AI实验室声称“AGI”即将到来——但这是否意味着我们所理解的那样？

# AI实验室宣称“AGI”即将到来——但这真的是我们以为的含义吗？ 来源：https://www.scientificamerican.com/article/ai-labs-are-claiming-agi-is-imminent-but-does-that-mean-what-we-think-it-means/ 在电影《2001太空漫游》中，致命的人工智能HAL 9000于1992年1月12日开始运行。在早期的《终结者》系列中，天网于1997年8月29日成为“一种新型智能”。而在现实世界中，科技公司OpenAI表示，随着其新模型Astra于2026年9月3日发布，通用人工智能——AGI——可能已经到来或即将实现。 这一宣称看似重要，但我们有必要在此时追问：AGI究竟意味着什么？这个原本局限于学术论文的术语，如今已席卷硅谷，引导着数万亿美元的投资，并加剧了人们对人类被取代甚至更糟境遇的担忧。然而在此过程中，其含义已逐渐模糊。根据某些旧定义，我们数年前就已实现AGI；而按其他定义，当前AI系统仍缺乏关键能力。因此，任何划定精确界限的举动，都源于他们认为已经“够了”。 过去，每当AI取得新突破——无论是开发出能在围棋和国际象棋中击败人类的程序，还是聊天机器人的兴起——该领域总会重新界定机器与人类之间的界限，以确保两者泾渭分明。而如今，在追求AGI的道路上，前沿AI实验室却正试图打破这一区分。 --- ## 关于支持科学新闻报道 如果您欣赏这篇文章，请考虑通过订阅 (https://www.scientificamerican.com/getsciam/) 支持我们屡获殊荣的新闻报道。您的订阅将助力我们继续创作关于塑造当今世界的科学发现与思想的深度故事。 --- 在商业领袖们挪用这个术语之前，AGI曾是1990年代所谓“AI寒冬”期间一批特立独行的研究者们的旗帜。彼时正值该领域长期经历的繁荣-萧条周期的低谷。奇点基金会的Ben Goertzel回忆道：“如果你谈论构建真正的思维机器，人们会觉得你是个疯子。”作为AGI的先驱之一，他认为该领域需要再次怀揣宏大梦想。 这些先驱者完全相信机器终将超越人类——AGI将演进为ASI，即超级人工智能——因为我们没有理由认为人类是智能的顶峰。Goertzel指出：“人类水平只是一个任意设定的节点。” 然而近来，“通用性”的概念似乎与“超人类智能”融合在了一起。谷歌技术与社会副总裁Blaise Agüera y Arcas表示：“如今许多人使用‘AGI’一词时，要么指‘ASI’——即我认为的超级智能——要么指其他概念，比如它是否拥有灵魂或意识？” 但智能水平实际上是与通用性相互独立的第二个维度。袖珍计算器在特定领域超越人类却用途狭窄，而早期大型语言模型虽然表达能力有限，却具备通用性。Agüera y Arcas认为：“当我们开始拥有语言时，就已经实现了AGI。”在2023年的一篇文章 (https://www.noemamag.com/artificial-general-intelligence-is-already-here/) 中，他与斯坦福大学的Peter Norvig基于当时大型语言模型能够完成未经专门训练的任务，宣告了AGI时代的到来。 他的核心观点是：尽管LLM如同棋类引擎和其他专业系统一样，针对特定任务（即预测文本序列的下一个词）进行训练，但这一任务具有特殊性。它不仅要求掌握语法，还需获取大量世界知识 (https://www.scientificamerican.com/article/how-ai-knows-things-no-one-told-it/)。Agüera y Arcas提出语言是一种“AGI完备”任务——一旦掌握，便能催生更广泛的能力。 对人类而言情况则不同。语言是我们的独立认知功能。脑损伤患者可能丧失语言理解或表达能力，却仍能进行数学计算、下棋和作曲。但Agüera y Arcas指出LLM有所不同，其语言能力与推理能力并无清晰分界。他说：“你可以要求模型完成的任务集合变得无界。”如今的LLM还能调用其他计算模块 (https://www.scientificamerican.com/article/what-the-quest-to-build-a-a-truly-intelligent-machine-is-teaching-us/) 弥补自身短板，因此语言已成为通向更广泛能力的门户。 不过其他AI研究者认为，当今机器尚未满足AGI中的“通用性”标准。加州机器意识研究所的另一位AGI先驱Joscha Bach表示，真正的智能系统不应为最简单的查询就需要吞噬整个互联网并消耗巨量算力。“我们将拥有一个比人类更紧凑、阅读量远少于人类，但学习效率和推理能力远胜人类的系统，”他说道。 Goertzel表示自己正在使用OpenAI的Astra新模型，发现其并未展现出他个人无法完成的能力，只是速度更快。这并非不值一提；它确实提升了Goertzel的工作效率。但他指出系统仍缺乏创造性火花。当前AI模型也无法从经验中实时学习，而这正是人类智能的标志。Agüera y Arcas解释道：“它们或许能在会话过程中暂时学习，但这些学习成果不会被固化吸收。” 或许这里的教训是：我们需要少些笼统概括，多些细致分析。AI并非铁板一块 (https://www.scientificamerican.com/article/what-would-an-ai-kill-switch-do/)，我们应当认清这一点。在支持或反对AI之间我们不必二选其一。完全可以在推动开发助力科学家攻克疾病的系统的同时，严格规范那些可能发动大规模网络攻击 (https://www.scientificamerican.com/article/ai-jacob-coxon-quit-extinction-fears-security-experts-see-familiar-fight/) 的应用。或许AGI时刻永远不会到来，因为AI并非单一事物。事实上，“智能”本身就不是单一维度，而且往往不是最重要的因素。无论如何定义AGI，它都无法单独解决气候危机、世界饥饿或其他重大难题——因为阻碍进步的从来不是未知该怎么做，而是如何切实行动。 我们总要求机器具备高度精密性，或许我们也该开始对人类提出同样的要求。