通用人工智能已经到来
内容提要
通用人工智能已经到来，前沿模型可以完成各种任务，但对其能力存在争议。
延伸解读
AGI 的衡量：多维记分卡而非单一门槛
文章指出，通用智能应从多维记分卡角度评估，而非简单的“是/否”命题。前沿模型在主题、任务、模态、语言和可指导性五个方面展现出通用性，但衡量标准仍存争议。例如，通过考试可能只是针对特定问题训练的结果，而非真正广泛能力。古德哈特定律提醒我们，当度量成为目标，它就不再是好的度量。因此，需要更全面的测试套件如 HELM 来评估 AGI。
语言流畅不等于智能：警惕“尚西-加德纳效应”
文章强调，流畅的语言生成并不等同于智能。前沿模型能即时生成连贯回复，但人类倾向于将流畅、符合语法的回答视为智能实体的标志，这被称为“尚西-加德纳效应”。此外，常见性能指标的非线性可能导致“涌现能力”的错觉，实际上随着模型规模扩大，性能是连续提升的。因此，评估 AGI 时需避免被表面流畅性误导，应关注更深层的理解和推理能力。
符号系统与神经网络：AGI 的实现路径之争
文章讨论了符号系统与神经网络在实现 AGI 上的分歧。符号系统基于逻辑和明确规则，但处理模糊性和复杂推理时显得脆弱。一些批评者如乔姆斯基和马库斯认为，没有符号操纵，神经网络无法实现真正理解。然而，文章反驳称神经网络可以学习符号表示，并近似任何可计算函数。因此，争论应基于经验测试，而非规范性教条。
人类特殊性不应与通用智能混淆
文章指出，对 AGI 的怀疑可能源于维护人类特殊性的愿望。人类有独特之处，但不应将其与通用智能混为一谈。AGI 的定义应与其实际能力相分离，而非要求意识或主观感知。前沿模型已能执行设计者未设想的新任务，甚至可能具备代理权。因此，在讨论 AGI 时，需区分“是”与“应该”，避免将人类特质强加于智能定义。
Q&A
什么是通用人工智能（AGI）？
通用人工智能（AGI）是指能够执行几乎所有人类可以完成的信息任务的人工智能系统，具备多种模态处理能力和情境上下文学习能力。
前沿模型如何实现通用智能？
前沿模型通过在大量文本、音频和视频数据上训练，能够执行多种任务，如回答问题、生成故事和翻译语言，展现出通用智能的特征。
AGI的度量标准存在哪些争议？
AGI的度量标准存在争议，评论者对其有效性持怀疑态度，认为需要改进测试标准以更好地评估AGI的能力。
狭义智能与广义智能有什么区别？
狭义智能专注于单一任务并依赖明确训练，而广义智能则能够处理多种任务，具备更高的灵活性和适应性。
前沿模型在语言处理方面的能力如何？
前沿模型能够用多种语言进行对话和翻译，甚至可以处理没有示例的语言对，展现出强大的语言处理能力。
对AGI的批评主要集中在哪些方面？
对AGI的批评主要集中在对符号系统的依赖、神经网络能力的质疑以及流畅语言生成与智能之间的混淆。
