通往人工智能之路 [译]

通用人工智能（AGI）与狭义人工智能的区别在于泛化能力。

狭义人工智能专注于特定领域，而通用人工智能能够跨越所有人类智能应用领域。

机器学习中的泛化能力包括训练外的泛化和领域外的泛化。

实现通用人工智能需要模型具备自我学习的能力，而不仅仅是扩大狭义人工智能的规模。

大语言模型（LLM）展现出一定的泛化能力，但仍属于狭义人工智能。

涌现能力是指系统中出现的意外能力，通常不是单一组件所具备的。

弱涌现和强涌现的区别在于前者可以通过分析系统部件解释，而后者无法通过还原方式解释。

上下文学习是大语言模型的一种涌现能力，但其本质仍未完全理解。

程序合成是实现通用人工智能的关键，能够生成并执行代码是突破现有限制的方式。

实现通用程序合成需要模型达到顶尖人类程序员的水平，并进行范式转变。