- 通用人工智能（General AI）指的是能模仿人类推理能力、跨多种任务执行的人工智能，与专为特定任务设计的狭义人工智能不同。
- 尽管通用人工智能潜力巨大，但在成为现实之前，仍有重大的技术和伦理挑战需要克服。
人工智能（AI）已成为当今科技领域的关键力量，其应用范围从医疗保健到金融等领域。但随着人工智能的持续发展，通用人工智能的概念正引发最大关注。与专为执行特定任务而设计的狭义人工智能不同，通用人工智能旨在具备人类的认知能力，能够跨多种领域进行推理、学习和适应。
那么，什么是通用人工智能？它为何被视为人工智能发展的下一个重要步骤？在本文中，我们将探讨通用人工智能如何与其他人工智能形式区分开来、其潜在益处以及开发过程中面临的挑战。
另请阅读：什么是狭义人工智能？
另请阅读：公有云与生成式人工智能提升数据安全需求
定义通用人工智能 vs. 狭义人工智能
在讨论人工智能时，理解狭义和广义人工智能之间的区别至关重要。狭义人工智能是指为执行特定任务而设计的系统，例如面部识别、语言翻译或推荐算法。这些系统在其编程任务上表现出色，但缺乏处理其特定用途之外任何事务的能力。例如，虽然谷歌的人工智能在搜索算法上表现卓越，但如果没有进一步编程，它无法执行诸如驾驶汽车或诊断疾病等任务。
相比之下，通用人工智能（或 AGI——通用人工智能）指的是有潜力执行人类能完成的任何智力任务的机器。这些系统将不受限于狭隘的应用范围；理论上，它们可以执行多种任务，从经验中学习，并将知识应用于多个领域。
与狭义人工智能不同，通用人工智能将展现出多样性和适应性，学会应对新的和不可预见的挑战。
实现通用人工智能的挑战
开发通用人工智能面临着巨大的技术、伦理和哲学挑战。与专用人工智能不同，AGI 需要对世界有整体的理解。以下是研究人员面临的一些障碍：
1.计算复杂性
模拟人类水平的智能需要巨大的计算能力。当前算法在可扩展性方面面临困难，硬件限制加剧了这一问题。
2.理解意识
要实现 AGI，开发者必须努力定义并复制意识——这是哲学家和科学家争论了几个世纪的概念。
3.伦理影响
通用人工智能的出现引发了深刻的伦理问题。例如，我们如何确保 AGI 符合人类价值观，不会带来意外风险？
另外阅读：MediaTek 推出配备 GenAI 功能的 Dimensity 8400 5G 芯片组
另外阅读：Nvidia 的人工智能主导地位受到 AMD 和定制芯片的挑战
通用人工智能的现实世界应用
虽然真正的 AGI 仍停留在理论层面，但其潜在应用令人震惊。通用人工智能可能变革的行业领域包括：
1.医疗保健
通用人工智能可能通过提供个性化诊断和治疗方案、模拟复杂手术，甚至加速药物发现来彻底改变医学。
2.教育
由 AGI 驱动的导师能够适应个体学习风格，帮助学生克服各自的挑战，并改善全球教育成果。
3.太空探索
AGI 可在深空任务中发挥关键作用，在无法进行人类干预的环境中做出自主决策。
另外阅读：实现通用人工智能的路径
推动通用人工智能发展的相关技术
1.神经网络
深度学习模型，特别是神经网络，对于 AGI 的发展至关重要。这些网络模仿人脑结构，使机器能够处理和分析复杂信息。
2.自然语言处理(NLP)
NLP 的进步使我们更接近 AGI，使机器能够更自然地理解和生成人类语言。
3.强化学习
这种技术让机器通过与环境的互动来学习，使其成为 AGI 研究的基石。
人工智能是新时代的电力。正如 100 年前电力变革了各行各业，现在人工智能也将变革每一个行业。
Andrew Ng，Google Brain 和 Coursera 的联合创始人
争议：通用人工智能的风险与回报
1.潜在风险
批评者认为，如果 AGI 超出人类控制，可能导致生存风险。诸如失控的 AI 系统或因自动化导致的大规模失业等情景，加剧了公众的担忧。
2.前所未有的益处
另一方面，AGI 可能带来前所未有的技术进步。从解决气候变化到根除疾病，可能性是无限的。
寻求平衡
利用 AGI 潜力的关键在于负责任的发展和健全的治理框架。
通用人工智能与人类智能有何不同
