今年8月于西雅圖舉行了第15屆通用人工智能(AGI-22)年度會議，下面讓我們一起來看看通用人工智能的開發(fā)新進展。

通用人工智能(AGI)是一種高級人工智能，可以跨多個領(lǐng)域進行泛化，并且范圍并不狹窄。狹義人工智能的例子包括自動駕駛汽車、聊天機器人、國際象棋機器人或任何其他為單一目的而設(shè)計的人工智能。相比之下，AGI將能夠在上述任何專業(yè)領(lǐng)域或任何其他專業(yè)領(lǐng)域之間靈活切換。它由一種投機類型的人工智能組成，可以利用遷移學(xué)習(xí)和進化學(xué)習(xí)等新興算法，同時也利用深度強化學(xué)習(xí)等傳統(tǒng)算法。

在開幕主題演講中，人工智能研究員、SingularityNET的首席執(zhí)行官和創(chuàng)始人、OpenCog基金會的負責(zé)人Ben Goertzel談到了該行業(yè)的現(xiàn)狀。他似乎對AGI的未來方向充滿熱情，他說：“我們離我們還有幾年而不是幾十年”。這將使AGI的最終推出大約在2029年，同一年，世界領(lǐng)先的發(fā)明家、思想家和未來學(xué)家之一Ray Kurzweil著名地預(yù)測了實現(xiàn)人類智能水平的人工智能的出現(xiàn)。

理論認為，一旦達到這種智能，人工智能將立即不斷地自我改進，以迅速超越人類智能，即所謂的超級智能。

另一位演講者，F(xiàn)uture AI的創(chuàng)始人兼首席執(zhí)行官Charles J.Simon在單獨的會議上表示，“AGI的出現(xiàn)將是漸進的”，“AGI是不可避免的，并且會比大多數(shù)人想象的更快到來，可能需要幾年時間”.

即使是這種看漲情緒，空間也存在重大障礙。Ben Goertzel還承認，要實現(xiàn)AGI，“我們需要注入新的想法，而不僅僅是擴大神經(jīng)網(wǎng)絡(luò)”。這是Gary Marcus的觀點，他以“深度學(xué)習(xí)碰壁”著稱。

創(chuàng)建AGI的一些核心挑戰(zhàn)包括找出一個獎勵系統(tǒng)，該系統(tǒng)可以以最明智的方式擴展智能。Moravec的悖論反映了用我們當(dāng)前的技術(shù)實現(xiàn)AGI的當(dāng)前問題。這個悖論表明，對于一歲大的孩子來說，直觀的適應(yīng)，比如學(xué)習(xí)如何走路和模擬現(xiàn)實，在人工智能中編程比人類認為的困難要困難得多。

對于人類來說，情況恰恰相反，掌握國際象棋或執(zhí)行復(fù)雜的數(shù)學(xué)公式可能需要一生的時間才能掌握，但對于狹隘的人工智能來說，這兩項任務(wù)相當(dāng)容易。

這個悖論的解決方案之一可能是進化學(xué)習(xí)，也稱為進化算法。這實質(zhì)上使人工智能能夠通過模仿生物進化的過程來尋找復(fù)雜的解決方案。

在另一份問答中，Ben Goertzel表示，“AGI并非不可避免，但很有可能。”這與我得出的結(jié)論相同，但必然性和概率之間的界限模糊了。

會議期間發(fā)表了許多論文，其中討論的值得注意的論文之一是多項式函子：加利福尼亞州伯克利Topos研究所的David Spivak和西雅圖華盛頓大學(xué)的Nelson Niu的相互作用的一般理論,華盛頓州。本文討論了一個名為Poly的數(shù)學(xué)類別，當(dāng)涉及到與動態(tài)過程、決策制定以及數(shù)據(jù)存儲和轉(zhuǎn)換的密切關(guān)系時，它可能會影響AI的未來方向。這將如何影響AGI研究還有待觀察，但它可能是導(dǎo)致我們進入AGI的缺失組成部分之一。

當(dāng)然，還有其他更具推測性的論文，例如多功能效率指數(shù)(VEI)：Mohammadreza Alidoust對AGI代理的IQ的全面定義。這個想法是構(gòu)建一種替代方法來測量智能系統(tǒng)的智能水平，這是一種以計算方式測量AGI代理的IQ測試。

OpenAI和DeepMind是兩家可能在這項基礎(chǔ)技術(shù)上取得突破的知名公司，這兩家公司都明顯缺席?？赡苁菗?dān)心AGI沒有被AI社區(qū)重視，但他們是最有可能在這個領(lǐng)域取得第一個突破的兩家公司。尤其如此，因為OpenAI的既定使命是進行基礎(chǔ)的、長期的研究，以創(chuàng)建安全的AGI。

雖然會議上沒有重大的革命性突破可以揭示，但很明顯，AGI正在吸引許多研究人員的注意力，這是人工智能社區(qū)應(yīng)該更加關(guān)注的事情。畢竟，AGI可能是解決人類多重生存威脅的解決方案。