhì)疑【AGI】的落地是否值得。

英國(guó)理論物理學(xué)家、宇宙學(xué)家和作家斯蒂芬·霍金在2014 年接受英國(guó)廣播公司采訪時(shí)警告了【AGI】的危險(xiǎn)。“人工智能的全面發(fā)展可能意味著人類(lèi)的終結(jié)”，他說(shuō)。“它會(huì)自己成長(zhǎng)，并以越來(lái)越快的速度重新設(shè)計(jì)自己。當(dāng)人類(lèi)受到緩慢的生物進(jìn)化的限制，無(wú)法與AIG進(jìn)行競(jìng)爭(zhēng)時(shí)，就會(huì)被取代?！?/strong>