什么是 通用人工智能？
通用人工智能是一种理论上的人工智能形式，具备在广泛任务领域中理解、学习和应用知识的能力，其认知水平可达到或超越人类，与专为特定任务设计的狭义人工智能系统不同。
工作原理
通用人工智能代表着人工智能研究的下一个前沿领域，旨在创造能够执行人类所能完成的任何智力任务的机器。与当前擅长特定任务（如图像识别或语言翻译）的人工智能系统（狭义 AI）不同，AGI 将展现出灵活的推理能力、跨领域的迁移学习能力以及自主设定目标的能力。AGI 的开发仍然是计算机科学中最具挑战性和争议性的话题之一，对其实现时间的预测从数十年到永远无法实现不等。主要挑战包括复制类人的常识推理、情感智能以及从少量样本中学习的能力。
主要特点
- 跨任何智力领域的通用学习能力
- 在不相关任务之间迁移知识和技能
- 无需特定任务编程即可自主推理和解决问题
- 达到或超越人类水平的认知灵活性和适应性
- 自我改进和递归学习能力
- 理解上下文、细微差别和抽象概念
常见用途
- 自主科学研究和假设生成
- 商业和治理领域的复杂多领域决策
- 适应个人学习风格的个性化教育系统
- 整合多个医学专科的高级医疗诊断
- 包括艺术、音乐和文学创作在内的创意活动
示例
Loading code...常见问题
AGI 与狭义人工智能有什么区别？
狭义人工智能（也称弱人工智能）专为执行特定任务而设计，如图像识别、语言翻译或下棋。相比之下，AGI 将具备类人的通用智能，能够学习任何智力任务，在不同领域之间迁移知识，并在各种情境下灵活推理，无需针对特定任务进行编程。
AGI 什么时候能实现？
关于 AGI 何时能够实现，目前没有共识。预测时间从未来十年内到永远无法实现不等。一些研究人员认为当前的大语言模型代表了通向 AGI 的早期步骤，而另一些人则认为需要根本性的新方法。实现时间在很大程度上取决于常识推理、迁移学习和意识理解等领域的突破。
开发 AGI 的主要挑战是什么？
主要挑战包括：复制类人的常识推理能力、实现真正的理解而非简单的模式匹配、实现跨越截然不同领域的迁移学习、发展情感智能、创建能从极少样本中学习的系统，以及解决对齐问题以确保 AGI 系统保持有益且可控。
AGI 危险吗？
AGI 存在研究人员认真对待的潜在风险。主要担忧包括对齐问题（确保 AGI 目标与人类价值观一致）、大规模自动化带来的经济冲击、权力集中，以及如果超级智能系统追求与人类福祉不一致的目标可能带来的生存风险。然而，AGI 在解决复杂全球挑战方面也具有巨大的潜在益处。
AGI 与超级智能有什么不同？
AGI 指的是在所有领域都能匹敌人类认知能力的人工智能。超级智能（ASI）则更进一步，指在几乎所有领域（包括科学创造力、社交技能和综合智慧）都显著超越人类智能的 AI。AGI 被认为是通向超级智能的潜在垫脚石。