AGI（通用人工智能）

什么是AGI？

通用人工智能（AGI）指的是能够执行人类可以完成的任何智力任务的AI系统——包括学习、推理、问题解决和跨领域适应，而无需针对每个任务进行专门训练。与当今擅长特定任务（如下棋或图像识别）的”狭义AI”不同，AGI可以泛化：将在一个情境中学到的知识应用到完全不同的场景中。

这个术语由Ben Goertzel在2005年的著作”Artificial General Intelligence”中创造，尽管这个概念自1950年代AI领域创立以来就一直是研究目标。

关键特征

• 泛化能力：无需重新训练即可跨领域迁移学习
• 情境推理：理解细微差别，在新情境中恰当地应用知识
• 自主学习：无需人类干预即可自我改进
• 常识：像人类一样理解世界，而不仅仅是在数据上进行模式匹配

为什么AGI很重要

AGI代表着人类历史上的一个潜在转折点。正如SingularityNET的Janet Adams所说：“It will be the most intelligent, the most powerful technology ever invented. It will have the ability to be a winner takes all race.”（它将成为有史以来最智能、最强大的技术。它将具备赢家通吃的能力。）

对于组织而言，这种区别很重要，因为：

1. 当今的AI是狭义的：目前的系统（包括大语言模型）只能做好一件事，但无法泛化
2. AGI改变游戏规则：一个能够学习任何任务的系统将同时变革每个行业
3. 所有权问题：谁控制AGI可能决定谁控制重要的经济和社会权力

当前状态

截至2026年，尚不存在AGI系统，尽管多个组织声称他们已经接近：

• OpenAI正式将追求AGI作为其使命
• Anthropic在强调安全性的同时构建AGI
• SingularityNET通过其ASI联盟使用神经符号方法
• Google DeepMind研究通用AI代理

关于AGI到来时间的预测从1-3年（乐观者）到”永远不会”（怀疑AGI是否可能实现的怀疑者）不等。

争议与辩论

AI社区对于AGI是否会实现存在分歧：

• 不可避免且即将到来：当前的规模化趋势将自然导向AGI
• 可能但遥远：需要我们尚未取得的根本性突破
• 原则上不可能：人类认知有某种特殊之处无法被复制

Yann LeCun等批评者认为，当前的大语言模型架构永远无法实现AGI，因为它们缺乏真正的理解和世界模型。

相关阅读

• ASI - 人工超级智能，AGI之后的下一步
• 神经符号AI - 通往AGI的一条提议路径
• Ben Goertzel - 创造AGI术语的先驱