如今,大型語言模型在對話流暢度上遠(yuǎn)超Eliza,卻依然無法在全維度認(rèn)知能力上比肩人類——它們會編造事實(shí),難以進(jìn)行長遠(yuǎn)規(guī)劃,更無法像人類那樣從經(jīng)驗(yàn)中學(xué)習(xí)。
“通用人工智能”這一術(shù)語問世要晚得多。1997年,馬克·古布魯?shù)率状卧谡撐闹惺褂昧诉@個(gè)新詞。他用“高級通用人工智能”來描述具備以下特征的人工智能系統(tǒng):“在復(fù)雜度和運(yùn)算速度上匹敵或超越人類大腦,能夠獲取、處理并運(yùn)用通用知識進(jìn)行推理,且?guī)缀跄茉谒性拘枰祟愔悄艿牟僮麟A段應(yīng)用。”但這篇論文很快便石沉大海,無人問津。
到了21世紀(jì)初,謝恩·萊格獨(dú)立提出了這一概念。當(dāng)時(shí),他正與計(jì)算機(jī)科學(xué)家本·戈茨爾、卡西奧·彭納欽等人合作撰寫一本書,探討如何構(gòu)建能夠解決各類問題和任務(wù)的機(jī)器學(xué)習(xí)系統(tǒng)。他們需要一個(gè)術(shù)語,將其與處理單一任務(wù)的狹義機(jī)器學(xué)習(xí)算法區(qū)分開來。在完全不知道古布魯?shù)略褂眠^該詞的情況下,萊格提議使用“通用人工智能”的表述,還建議將其縮寫為AGI。由此,AGI在業(yè)界流行開來。
戈茨爾在其著作中,將AGI定義為“具備相當(dāng)程度的自我認(rèn)知能力與自主控制能力的人工智能系統(tǒng),能夠在多種場景中解決各類復(fù)雜問題,并且能夠?qū)W習(xí)解決系統(tǒng)研發(fā)之初并未預(yù)設(shè)的新問題?!钡鲜龆x也存在諸多模糊之處:如何界定“相當(dāng)程度”?在哪些情境下解決何種復(fù)雜問題才算達(dá)到標(biāo)準(zhǔn)?
去年在接受《大西洋月刊》采訪時(shí),萊格給出了一個(gè)更通俗的AGI定義:能夠完成人類常規(guī)認(rèn)知任務(wù)的AI智能體。這一定義在某種程度上范疇更窄,例如,沒有提及自我認(rèn)知能力;但具體指哪些任務(wù),又以哪類人群的能力為參照,依舊缺乏明確的標(biāo)準(zhǔn)。
諸如此類的問題始終圍繞著AGI:究竟對標(biāo)的是普通人的認(rèn)知能力,還是高智商人群的能力,抑或是各領(lǐng)域頂尖專家的能力?舉例來說,亨德里克斯與本吉奧的研究論文,將AGI定義為達(dá)到或超過“受過良好教育的成年人的通用認(rèn)知能力和專業(yè)能力水平”。DeepMind的論文則提出,以成年人的代表性樣本作為衡量基準(zhǔn)。還有一些研究者的表述更為寬泛。