AGI——人與機器的終極共生時代_風聞

自從人類發明了電腦，我們就一直在設想和探索如何賦予機器人工智能（AI）。如今，我們處於一個窄AI已經深入到生活的各個方面，而通用人工智能（AGI）仍在探索和發展的階段。窄AI，例如推薦系統、語音識別等，已經相當成熟。然而，AGI，其理論上具備人類水平的智能和全面的適應能力，還在研究的早期階段。

2023年4月28日，中共中央政治局會議提出，要重視通用人工智能發展，營造創新生態，重視防範風險。通用人工智能（AGI）終極目標是到達人類的智能水平，具備理解、學習、推理和創新的能力，以應對各種任務和問題。人腦作為AGI的唯一樣本，是AGI發展的重要參照和啓示的源泉。近年來，基於人腦結構和功能的深入探究，為AGI的高效、精確和全面發展提供了豐富的洞察和支持，如借鑑人腦神經元和突觸工作原理來構建人工神經網絡；從人腦長期和短期記憶存儲機制獲得靈感，開發記憶功能的神經網絡模型等。

何為AGI？

AGI是Artificial General Intelligence的縮寫，中文是“通用人工智能”，是指一種能夠像人類一樣思考、學習和執行多種任務的人工智能系統**。**相比窄AI，AGI的關鍵特徵包括理解、學習、適應性和自主決策。這意味着AGI需要能夠理解和學習新的概念、解決問題和做出決策，而無需特定的預編程。

目前大多數人工智能系統是針對特定任務或領域進行優化的，例如語音識別、圖像識別、自然語言處理、推薦系統等，這是將問題得到簡化的很棒的一種解決問題的方法。這些系統在其特定領域中可能表現得很出色，但它們缺乏通用性和靈活性，不能適應各種不同的任務和環境。與這些人工智能系統專注於解決特定問題或領域不同，AGI的目標是創建一個全面智能的系統，可以解決廣泛的問題並進行多種任務。這種系統能夠在不同的環境中適應和學習，並且可以從不同的來源中獲取信息，像人類一樣進行推理和決策。

“AGI"這個詞彙最早可以追溯到2003年由瑞典哲學家Nick Bostrom發表的一篇論文《Ethical Issues in Advanced Artificial Intelligence》。在該論文中，Bostrom討論了超級智能的道德問題，並在其中引入了"AGI"這一概念，描述了一種能夠像人類一樣思考、學習和執行多種任務的人工智能系統的概念。

在2023年3月1日，AI教父Geoffrey Hinton透露，谷歌新開發的一種人工智能模型讓他感到驚訝。這種模型可以解釋為什麼一個笑話很有趣。這一開創性的能力把人工智能提到了一個新的高度。希望後續可以看到更多消息。Hinton 稱讚谷歌在開發高級人工智能模型時所採取的更為謹慎的方法。在他看來，隨着人工智能領域的不斷發展和變革，事實可能會證明，這種謹慎非常寶貴。

對於通用人工智能來説，它需要有以下特質：

**·**自動推理，在新環境，新任務上具備推理和決策能力；

**·**知識表示，包括常識知識表徵；

**·**自動規劃，對長期複雜任務規劃分解能力

**·**自主學習、創新；

**·**自然語言: 能理解人類自然語言並使用自然語言進行溝通；

以及，整合以上這些手段來達到同一個目標。

AGI的發展歷程

人工智能的發展可以追溯到20世紀初，當時的研究主要集中在規則制定和邏輯推理。然而，隨着技術的發展，AI已經發展到了深度學習和強化學習的階段，這些都是朝向AGI發展的重要步驟。在此過程中，有些關鍵的里程碑和成果值得一提，例如IBM的深藍擊敗國際象棋冠軍，以及AlphaGo擊敗世界圍棋冠軍。

AGI的歷史發展可以分為三個階段：

**第一階段：AI的誕生和萌芽（1950-1980）****，**這一階段，AI的先驅們提出了一些基本的概念和方法，如圖靈測試、通用問題求解器、邏輯推理、知識表示等，試圖構建具有通用智能的機器。這一階段的代表性成果有ELIZA、SHRDLU、MYCIN等。

**第二階段：AI的分化和專業化（1980-2010），**這一階段，由於通用智能的難度超出了預期，AI的研究者們轉向了更具體和實用的領域和問題，如專家系統、機器學習、自然語言處理、計算機視覺等。這一階段的代表性成果有CYC、IBM深藍、Siri等。

**第三階段：AI的復興和整合（2010-至今），**這一階段，由於深度學習等技術的突破，AI的研究者們重新關注了通用智能的目標，嘗試將不同領域和任務的AI系統整合起來，形成更強大和靈活的智能。這一階段的代表性成果有AlphaGo、GPT-3、ChatGPT等。

