AGI探索：绘制通往人工通用智能的路径图
在科技领域，追求人工通用智能 (AGI)——一种可以媲美人类智能的 AI 形式——已成为一个核心目标。大量的投资和无数的研究时间都投入到这项事业中。最终目标是创造不仅可以执行特定任务，还可以像人类一样理解、学习并在广泛领域应用知识的机器。
但是，实现 AGI 最有可能的途径是什么？哪些策略最有希望？这是激发 AI 专家之间持续辩论的问题。事实证明，答案远非简单，不同的派别都在各种潜在途径上押下重注。
理解AGI和ASI
在深入研究潜在路径之前，至关重要的是要定义 AGI 究竟意味着什么，并将其与另一个更雄心勃勃的概念区分开来：人工超智能 (ASI)。
- 人工通用智能 (AGI): 这是指具有与人类智力相当的 AI。AGI 系统可以理解、学习、适应并在广泛的任务范围内实施知识，表现出超越当前 AI 的认知灵活性水平。
- 人工超智能 (ASI): 更进一步，ASI 代表在几乎所有方面都超越人类智力的 AI。这样的实体将能够在任何给定的情况下胜过人类，从而可能导致目前我们无法理解的突破和创新。
虽然 AGI 和 ASI 都是具有里程碑意义的目标，但 AGI 通常被认为是近期到中期更可实现的目标。ASI 在很大程度上仍然是理论上的，其可行性和潜在影响存在很大的不确定性。
难以捉摸的时间表：AGI 何时到来？
AI 社区中最具争议的问题之一是实现 AGI 的时间表。估计差异很大，从短短几年到几十年甚至几个世纪不等。
一些 AI 领军人物大胆预测，AGI 指日可待，可能在未来 3 到 5 年内（到 2028 年到 2030 年）。然而，这种乐观的预测常常受到质疑，因为它们可能依赖于对 AGI 的淡化定义，而没有完全捕捉到该概念的真正范围和复杂性。
根据最近对 AI 专家的调查，一个更为适度的估计表明，AGI 可能会在 2040 年左右实现。虽然这个日期仍然是推测性的，但它为探索可能引导我们达到这个变革性里程碑的潜在途径提供了一个有用的框架。
通往AGI的七条路径：未来的路线图
鉴于通往 AGI 的道路存在不确定性，考虑一系列潜在情景会有所帮助。以下是可能引导我们从当代 AI 进入令人向往的 AGI 领域的七个主要途径：
1. 线性路径：渐进式进步和稳步扩展
这条路径假定 AGI 将通过逐步改进的过程来实现。通过不断扩大现有 AI 技术、改进算法并迭代提高性能，我们可以稳步接近人类水平的智能目标。
线性路径强调在当前 AI 方法中保持一致的努力和持续投资的重要性。它假定当今 AI 系统背后的基本原理是合理的，并且沿着这条轨迹的持续进步最终将导致 AGI。
2. S曲线路径：平台期、突破和复苏
这条路径承认 AI 开发可能并不总是以平稳、线性的方式进行。相反，它表明进步可能以快速发展期，然后是平台期甚至挫折为特征。
S 曲线路径借鉴了 AI 的历史趋势，例如过去的“AI 冬季”，由于未达到预期，对 AI 研究的资助和兴趣减弱。它表明，在停滞期之后，算法、架构或硬件方面的突破可能会引发 AI 开发的复苏，从而推动我们更接近 AGI。
3. 冰球杆路径：一个重要的拐点
这条路径设想了一种关键拐点显着改变 AI 开发过程的情景。这个拐点可能来自重大的理论突破、新算法的发现或现有 AI 系统中意外能力的出现。
冰球杆路径强调颠覆性创新重塑 AI 格局的潜力。它表明，一个单一的、变革性的事件可以开启新的可能性，并以难以根据当前趋势预测的方式加速通往 AGI 的进程。
4. 漫游路径：不稳定的波动和外部干扰
这条路径承认 AI 开发固有的不确定性和复杂性。它表明，进步可能以不稳定的波动、过度炒作-幻灭周期以及技术中断、政治事件或社会转变等外部因素的影响为特征。
漫游路径强调在面对不可预见的挑战时适应性和韧性的重要性。它表明通往 AGI 的道路可能远非一帆风顺，我们应该为沿途的意外弯路和挫折做好准备。
5. 登月路径：AGI 的突然飞跃
这条路径代表了最乐观，也许也是最不可能的情景。它设想了 AI 开发中一个激进且出乎意料的不连续性，例如著名的“智能爆炸”或类似的技术大融合，自发地、几乎立即地导致 AGI。
登月路径依赖于一项突破的可能性，该突破将彻底改变我们对智能的理解，并使我们能够以空前的速度和效率创建 AGI 系统。虽然具有高度的推测性，但这条路径激发了人们的想象力，并激励研究人员追求大胆而非常规的想法。
6. 永无止境的道路：永久的混乱和持久的希望
这条路径反映了一种更为怀疑的观点，表明 AGI 对于人类来说可能是一个无法实现的目标。尽管我们尽了最大的努力，我们可能永远无法创造出真正复制人类水平智能的机器。
永无止境的道路强调了即使在面对不确定性时，也要坚持不懈和不断探索的重要性。它表明，即使最终没有成功，追求 AGI 也可以在科学技术其他领域带来宝贵的见解和进步。
7. 死胡同：AGI 仍然遥不可及
这条路径代表了最悲观的情景，表明我们可能会达到一个进一步朝着 AGI 迈进变得不可能的地步。这个死胡同可能是暂时的或永久的，这意味着无论我们付出多大的努力，AGI 都可能永远无法实现。
死胡同是对我们目前对智能的理解的固有局限性的警示性提醒。它表明，如果我们希望克服阻碍 AGI 的挑战，我们可能需要从根本上重新思考我们的 AI 开发方法。
下注：哪条路径最有可能？
选择相信哪条路径对于我们如何分配资源、优先考虑研究工作以及塑造我们对 AI 未来的期望具有重要意义。
如果我们相信线性路径，我们可能会专注于对现有 AI 技术进行渐进式改进，扩大当前系统并优化性能。如果我们相信登月路径，我们可能会优先资助高风险、高回报的研究项目，这些项目探索非常规的想法并突破当前可能的界限。
在 AI 研究人员中，普遍认为 S 曲线路径是最有可能的。这种观点与技术发展的历史趋势相符，快速发展期之后通常是平台期和随后的突破。S 曲线路径表明，创造力和新颖性将是克服当前局限性并释放 AI 新可能性的关键。
相反，登月路径通常被认为是最不可能的，因为它依赖于可能无法实现的奇迹疗法。然而，即使突然飞跃到 AGI 的可能性很小，追求激进和变革性的想法对于推动创新和突破可能性的界限至关重要。
探索和创新的重要性
无论哪条路径最终导致 AGI，在 AI 社区内培养一种探索、实验和创新的文化至关重要。我们必须鼓励研究人员挑战传统观念、追求非常规的想法并突破当前可能的界限。
即使某些路径最终被证明是死胡同，在此过程中获得的知识对于塑造 AI 的未来也将是宝贵的。通过拥抱多样化的方法和观点，我们可以增加我们破解智能秘密并创建造福人类的 AI 系统的机会。
虽然追求 AGI 仍然是一个艰巨的挑战，但潜在的回报是巨大的。通过绘制潜在路径并培养创新精神，我们可以增加实现这一变革性目标并迎来智能新纪元的可能性。