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

自从 20 年前 AGI（人工通用智能）一词诞生以来，对其几乎没有取得可观的进展。尽管统计人工智能方面取得了极大突破，如 AlphaZero、ChatGPT 和 Stable Diffusion，但这些项目都没有明确的 AGI 路径。为了加快 AGI 的发展，了解和确定人类智能与 AGI 的核心要求至关重要。通过这样可以梳理出实现 AGI 所需的特定开发步骤以及哪些是分散注意力的因素。这种分析强调了对认知人工智能方法的需求，而不是目前受青睐的统计和生成式方法。具体而言，它确定了概念在类人认知中的核心角色。在这里，我们概述了一种架构和开发计划，以及一些初步结果，提供了一条更直接的实现全面人类级 AI（HLAI）/ AGI 的路径。

Sep, 2023

本文提出实现人工通用智能需要建立一个智能世界，同时指出预训练嵌入在构建这种智能世界和实现人类水平智能方面发挥关键作用。

Sep, 2022

本文将意义基础理论与 AGI 的数学形式结合起来，旨在提供一种全面的有关意义、交流和符号出现的机制性解释。此次综合研究在 AGI 和关于语言本质的更广泛辩论中具有重要意义，它将语用学、逻辑真值条件语义学、Peircean 符号学和赋能认知的可计算模型统一起来，涉及传统上难以进行机制性解释的现象。通过考察一台机器生成有意义话语或理解人类意义的条件，我们确定了目前的语言模型并不具有与人类相同的意义理解，也不打算表达任何我们可以归于它们响应的意义。为了解决这个问题，我们提出了模拟人类情感和优化模型以构建弱表示的解决方案。我们的发现揭示了意义和智能之间的关系，并探讨了如何构建能够理解和表达意义的机器。

Apr, 2023

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

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

作者讨论了如何测试普遍人工智能的智能程度，并提出了用游戏描述语言中游戏空间的抽样来扩展通用智能的概念以处理有限时间的中心思想。

Sep, 2011

通过系统比较生命和算法系统的不同，着重关注 “代理” 的概念，探讨了发展人工通用智能（AGI）的前景，结果发现与当前的 AI 研究算法框架相比，生命和算法系统存在非常不同的能力和局限性，并特别指出在当前 AI 研究算法框架中极不可能发展真正的 AGI。因此，讨论有关算法工具的正确开发和部署应围绕当前狭窄 AI 的危险和机遇，而不是人工系统中真正产生代理的希望。

Jun, 2023

本文旨在建立对 AGI 定义的共识，智能通常是指根据特定原则在有限资源下适应开放环境的能力，并强调适应或学习是智能的不可或缺特性，并将争议的部分置于智能的原则中，从不同视角对其进行描述。

Apr, 2024

提出自我监督学习方法，用弱语义相关数据从互联网爬取数据进行预训练，快速适应不同下游任务的基础模型，该模型具有良好的想象能力，实现了从弱人工智能到强人工智能的跨越。

Oct, 2021