为什么必须关注通用人工智能,什么是通用人工智能

引言

最近一年来，以OpenAI为代表的人工智能公司给世界带来了目不暇接和令人赞叹的技术进步：从文本生成模型ChatGPT到GPT，再到最近效果惊艳的视频生成模型Sora。相信很多朋友已经和我一样，在手机和电脑上安装了不止一个大模型软件，很多企业也已经开始探索和尝试人工智能新技术的应用，甚至对商业模型的变革。在这人工智能的浪潮中，我们绝不能忽略的一个关键词就是：通用人工智能(Artificial General Intelligence，AGI)。

AGI的定义

通用人工智能(Artificial General Intelligence, AGI)，也称强人工智能(Strong Artificial Intelligence)，是和特定任务人工智能(Artificial Narrow Intelligence)，也称弱人工智能相对而言的。

AGI的能力层级

对事物进行能力分级是常用的研究和管理方法，Google DeepMind在2023年的论文“Levels of AGI: Operationalizing Progress on the Path to AGI”将AGI根据能力划分为六个等级。Level 0是没有智能的软件，即完全依靠软件工程师编程实现，而不是通过机器学习的方式，我们现在使用的绝大部分软件都属于这一类，当然这类软件中已经越来越多的包括了人工智能的模块和功能。

为什么需要AGI

从上面的能力层级的表格中我们可以看到一个有趣的现象，那就是特定领域的人工智能水平已经达到Level 5，即超过100%的人类水平，远高于AGI的Level 1。这也说明AGI主要是根据通用性这一维度进行划分的，并不代表在特定任务上的能力高低。即然这样我们为什么还需要AGI？

特定领域的人工智能虽然在近二十年来取得了突破性的发展，但是存在着一个致命的弱点：我们要为每一个不同任务训练一个特定模型，这个训练过程和训练成本一般说来很高，训练所需要的高质量的数据往往也不容易获得，如果高于能带来的收益，就会阻碍很多特定任务，特别是很多长尾的小众任务的实现。

而且能够找到一个足够大的特定领域，例如能够支撑一个上市公司，都是非常困难的。我们看到人脸识别领域虽然诞生了“人工智能四小龙”，但他们仍然步履蹒跚，背后的底层逻辑令人深思。其实这和传统软件领域的逻辑是类似的，软件越通用，成本越低，商业价值越大，微软笑傲江湖是也；软件定制越多，成本越高，商业价值越低，很多ERP厂商苦苦挣扎是也。

通用人工智能就是以研究用一个模型实现尽可能多不同特定任务为目标，从这个角度上，虽然两种人工智能都可以完成某种特定任务，但是他们的研究目标完全不同，其难度也比聚焦某一特定任务的人工智能大很多。其实通用人工智能正是人工智能诞生之初的目标，图灵在1950年的经典论文“Computing Machinery and Intelligence”发出的灵魂思考“Can Machines Think?”就是通用人工智能之问。经过70多年的艰难探索、技术积累和硬件发展(GPU)，我们终于从通用人工智能到特定领域人工智能，又回归通用人工智能的初心了。

AGI的巨大价值

相对于处于Level 0的传统软件来说，AGI可以解锁非常多的依靠软件工程师手工编程无法完成的大量任务，从人脸识别，文字识别到编写文章，生成图片和视频，再到自动驾驶，自然语言交互，AGI蕴藏着丰富的能力和全新的场景。

相对于特定领域的人工智能模型，AGI可以通过一个模型实现很多甚至无穷尽的新任务，而不再需要专业的人工智能算法工程师进行数据收集，模型构建和训练的繁琐过程，这意味着巨大的降本增效。更重要的是，同时完成多个任务可以激发不同领域能力的强化和复用，实现单一任务模型无法实现的准确度。

OpenAI在Sora的技术报告“Video generation models as world simulators”中提到了世界模拟器，即世界模型，当AGI可以逐步和人脑一样，形成对世界的理解，并以此做出更智能的行为，当AGI拥有丰富的知识，而不像现在的计算机系统一起都要从零开始构建，我们在其上将可以构建出更加强大的应用。

在AGI的诸多能力之中，我需要特别指出的是对自然语言的理解和运用能力的重要性，这可以使人机交互从命令式、触摸式进化到自然语言方式，即回归到每个人天生都能掌握的方式，这是历史上的第一次: 人工智能能力将从专业人员的专属第一次走向每一个人。

AGI将成为数字化进程的关键因素

在本文的最后，让我们把AGI拉回到当前大家都很关注的数字化进程。如果没有以ChatGPT为代表的大模型出现，数字化将会沿着大部分人可以预想的波澜不惊的向前演进，但是AGI的快速推进将打破这种轨道，带来全新的数字化模式！

首先，无论数字化还是信息化，其重要的物质基础都是软件，就像建筑材料之于房地产。数字化的快速发展需要更大量的软件！软件供给(软件开发能力)将是数字化发展速度的重要因素。AGI在智能编程能力的快速提升，一方面将有可能在未来三到五年内大幅度降低软件开发成本，另一方面将有可能彻底改变现有软件开发的模式和流程，让更多的普通人参与其中，这在之前是不可想象的。

其次，数字化和信息化的另一物质基础就是计算机。我们现在使用的各种形态的计算机，从大型计算机到个人笔记本电脑再到手机，从诞生以来的基本原理一直都是“存储程序原理”。计算机只能严格按照软件工程师输入的指令执行，除此之外他对这个世界没有任何理解。

以ChatGPT为代表的大模型出现之后，我们可以将其理解为一种更强大的计算机，它不仅可以接受来自使用者的自然语言指令，而不需要再是专业的机器指令，而且可以像人一样感知世界，通过推理能力智能选择更合适的行动，通过这种方式我们不再需要告知计算机每一步应该做什么，我们可以只告诉它目标和任务。

综上所述，无论是从软件供给还是计算模式，AGI都会带来和传统方式完全不同的颠覆式新路径，这也决定了我们需要关注在AGI时代的全新数字化模式。

总结

以大模型为代表的人工智能技术的快速进步让世界看到通用人工智能的火花(Sparks)，根据Google DeepMind对AGI的能力层级划分，当前已经达到Level 1。对更高水平的AGI的实现时间虽然业界分歧很大，但对AGI将对社会生活和生存方式，特别是对数字化和商业模式带来重要影响，将成为个人、企业和国家竞争力的重要标志，已经成为越来越多人的共识，因此，我们需要从现在开始密切关注AGI的发展，并开始积极探索和尝试AGI。

  转自朱利明，版权属于原作者，仅用于学术分享

文章精选：