人工通用智能（AGI）代表了机器智能的演变。与当前在特定领域中表现出色但缺乏一般理解的当前AI系统不同，AGI渴望模拟各种任务中的人类认知能力。这包括学习，推理和应用知识，以我们只能开始想象的方式改变行业和日常生活。
什么是人工通用情报（AGI）？
AGI被概念化为机器展示的一种智能形式，使他们能够执行通常需要人类思维过程的任务。这涵盖了超出专门AI系统功能的认知功能的广度。
AGI的定义和概念
“人工通用情报”一词经常根据人类认知能力的软件表示。从本质上讲，AGI有望理解，学习和应用在各种任务中可以推广的知识，就像人类一样。纪律解释有所不同，随着计算机科学，伦理和认知心理学等领域，对构成真正智力的不同观点提供了不同的观点。
AGI和窄AI之间的区别
了解AGI和狭窄的AI之间的差异对于掌握机器智能的当前景观至关重要。狭窄的AI是指专门为执行预定义任务而设计的系统，通常具有出色的效率，但在其程序范围之外的理解有限。
与弱或窄AI的AGI进行比较
与类似于人类智力的多功能性的AGI不同，狭窄的AI是集中的和特定领域的。语音助手和推荐引擎等应用程序在其壁ni中表现出色，但在没有重大重新编程的情况下无法在训练数据之外执行任务。
AGI的现状
截至目前，真正的AGI系统仍处于发展阶段。尽管神经网络和机器学习的进步使我们更接近更复杂的AI，但我们尚未实现AGI的整体理解和推理能力。
发展时间表
对AGI的讨论通常包括其在科幻小说中的刻画，并以想象机器超越人类智能的叙述。鉴于人类认知能力的复杂性，研究人员对实现AGI的时间表有谨慎的乐观情绪。
性能期望
预计AGI将完成需要细微的理解，抽象思想和情商的任务。尽管当前的AI系统可能会超过人类在数据处理速度和准确性方面的能力，但人类智能的多方面性质仍然无与伦比。
洞悉预期AGI系统将完成的
AGI的支持者设想能够创造性思考，解决问题甚至情感推理的系统。这样的机器不仅会处理数据，而且会理解上下文和含义，从而可以进行更全面的决策。
AGI的核心能力
AGI的核心能力建立在与人类思维过程相似的基本认知功能上。这些包括以超越死记硬背的方式理解概念和学习。
基本认知功能
- 抽象思维： 理解与具体对象或经验直接相关的概念的能力。
- 背景知识： 利用先前的信息为当前的决策和推理提供信息。
- 常识： 利用日常知识来浏览复杂的社会和情境动态。
- 因果理解： 掌握行动与后果之间的关系。
- 转移学习： 将学习的知识从一个上下文应用于不同但相关的上下文。
理论AGI功能
想象AGI功能扩展到创造力和感觉知觉等领域。这些能力将使机器能够以类似于人类的方式适应并应对新的情况。
展示创造力和感官感知的示例
例如，真正智能的机器可能会生成原始艺术品或音乐，从而创造性地对环境刺激做出反应。精细的运动技能对于执行需要身体复杂性的任务，例如手术程序或制作精致物体至关重要。
预期的高级AGI能力
预计AGI将利用反映人类认知风格的先进学习过程，从而促进了对复杂问题的创新解决方案。
高级学习过程
- 多样化的学习算法： 采用各种技术来提高试验和任务中的学习效率。
- 任务结构： 将任务组织成可管理的组件，以促进有效的解决问题的策略。
认知理解
AGI的关键方面是它的元认知能力 – 思考思维。这包括利用符号的能力，这允许更细微的沟通和推理。
信仰体系在AGI功能中的意义
信仰体系在AGI中的部署将为决策过程提供信息，并在复杂情况下引导行为，类似于受价值和经验影响的人类推理。
对Agi的担忧
阿吉（Agi）的旅程提出了各种道德和社会困境，值得认真考虑。随着机器获得抽象思想的能力，它们对社会的影响可能是深远的。
道德和社会困境
AGI的前景引入了风险，例如对智能系统做出的决策的问责制。随着机器的能力独立思考，定义责任变得越来越具有挑战性。
与当前AI应用程序的比较
尽管AGI旨在提高全面的功能，但狭窄的AI在特定领域中脱颖而出。理解这些区别有助于将对AGI的进步视为背景。
AGI如何比当前AI更全面的功能
与狭窄的AI应用程序不同，AGI努力创建可以跨域传输知识的系统，这些应用程序仍然局限于其程序参数。
狭窄AI的示例
- 客户服务聊天机器人： 利用自然语言处理来解决设定上下文中的客户查询。
- 语音助手： 响应用户命令，但在其编程功能之外缺乏一般了解。
- IBM的沃森： 执行复杂的数据分析，但不具有类似人类的推理。
- 自动驾驶汽车： 使用针对特定驾驶环境量身定制的传感器和算法导航环境。
Agi的未来
随着讨论围绕AGI的发展，各种专家意见出现，影响了公众的看法和研究方向。
预测和怀疑
专家表达有不同的时间表来实现AGI，其中一些像雷·库兹韦尔（Ray Kurzweil）这样的时间表预测了几十年来与人类智能的融合。其他人则保持谨慎，强调仍然存在的障碍。
奇异性的概念
与AGI紧密相关的奇异思想表明了机器超过人类智力的地步，从而导致社会的不可预测变化。生成的AI工具展示了高级功能，但仍需要人类监督以确保道德准则和运作连贯性。
AGI理论基础
教会论文为理论计算限制提供了基本的见解，影响了对AGI可行性的讨论。围绕认知科学算法的正在进行的辩论突出了AGI开发的各种途径，增强了在机器中实现真正的人类智能的复杂性。
