混合智能
该篇文章从 AGI 的角度提供了大脑启发型人工智能的综合概述,包括当前大脑启发型 AI 的进展和其与 AGI 的广泛联系、人类智能和 AGI 的重要特征、实现 AGI 的重要技术以及 AGI 系统的演进,同时探讨了 AGI 的局限性和未来。
Mar, 2023
本文提供了一个交叉学科的观点,以发展由人与机器组成的社会技术群体,通过结合人工智能和人类智能,共同实现复杂目标,并从彼此学习中不断提高。因此,需要为这些系统提供结构化的设计知识,并展示了使这些应用程序的系统开发人员有用的指导。
May, 2021
本文讨论了人工智能专家误解模仿游戏,将 HL-level Intelligence 视作人工智能发展的目标,认为 Access 和 Ingest data 是 AGI 发展的当前瓶颈,因此应该重新审视图灵测试,通过对比探讨人工智能和人类数据收集能力之间的差异,探索当前 AGI 缺乏的特征,并在此框架内讨论 AGI 发展的未来。
Dec, 2022
人工通用智能(AGI)是构建 “思考机器” 的愿景,与 “狭义人工智能” 方法形成鲜明对比。本研究指出了纯统计方法无法实现 AGI,同时确定了实现类似人类适应能力和自主学习所需的关键认知能力,并总结了阻碍 AGI 进展的社会技术因素。
Aug, 2023
通过综合技术地图方法,对人工智能(AI)的最终实现时间进行了预测,该研究论文以本体学等六方面实体作为综合技术地图,探讨了人类实现人形 AI 的技术挑战和时间预测。
Aug, 2022
人工智能在几个关键方面仍然比人类智能有限,如在理解上下文、言外之意和微妙线索方面的能力。本文展望了可能用于缩小人类智能与机器智能差距的机器智能候选方法,重点讨论了当前人工智能技术的不足,以及层次规划和能量基、潜变量方法以及联合嵌入预测架构方法如何帮助弥合这一差距。
Aug, 2023
人工智能的发展深刻影响了人类社会,并在多个领域取得了重大进展。然而,对人工智能的不断需求突显了其现有能力的局限性,推动了向人工通用智能(AGI)的发展。AGI 以其与人类智能相当的效率和有效性,具备执行多样化现实任务的能力,代表着人工智能演进的重要里程碑。本文通过广泛的调查、讨论和原创观点,深入探讨了接近 AGI 的关键问题及其实现所需的策略,不同于现有的综述文献。我们首先阐述了 AGI 的必要能力框架,整合了内部、界面和系统维度。由于实现 AGI 需要更先进的能力和严格的约束条件,我们进一步讨论了必要的 AGI 对齐技术,以协调这些因素。值得注意的是,我们强调通过首先定义 AGI 进展的关键级别来负责任地对待 AGI,然后评估现状的评价框架,并最终提出了达到 AGI 巅峰的路线图。此外,为了提供对 AI 整合的普遍影响的切实见解,我们概述了在多个领域实现 AGI 所面临的挑战和可能的途径。总之,作为对 AGI 当前状态和未来轨迹的先驱性探索,本文旨在促进研究人员和实践者之间的集体理解,并引发更广泛的公众讨论。
May, 2024
通过对超过 100 个最近的实验研究进行超过 300 效应大小的元分析,本研究发现:平均而言,人工智能与人类的结合表现明显低于单独人类或人工智能的最佳表现;涉及决策的任务中存在性能损失,而涉及内容创作的任务中则有显著的性能提高;当人类的表现优于单独的人工智能时,结合表现会提高,但当人工智能的表现优于人类时,结合表现则会降低。这些发现突显了人工智能与人类协作效果的多样性,并为改进人工智能系统提供了有前途的方向。
May, 2024
这篇论文综述了人工通用智能在教育领域的概念、能力、以及可能性,包括设定教育目标、设计教学法、课程以及评估。此外,也讨论了 AGI 在教育中所面临的各种伦理问题,以及人工通用智能如何影响人类教育工作者。该领域的进展需要教育工作者和 AI 工程师之间的跨学科合作。
Apr, 2023
批判性地探讨深度神经网络 (DNN) 作为实现人工通用智能的技术选择的可行性,并给出了五个主要的原因进行支撑,表明 DNN 目前还不适合成为实现人工通用智能的选择。
Mar, 2022