Agi解释：人工智能与人类认知

人工通用情报并没有做得很好，而是会做很多事情，如果它到来。

随着人工智能，尤其是生成的AI，经过多年的承诺，新一代的AI至少在炒作周期中开始出现。不是代理AI，不是机器人AI，或者物理AI。它是人工通用智能，或Agi。

两年前，害怕阿吉运行AMOK促使1,000名技术领导者和AI研究人员来签名要求在新的AI模型推出上暂停。这种停顿显然没有发生，Agi也没有到达。

AI公司的领导人，例如Openai首席执行官Sam Altman和Anthropic首席执行官Dario Amodei表示Agi迫在眉睫。其他AI专家更保守，估计范围从未来五到十年到几十年到永远不会。

使困惑？加入俱乐部。

那么什么是Agi？

有趣的是，阿尔特曼本人最近在这句话上酸痛，说人工通用情报不是一个超级有用的术语，因为人们用它来表示不同的事情。但是，最常见的定义为可以与人类认知能力相匹配的AI。根据其支持者，AGI将能够在等于或更大的水平上理解，学习和应用知识。

换句话说，它将能够自行思考。

Gartner将AGI定义为可以自主学习和适应预定和/或新颖目标的AI马蒂·雷斯尼克（Marty Resnick），新兴趋势和技术组的VP分析师。他说，它可以做新事物，可以创造新事物，提出新的想法，并满足或超越人类的认知能力。”

拥护者说，随着做出决定并采取行动的能力大大扩大，有时被称为“强大”是传统所谓的狭窄的一切，不是：

• 传统的AI至少需要人为干预。Agi主动。
• 传统AI具有单一用例，例如特定任务。阿吉做了很多事情。
• 传统的AI做了编程的操作；即使有机器学习它坚持了它知道的一个技巧。AGI具有与人类智能相同的认知灵活性和适应性，并且能够推理和解决问题。

数十年来，AI一直在进行中，并且近年来取得了长足的进步。但是，AI工具仍然是一次性的，缺乏自我意识和背景以及推理的能力，即人类智能的所有标志。支持者说，如果AI可以开车，AGI可以开车，修理，洗涤并进行注册。

今天的大多数人工智能都是特定于任务的。黛博拉·戈登，美国首席创新官在德勤。它可以聊天，标签图像，编写代码，但只有在接受培训的工作中。AGI的不同之处在于它可以跨任务学习，转移知识并解决陌生的问题。”

虽然一些研究人员和行业观察者使用AGI一词来表示符合或超过人类认知能力的任何AI系统，但其他人说AGI只是迈向通往道路的临时步骤人造超智慧（ASI）AI系统超过人类智能。无论如何，AGI仍然是一个途中，并且进一步是ASI。

Agi的承诺和危险

Agi信徒说，其潜在用途实际上是无限的。一个经常引用的例子是自主科学和医学研究。

传统的AI受到特定任务的培训，它需要人类的主动性和干预。支持者说，AGI可以充当一个自我指导的研究人员，能够独立地生成，测试和培养跨领域的科学知识，抽象地思考并从无关领域中汲取见解。

它可以开始分析大量现有文献，实验数据和理论模型，以确定当前理解和可以进行研究或改进的领域的差距。识别数据中的模式，异常和差距，并识别关系和相关性，它将使用绑架性推理来推断最有可能提出合理的新假设。

然后，它将自动设计和进行实验，不仅运行模拟，还可以控制设备和机器人技术进行此类实验。它将检查和解释结果，然后完善或形成新的假设并进行进一步的实验。

AGI的每一步都可以解释复杂，模棱两可的数据，识别人类或传统AI可能会错过的模式和异常。例如，它可以首先注意，然后删除或更新大语言模型中使用的错误，不准确或有偏见的数据来完善现有模型。这为自我完善的方式铺平了道路，AGI代理人可以学习如何成为更好的科学家，改善自己的方法和工具。

它还可以进行跨LAB协作，AGI代理商可以找到其他研究人员（或研究人员）从事类似项目的工作，并与他们建立联系以共享数据，避免重复并更快地开发见解。

AGI的各个方面是最有前途的独立行动，改善自身并与其他AI代理商合作，也是最令人震惊的。就在最近，Openai模型不仅拒绝关闭研究人员告诉他们，他们还是积极破坏试图关闭它们的脚本。中国的研究人员发现，来自Openai，人类，Meta，Deepseek和Alibaba的模型都显示自我保护行为包括勒索，破坏，自我复制和逃避遏制。

这些是现在使用的生成AI模型。如果今天的Genai模型像为生存而战的众生像众生一样，想象一下Agi可以对其高级功能，指挥和控制能力以及触及范围所造成的损害。

AGI所需的关键技术

高级机器学习将需要超越我们现在必须涵盖AGI所需的持续学习，元学习和无监督学习的一般性，一次性智能。这意味着AGI将要求在技术能力方面取得重大进展。

戈尔登说：``我们不会从今天的技术到达那里。如今的技术 - 顺便说一句，它将继续表现出色。但是，AGI的目标是具有跨域的能力，在这里，您可以像您奇异地理解一个天体物理学的原理一样，在这里考虑理解两种天体物理学的原理[和]诗歌。

