大模型的“三重门”，AI的尽头是什么？

1956年夏天，新罕布什尔州达特茅斯学院迎来了一场特殊的学术聚会。当数学教授约翰·麦卡锡在会议提案中首次写下“Artificial Intelligence”这个术语时，或许未曾料到，这场原本计划用两个月时间“彻底解决机器模拟智能问题”的讨论，竟开启了一场跨越世纪的认知革命。

阿里巴巴集团CEO吴泳铭在财报会议上语气铿锵，仿佛预见到历史转折的关键瞬间：“一旦AGI真正实现，其所催生的产业规模，极有可能问鼎全球之首，甚至有可能深刻地影响、乃至部分取代当下全球经济构成中近半壁江山的产业形态。”

在惊喜与担忧之间，人们正学着接纳和拥抱人工智能，惴惴不安地揣测着通用人工智能（AGI）何时到来。然而，作为掀起本轮AI热潮的主角，大语言模型或许还只是一个探路者，离真正的AGI仍相距甚远，甚至根本不是通达AGI的正途。对此，人们不免心生疑问，我们离实现真正的AGI还有多远？

谁是AGI的起点？

“通用人工智能（Artificial General Intelligence）”一词最初出现在北卡罗莱纳大学物理学家Mark Gubrud于1997年发表的一篇有关军事技术的文章中，其中将AGI定义为“在复杂性和速度上与人脑相媲美或超越的AI系统，可以获取一般性知识，并以其为基础进行操作和推理，可以在任何工业或军事活动中发挥人类智力的作用。”

一直以来，AGI被视为人工智能领域的“圣杯”，它意味着机器能够像人类一样，在多种任务中自主学习、推理并适应复杂环境。从GPT-4的对话能力到Sora的视频生成，尽管近年来AI技术突飞猛进，但AGI的实现仍面临多重鸿沟。

AI的核心就是把现实世界的现象翻译成为数学模型，通过语言让机器充分理解现实世界和数据的关系。而AGI更进一步，让AI不再局限于单一任务，而是具备跨领域学习和迁移能力，因此具有更强的通用性。

如果比较AGI的特征，就会发现当前AI系统虽然在特定任务上超越人类（如文本生成、图像识别），但本质上仍是“高级模仿”，缺乏对物理世界的感知和自主决策能力，依然不符合AGI的要求。

首先，大模型在处理任务方面的能力有限，它们只能处理文本领域的任务，无法与物理和社会环境进行互动。这意味着像ChatGPT、DeepSeek这样的模型不能真正“理解”语言的含义，因为它们没有身体来体验物理空间。

其次，大模型也不是自主的，它们需要人类来具体定义好每一个任务，就像一只“鹦鹉”，只能模仿被训练过的话语。真正自主的智能应该类似于“乌鸦智能”，能够自主完成比现如今AI更加智能的任务，当下的AI系统还不具备这种潜能。

第三，虽然ChatGPT已经在不同的文本数据语料库上进行了大规模训练，包括隐含人