通用人工智能 (AGI) 离我们还有多远？

通用人工智能 (AGI) 离我们还有多远？

我们先得说清楚，通用人工智能 (AGI) 到底是个什么东西。简单讲，它就是一种能像人一样思考、学习和理解的机器智能，能处理各种不同类型的问题，而不是只能干一件特定的事。 现在的 AI，比如下棋的 AlphaGo，它只会下棋，你让它识别人脸它就干不了。 AGI 就不一样了，它应该能学会画画，也能学会开车，什么都能干。

关于 AGI 什么时候能实现，现在大家说法很不一致，就像一个大讨论现场。

乐观派的看法：可能比想象中快

有一批人觉得 AGI 很快就会来。比如 OpenAI 的 CEO Sam Altman，他觉得可能就几千天的事，也就是三到十年内。 英伟达的 CEO 黄仁勋也预测说，五年内 AI 就能通过各种人类测试。 他们的信心很大程度上来自现在大语言模型的飞速进步。你看现在的 GPT-4 这些模型，已经能解决一些很复杂的问题了，甚至在某些方面展现出了接近人类的推理能力。

支持这种乐观想法的一个主要观点是“规模效应”。他们认为，只要我们不断地用更多的数据去训练更大、更复杂的模型，AI 的能力就会一直提升，很多现在看起来很难的问题，可能模型规模大到一定程度自己就解决了。 谷歌有位工程师就根据这个逻辑，把自己对 AGI 实现时间的预测从 2035 年提前到了 2028 年 (10%的概率)。 北京智源人工智能研究院的院长王仲远也把他的预测从几十年前一下子缩短到了可能只需要四五年。 综合一些专家的预测来看，AGI 最可能在 2025 到 2030 年之间实现。

目前 AI 发展的路径，大概是先搞定单一领域的模型（比如语言或者图像），然后把它们融合起来做成多模态模型，最后再让模型和物理世界互动，比如装在机器人身上，这就离 AGI 很近了。 现在我们正处在第二阶段，就是多模态融合的阶段。

谨慎派的看法：还有很长的路要走

但是，也有很多人没那么乐观。他们觉得，虽然现在的 AI 看起来很厉害，但离真正的“理解”还差得远。

Meta 的首席 AI 科学家 Yann LeCun 就一直批评现在这种依赖扩大语言模型规模的做法。他认为，这些模型只是在处理文字和图像，但它们根本不理解这个世界的真实情况，缺乏我们人类所拥有的“常识”。 比如，AI 可以根据数据诊断病情，但它可能无法理解病人为什么会隐瞒病史，因为这涉及到复杂的社会和情感因素。

特斯拉前 AI 总监 Andrej Karpathy 也给出了一个“智能体的十年”的说法。 他认为，要让 AI 像一个可靠的实习生那样工作，至少还需要十年时间去解决很多基础问题。 他觉得现在大家太乐观了，很多预测都是为了融资需要。 他的经验来自于特斯拉自动驾驶的开发过程。要把系统的可靠性从 90% 提升到 99%，再到 99.9%，每一步都要付出巨大的努力，这个过程非常漫长。 AI 系统也是一样，一个微小的错误就可能导致灾难性的后果。

实现 AGI 的几个大难题

为什么谨慎派觉得没那么快？因为实现 AGI 还面临着好几个巨大的挑战：

• 常识和推理能力： 这是最大的一个坎。 我们人类天生就有很多常识，知道杯子会摔碎，水是湿的。但 AI 没有这些基本认识。 怎么让机器拥有这种常识，并且能像人一样进行逻辑推理，这是个大难题。

• 与物理世界互动： 真正的智能需要能和现实世界互动，也就是所谓的“具身智能”。 这意味着 AI 要能控制一个身体（比如机器人），去感知环境，并作出反应。 目前这方面的技术还很不成熟。

• 学习效率和自主学习： 现在训练一个大模型，需要耗费巨大的计算资源和海量的数据。 而且它们还不能像人一样主动去学习新知识，大部分是被动地接收我们投喂的数据。 AGI 需要具备自主学习和跨领域迁移知识的能力。

• 创造力和想象力： AI 现在能生成看起来很有创意的画和文章，但这种“创造”更多是基于对现有数据的模仿和重组。 它们还不具备人类那种真正的、从无到有的创造力和想象力。

• 安全和伦理问题： 这个问题也非常重要。一个超级智能的 AGI 如果不受控制，可能会带来无法预见的风险。 如何确保 AGI 的目标和人类的价值观保持一致，这是一个必须在技术实现之前就想清楚的问题。

所以，回到最初的问题，AGI 离我们还有多远？答案是没人知道确切的时间。乐观的人觉得技术突破可能就在眼前，也许五年、十年就能看到。 谨慎的人则认为，我们可能才刚刚开始，还有很多基础性的难题没有解决，可能需要几十年甚至更长的时间。

现在的 AI 技术确实进步很快，但我们不能高估一次技术革命的速度，也不能低估它的深度和广度。 这条路还很长，需要一步一步地走。