虽然通用人工智能旨在模仿人类智能，但它与人类认知在重要方面有所不同。人类智能高度灵活，能从各种经验中学习并适应新环境。它受情感、情境和社会动态的影响，因此高度个性化且依赖于情境。而通用人工智能则试图在机器中复制这种多才多艺，但仍依赖于算法和大量数据集来学习和适应。
挑战在于，与能够凭直觉和情境学习的人类不同，AI 系统需要大量结构化数据才能有效运行。虽然人类可以在信息不多的情况下做出有根据的猜测或创造性的跳跃，但 AI 依赖数据得出结论。这给创造通用人工智能带来了一个根本性的挑战——开发一个能够以灵活和直观的方式思考、推理和学习的系统，类似于人类大脑的工作方式。
通用人工智能的潜力与挑战
通用人工智能的潜力巨大。如果得以实现，它可能会彻底改变各行各业，从医学到教育，为人类需要数十年才能解决的复杂问题提供解决方案。例如，通用人工智能有可能加速药物发现，自动化各领域的研究，并实时做出数据驱动的决策，从而提高效率和生产力。
然而，实现通用人工智能的道路并非没有挑战。一个主要障碍是确保这种先进系统能够理解上下文、逻辑推理并创造性地应用知识——类似于人类解决问题的方式。当前的 AI 模型虽然强大，但在跨领域泛化知识方面仍存在困难。另一个重大挑战是创造具有类人智能的机器所涉及的伦理问题。关于控制、决策和责任的疑问随之而来，尤其是在此类 AI 系统在关键环境中获得自主权的情况下。
另外阅读：人工智能技术的好处
问题不在于智能机器是否能拥有情感，而在于机器是否能在没有任何情感的情况下拥有智能。
Marvin Minsky，人工智能先驱与认知科学家
通用人工智能的未来
通用人工智能代表了人工智能领域令人兴奋但又令人生畏的进化。它的发展有望重新定义人机协作，为医疗保健、教育、气候变化等领域解决复杂的全球性挑战开启新的可能性。例如，AGI 可以设计新的医疗方法，以前所未有的精度预测气候模式，甚至为人类最紧迫的问题生成新颖的解决方案。然而，如此巨大的力量伴随着重大的责任。随着 AGI 从概念走向现实，我们必须促进技术专家、政策制定者和伦理学家之间的公开对话，以确保这些系统以负责任的方式开发并与人类价值观保持一致。
优先考虑透明度、问责制和公平性等伦理因素，对于避免自主决策系统可能带来的意外后果至关重要。对负责任的 AI 研究的投资必须成为全球优先事项，确保安全机制、法规和监管结构到位，以管理任何与 AGI 相关的风险。
通过理解通用人工智能的巨大潜力和可能的陷阱，社会可以更好地为其不可避免的融入日常生活做好准备。迈向 AGI 的旅程不仅仅是关于技术进步，更是关于处理好人类与智能机器之间复杂的关系，确保 AGI 能够为人类的集体最佳利益服务，惠及子孙后代。
常见问题：什么是通用人工智能？理解人工智能的下一次进化
通用人工智能（AGI）指能够像人类一样理解、学习并执行任何智力任务的人工智能。它可以将其知识应用于各个领域。另一方面，狭义人工智能旨在处理特定任务，如面部识别、语音助手或游戏，高度专精于某一领域，但缺乏 AGI 的多样性。
尽管通用人工智能在理论研究和部分实践方面取得了显著进展，但我们距离实现 AGI 仍然很远。该领域的专家对时间表存在分歧，估计从几十年到超过一个世纪不等。开发 AGI 需要在计算能力、学习算法和伦理框架方面取得突破，使其成为一个难以实现的目标。
通用人工智能的一个主要担忧是失去对超越人类智能的机器的控制风险。潜在风险包括：
自主系统做出的决策可能对人类造成伤害。
AGI 系统与人类价值观不一致，导致意外后果。
由于传统上由人类执行的任务实现自动化，导致大规模失业。
若干先进技术推动了通用人工智能的发展：
神经网络：模仿人脑结构的深度学习模型，帮助处理大量数据。
自然语言处理（NLP）：人工智能的一个领域，使机器能够理解、生成并使用人类语言进行交互。
强化学习：一种学习技术，机器通过与环境互动，通过试错来学习和改进，随着时间推移不断提高。
这些技术在使机器能够像人类一样广泛处理任务方面发挥着至关重要的作用。
通用人工智能有可能通过自动化复杂任务来彻底改变许多行业，从而提高效率和创新。在医疗保健、教育甚至创意领域，AGI 可提供个性化解决方案，大幅提升成果。然而，广泛的自动化也可能导致工作岗位流失，社会需要通过重新培训工人和确保公平获得 AGI 的好处来适应。平衡技术进步与伦理责任将是其对社会产生积极影响的关键。