原创 | 展望大语言模型在AGI时代的发展前景

作者：王雨润
本文约5000字，建议阅读10分钟AGI的目标一直是人工智能研究的终极愿景。

一、什么是AGI

AGI（Artificial General Intelligence，通用人工智能）指的是一种能够像人类一样，在多种任务中表现出广泛而灵活的智能能力的人工智能系统。与当前的狭义人工智能不同，AGI不仅仅是针对某一特定任务进行优化，而是具备在多种环境和问题中适应和解决问题的能力。AGI应当能够自主学习、推理、规划和决策，并具有类似人类的常识和长期记忆能力，从而能够解决那些需要跨领域知识和复杂推理的任务。

• 窄人工智能（Narrow AI）：指的是能够在特定任务上表现优异的人工智能系统，例如图像识别、语音识别等。当前大多数AI系统都属于这一范畴。

• 广义人工智能（Broad AI）：这一阶段的AI系统能够在多个领域中表现出较强的智能能力，但仍需依靠人类提供明确的目标和训练数据。

• 通用人工智能（AGI）：即真正具备与人类相当的认知能力，能够在任何任务中独立学习和适应。

AGI的概念最早由人工智能先驱艾伦·图灵（Alan Turing）和约翰·麦卡锡（John McCarthy）等人提出，他们设想了一种能够像人类一样，具备广泛认知和适应能力的人工智能系统。在1950年，图灵在其著名的论文《计算机器与智能》中提出了著名的“图灵测试”，以评估机器是否能够表现出人类智能水平。这一想法为AGI的研究奠定了基础。

Google DeepMind研究团队根据AI模型性能和学习处理任务的广泛性对AGI水平进行划分，从Level-0无人工智能到level-5超越人类共划分为6个等级。

	狭义人工智能 （明确界定的任务或任务集）	通用人工智能 （广泛的非物理任务范围，包括学习新技能等元认知任务）
Level 0：无人工智能（No AI）	狭义无人工智能（Narrow Non-AI） 计算器软件；编译器	通用无人工智能（General Non-AI） 人工介入计算，例如，Amazon Mechanical Turk
Level 1：新兴（Emerging） （等于或略优于无技能人类）	新兴狭义人工智能（Narrow Emerging Narrow AI）