AGI，即人工通用智能，是一个令人兴奋的概念。我认为围绕它的一些混淆源于“通用”这个词的使用。正如您所知，人工智能是一种通用技术，意味着它对许多不同的事情都有用。大型语言模型的崛起导致了像ChatGPT这样的单一模型可以用于许多事情，并且感觉它们可能是通用的。但通用技术与人工通用智能并不是同一回事。
让我们看看AGI的真正技术定义是什么。AGI最广泛接受的定义是能够执行人类可以执行的任何智力任务的人工智能。一些定义实际上说的是人类或哺乳动物可以执行的任何任务，但我现在就先坚持这个定义。
- 例如，如果我们拥有AGI，人工智能将能够通过大约20小时的练习学会驾驶汽车，类似于青少年所能做到的。这是深度学习先驱亚纳·康（Yana Khan）提出的一个例子。今天，自动驾驶汽车仍然没有达到这一点。当然，练习时间也不会仅仅是20小时。
- 如果我们拥有AGI，人工智能也将能够在五年的工作中完成博士论文级别的研究，甚至可能更快。如今，人工智能可以帮助实现一些头脑风暴和写作的部分，也许可以成为研究的某些元素的思考伙伴。但我们显然仍然离这还很远。
- 如果我们拥有AGI，人工智能也将能够执行计算机程序员或任何其他知识工作者的几乎所有任务，这些工作者的工作贡献是执行智力任务。
显然，我们离这还很远。我知道关于到达AGI需要多长时间有不同的看法。我认为我们还有几十年的时间，甚至更长，但我希望我们能在有生之年到达那里。有些企业对我们何时能达到这一点做出了更乐观的预测。但我发现大多数这些企业改变了AGI的定义，并降低了到达那里的门槛。
我向我的一位经济学家朋友展示了其中一家企业使用的AGI定义，他评论说：“哇，如果那是AGI的定义，我认为我们30年前就到达那里了。”确实，通过足够降低门槛，我们可以更快到达那里。但对于AGI最广泛接受的定义，我认为我们还有很长的路要走。
大型语言模型的一个令人兴奋的事情是，我们可以将它们用作推理引擎，正如我上周提到的。也许我们现在开始看到AGI的粗略轮廓可能会是什么样子。我不认为有任何基本的物理定律阻止我们创造出AGI，我认为它实际上将对人类社会非常有价值。但我们仍然需要一些重大的技术突破才能达到那里。
到达AGI的难点之一是它将人工智能与人类智能进行了对比。人工智能和生物智能沿着两条非常不同的路径发展。例如，人工智能学习的文本远远超过任何人一生中能阅读的数量。人工智能已经在某些任务上远远优于任何人类。但要求人工智能做到所有事情，即人类能做的所有智力任务，这仍然是一个非常高的标准。
但即使我们离AGI还有一段距离，人工智能非常强大，我们必须负责任地使用它。让我们在下一个视频中看看负责任的人工智能。
参考
https://www.coursera.org/learn/generative-ai-for-everyone/lecture/YHVzK/artificial-general-intelligence