这意味着大型语言模型（LLMS）今天在勇敢的AGI新世界中建造和调整将是毫无用处的。金指出，当LLM受过训练时，他们正在学习为其建造的孤岛，而不是像Agi那样跨平台。

AGI需要全新的算法突破，我们还不知道的新建筑。拉吉·耶瓦特卡（Raj Yavatkar）杜松网络首席技术官。

他引用了需要因果世界模型，这超出了观察，模式匹配和预测，以结合因果推理和决策。

•世界模型使AI能够对环境，捕获关系，规则和因果关系发展结构化的，动态的理解。”在最近的论文中写道。通过这样的模型，人工智能可以推理因果，模拟未来的结果，并通过现实世界的互动来完善理解。”

Juniper的S Yavatkar指出，这些模型必须是非常自行的高维数据（用于具有大量功能，变量或属性的数据集的术语。对于因果世界模型而言，这意味着数百万的维度，可能是连续的现实数据，”他说。

从AI到AGI的另一个基本变化是推断。目前，LLMS经历了两步的培训和推理过程，前者正在分析模式和相关性的巨大数据集，后者将这些信息应用于新的输入或数据。

培训需要大量的计算功率，通常依靠数据中心在PETAFLOP水平上运行数天，几周甚至几个月，并且消耗了电力。推理的每个实例都具有较低的功率需求，但是每个查询或Gemini的查询都意味着正在运行推理过程。尽管每个查询的功率可能都比训练较低，但将每天接收到的查询数量乘以乘以，并且推断也将成为大量功率。

因为AGI（从理论上）将不断学习和适应，因此推论可能会呈指数级的资源。Yavatkar说，现实世界中的数据正在消耗并不断使用，这是计算能力的不同级别和规模。”

这意味着计算方法必须更改。数字计算和GPU在当今的SI模型中为AI模型提供了动力，但是对于不断计算和处理的AGI世界来说，它们是不够的。

Yavakar说：“我们需要建筑和算法知识的新突破。”这就是研究人员现在正在从事的工作。我们需要全新的算法。在我看来，[当前的]方法不会成为AGI的方法。无论它是什么都需要大量的计算能力。

Yavaker认为，我们需要一种结合量子和模拟计算的新型计算处理。

他说，与数字计算机以二进制代码（0s和1）表示的离散位计算的数字计算机不同，他说模拟计算机使用现实生活信号（例如电流或电压）连续计算。这可能会使模拟计算更适合恒定计算和处理的AGI世界。

量子计算机，仍处于起步阶段，请介绍量子力学原理，以传统计算机可以使用的方式处理数据，从而使它们能够更快地解决复杂问题。Quantum提供了一种与常规计算完全不同的计算能力，仅几个数量级。” Yavaker说。

他认为，AGI将需要量子计算和模拟计算的独特品质 - 当今市场上都没有广泛使用。开发一种将两者结合在一起的处理类型将增加时间表以进入AGI。

通往阿吉的道路

德勤的黄金认为，AGI系统不仅仅是计算功率。我认为，必须有新的系统会扩大潜力，而不仅仅是查看自动化的自动化，进化的自动化。这就像技术，人民与生态系统之间的进化伙伴关系 - 这种共生蓝图必须值得信赖，这将必须是道德的。她说，这种蓝图实际上并不存在。

知道今天在AI中进行的投资不会直接转化为AGI，这可能会有些艰巨。但这并不意味着他们被浪费了。AI和AGI将继续与他们的单独用例共处，您对传统AI的投资将来将继续保持成果。

由于尚未发明如此多的技术，因此Golden和Yavatkar都认为Agi至少有五年（如果不露面十年）。但是两者都说它将到来，戈尔登认为它将有一个目的，而不仅仅是解决问题的解决方案。

她说：“目的是进行现实世界中的推理，现实世界中的理解，目标驱动的推理。”她说，寻找在理解现实世界的感觉的同时可以真正进步的方式。”

Garnter的Resnik有不同的看法。他认为，要实现AGI，必须首先达到某些程序化的高原，并且这些突破远远超出了我们目前的编程水平，很难说何时（如果有的话）可以实现它们。

``如果您只是用数据，代码和数字培训AGI，那么不，我不认为您对AGI进行了培训。他说，如果您通过人类的互动和人类经验训练AGI，并且从孩子到成年人的经验基本上成长，那么是的，我确实认为AGI的可能性。”

技术有可能实现智慧吗？Resnick引用了1983年的电影战争游戏，AI计算机系统了解到赢得核战争的唯一方法不是玩。``当AI获得智慧和理解时，我们就在Agi上。”他说。

但是，Gartner确实有一个目标日期，因为我们何时开始看到AGI的微光。雷斯尼克说：``大约在2035年，我们将开始看到对Agi的真正突破。” Resnick说。

在接下来的10年中，他预测，缓慢，稳定的进步，但不是一个巨大的突破。我们不会有一天会翻转开关并醒来，我们得到了Agi。他说。