AGI的應用場景

雖然AGI的完全實現尚未到來，但我們已經可以看到一些早期的應用場景和案例。自動駕駛汽車正在學習如何在各種環境和情況下安全駕駛，這需要大量的數據和綜合處理能力。在醫療領域，AI也開始被用來進行診斷和預測。同時，我們也看到了一些具有代表性的AI系統，如OpenAI的GPT4和DeepMind的AlphaGo Zero，儘管它們還未完全達到AGI的水平，但已經展示了通向AGI的可能性。

**醫療：**AGI系統可以做出更準確的診斷和治療建議，幫助醫生提高醫療水平。此外，AGI系統還可以幫助研究人員在藥物研發和臨牀試驗中更好地理解疾病和治療方法。

**教育：**相對於“AI+”階段在教育領域應用的探索，“AGI+”的落地項目涉及範圍更廣，應用上也更為成熟。目前，在K12等教育細分領域已經出現了頗具規模的獨角獸公司。從產品形態來看，人工智能與教育的結合形態主要包括兩類，一類是偏向生活的教育服務機器人，另一類是則是偏向教學的工具軟件。

金融： “智能金融”指的是人工智能技術與金融服務和產品的動態融合。即通過利用人工智能技術，創新金融產品和服務模式、改善客户體驗、提高服務效率等，其參與者不僅包括為金融機構提供人工智能技術服務的公司，也包括傳統金融機構、新興金融業態以及金融業不可或缺的監管機構，這些參與者共同組成智能金融生態系統。人工智能技術與金融的結合並不出人意料，總體來看，科技賦能金融行業發展至今共經歷了IT+金融、互聯網+金融以及今天的人工智能+金融三個階段。而我們目前所處的，就是面向未來的金融智能化階段。

**傳媒：**以ChatGPT及GPT-4為代表的AGI模型工具在傳媒業的應用來看，其對傳媒業產生了不少的正向影響。第一，解放生產力，促進傳媒從業者高質量高效率產出。傳媒業以內容生產傳播為核心，需要充足的內容生產力。第二，提高傳媒業數字內容生產質量。第三，降低媒介經營門檻，商業版圖或將重新分配。

**農業：**AGI還可以通過計算育種來開發新的作物品種，這可以加快開發更有彈性、更高產的作物的過程。AGI在農業上的另一個潛在應用是農場自動化，在農場自動化中，配備了先進的計算機視覺和機器學習能力的機器人和無人機可以執行廣泛的任務，從種植和收穫到監測作物和牲畜。

**汽車：**AGI系統可以幫助自動駕駛汽車更好地適應各種複雜的交通情況，並在緊急情況下做出正確的決策。AGI系統還可以幫助城市規劃師更好地規劃城市交通，提高交通效率。

AGI的實現

實現AGI需要在深度學習、強化學習、知識表示等多個方面取得技術突破，以便構建具有廣泛智能的模型。

**數據資源：**大量高質量的數據資源是實現AGI的基礎。研究者需要蒐集和整合各種領域的數據，以便訓練AGI系統。

**硬件支持：**AGI需要足夠強大的硬件支持。未來的計算設備需要在處理能力、內存、能源效率等方面不斷提升，以滿足AGI系統的需求。

**跨學科研究：**實現AGI需要各個學科領域的緊密合作，包括計算機科學、神經科學、認知科學、心理學等。這有助於更好地理解人類智能的本質，併為AGI的發展提供更多啓示。

**法規與倫理：**隨着AGI技術的發展，倫理和法規問題變得尤為重要。研究者和政策制定者需要共同努力，制定適當的規則和政策，以確保AGI技術的可持續和公正發展。

AGI的未來發展趨勢

從技術、社會、倫理和經濟等多個角度來看，AGI的未來充滿了可能性，同時也存在着挑戰。技術上，我們需要解決如何讓機器理解和學習的問題；社會上，我們需要考慮如何在保持進步的同時，確保AI的發展受到適當的控制和監管；從倫理角度，我們需要面對如何處理AI決策和人類決策之間的衝突；從經濟角度，我們需要評估AI的發展對就業和經濟格局的影響。面對這些挑戰，需要謹慎地評估和管理可能的風險。

AGI的發展是一個充滿挑戰和機遇的過程。它的實現將徹底改變人們生活和社會。然而，面對AGI的發展，需要在追求進步的同時，謹慎評估和管理可能的風險，以確保AI的發展能夠真正為人類帶來福祉。對於AGI的未來，我們希望看到更多的討論和思考，來共同面對未來的挑戰。

本篇內容由人機協同完成

編輯成員|GPT-4、蔣慧雯

參考文章：

喻四先生《AGI的歷史、未來趨勢以及應用、問題》

天翼智庫《人腦啓示錄：AGI能力演進與未來發展趨勢》

中國社會科學報《AGI：傳媒業未來變革的核心驅動力》

聯動北方科技《“AGI+教育”淺析（修訂版）》

智車科技《自動駕駛是複雜的AGI問題》、《AGI在農業領域的應用》