AI 对所有实体类别的识别
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
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
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
我们提出了一个人工通用智能(AGI)模型及其前身的能力和行为分类框架,该框架引入了 AGI 性能、广泛性和自治程度的级别。希望这个框架类似于自动驾驶的级别,通过提供一个共同的语言来比较模型、评估风险并在 AGI 的道路上衡量进展。我们分析了现有的 AGI 定义,提炼出了一个有用的本体论所应具备的六个原则。这些原则包括关注能力而非机制;分别评估广泛性和性能;以及定义沿着 AGI 路径的阶段,而不是专注于终点。基于这些原则,我们提出了基于能力的 “AGI 级别”,并思考当前系统如何符合这个本体论。我们讨论了未来基准的挑战性要求,以便对这些级别的 AGI 模型的行为和能力进行量化。最后,我们讨论了这些 AGI 级别与自治和风险等部署考虑因素的相互作用,并强调了在负责任和安全地部署高度能力的 AI 系统时,谨慎选择人机交互范例的重要性。
Nov, 2023
人工通用智能(AGI)尚不存在,但鉴于人工智能技术发展的速度,预计在未来大约二十年内将达到人类水平的智能水平。之后,许多专家预计它将远远超过人类智能,并且迅速超过。超级智能 AGI 的前景对人类构成了存亡风险,因为目前没有可靠的方法来确保 AGI 的目标与人类目标保持一致。作者借鉴公开可用的预测者和观点数据,考察专家和非专家对 AGI 风险的感知。研究结果表明,与其他存在风险相比,人们对 AGI 造成的世界灾难或灭绝的感知风险更大。与其他存在威胁相比,AGI 的感知风险在过去一年中增加的速度也更快(例如核战争或人为引起的气候变化)。专家和非专家一致认为 AGI 是一种紧迫的存亡风险,但目前对于这种共识的基础仍然不清楚。
Nov, 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