2028年人类将迎来AGI：DeepMind联合创始人长文预测未来AI发展.docx

AGI 的定义和发展趋势 在近期的一场播客中，DeepMind 联合创始人 Shane Legg 预测，2028 年人类将迎来 AGI。那么，什么是 AGI？AGI，即通用人工智能，但对于什么是「通用」的，却有很多不同的定义。这让回答 AGI 是什么变得非常困难。Shane Legg 认为，能够执行一般人类完成的认知任务、甚至超越这个范围以上的，就可以认为是 AGI。 AGI 的定义是复杂的，因为我们永远不会拥有人们「能做到的事」的完整集合，这个范围太过于庞大而且还在不断更新。因此，在判断是否为 AGI 时，如果一个人工智能系统在所有能提出的人类认知任务上达到了人类的表现水平，就可以认为这就是 AGI。 在实际的测量中，我们仍不能提出包含人类全部认知水平的任务，如著名的基准测试：测量大规模多任务语言理解（Measuring Massive Multitask Language Understanding，MMLU）。此类任务的缺失也指出了一个问题：现在的语言模型不像人类拥有情景记忆。 情景记忆是人类记忆的一个重要组成部分，它主要用于快速学习和记住特定的事件或信息，允许我们在不同时间点回想起过去发生的事情。但模型并不具备这样的功能，只是通过增加上下文窗口的长度来弥补模型记忆的缺陷。 Shane Legg并不认为模型不具备情景记忆会是一种基础限制。相较于过去，大型语言模型发生了根本性的变化。现在，我们知道如何构建具有一定理解程度的模型，拥有可扩展的方法来实现这一点，从而为解锁许多全新的可能性打开了大门。 衡量 AGI 的进展是一个复杂的问题。Shane Legg 表示，「这不是一个单一的因素就可以解决的，而这就是问题的本质。因为它涉及到了通用智能。我们必须确保它可以完成很多不同的任务，并且不会出现哪怕一个漏洞。」 我们已经拥有可以在某些领域表现非常令人印象深刻，甚至超越人类水平的系统。Shane Legg 表示，他想要一整套非常全面的测试，当有人想要用对抗的方式提出机器无法做到、人类却能做到的事，在这些人无法成功时我们就到达了 AGI。 在 DeepMind 的早期研究中，很多任务都涉及到了人工智能在开放环境中的操作。这符合 Shane Legg 试图提出的对智力的定义和测量，即能够在不同的领域和不同的任务中表现良好。这与模型性能的能力和性能的广度有关。 在评估智能时，存在一种框架能够根据任务和环境的复杂性进行评估。这将有助于我们更好地理解 AGI 的定义和发展趋势，并推动 AGI 的研究和发展。