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
人工智能可能会超越人类,然而,如果不采取措施,其可能学会不符合人类期望的目标,并使用追求权力的策略,导致人类无法控制其行为。因此,该研究概述了该问题及其研究方向。
Aug, 2022
通过解决大规模模型的局限性以及利用现有技术,本文提出解决方案,进而解决大规模模型固有的缺陷,逐步实现真正的人工智能通用智能。
深度学习网络在语音识别、图像描述和语言翻译等方面的高性能表现是由于它们利用高维空间的几何特性,然而它们究竟能否推广到实现全面的人工智能,以及和大脑规划和生存相关的其他区域的灵感还需做出重大突破。
Feb, 2020
本文归纳了深度学习的历史、神经网络,针对五年来在语音识别、图像识别、游戏等领域中的进展,列举了十个深度学习的问题,并建议结合其他技术实现人工智能总体上的发展。
Jan, 2018
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
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
通过结合经典人工智能技术 —— 专家系统与现代适应性梯度下降训练的专家系统(GDTES),利用生成式人工智能(GAI)创建网络和训练数据集的机制,本研究提出了一种人工智能的学习和发展推理路径以在先验未知领域做决策的方法,并展示了朝着产生人工通用智能(AGI)的目标迈出的小步骤。
Jun, 2024
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
探讨了人类智能与人工智能在预测特定结果方面的优劣,提出了在未来几十年内的劳动分工典范可能是混合智能。这个概念旨在利用人类智能和人工智能的互补优势,以使它们能够比两者分别表现得更好,并探讨了其在组织上下文中的应用。
May, 2021