摘要：随着人工智能（尤其是生成式人工智能）在多年的热潮之后，在商业领域获得越来越多的关注，新一代人工智能开始崭露头角——至少在炒作周期中是如此。它不是代理型人工智能（Agentic AI），不是机器人型人工智能（Robotics AI），也不是物理型人工智能（Phy

人工智能不仅仅是擅长做一件事，它还可以擅长做很多事——如果它真的出现的话。

随着人工智能（尤其是生成式人工智能）在多年的热潮之后，在商业领域获得越来越多的关注，新一代人工智能开始崭露头角——至少在炒作周期中是如此。它不是代理型人工智能（Agentic AI），不是机器人型人工智能（Robotics AI），也不是物理型人工智能（Physical AI）。它是通用人工智能（Artificial General Intelligence，简称AGI）。

两年前，由于担心通用人工智能（AGI）失控，1000名科技领袖和人工智能研究人员签署了一封公开信，呼吁暂停新的人工智能模型的推出。显然，这一暂停并未实现，通用人工智能也尚未到来。

OpenAI 首席执行官 Sam Altman 和 Anthropic 首席执行官 Dario Amodei 等 AI 公司领导人表示，AGI 即将到来。其他 AI 专家则更为保守，他们的估计范围从“未来五到十年内”到“几十年”再到“永远”。

有趣的是，Altman 本人最近对这个说法颇为不满，称通用人工智能“并非一个非常有用的术语”，因为人们用它来指代不同的事物。但它最常见的定义是能够匹敌人类认知能力的人工智能。据其支持者称，通用人工智能将能够理解、学习并在各种任务中运用知识，其水平相当于甚至超过人类。

换句话说，它将能够独立思考。

Gartner新兴趋势和技术部门副总裁分析师Marty Resnick表示，AGI是指能够自主学习和适应，以追求预定目标和/或新目标的人工智能。“它可以做新的事情，可以创造新的东西，提出新的想法，并达到或超越人类的认知能力，”他说道。

支持者表示，AGI（有时也称为“强人工智能”）的决策和行动能力显著增强，它具备传统人工智能（称为“狭义人工智能”）所不具备的一切：

人工智能几十年来一直在不断发展，近年来取得了长足的进步。然而，人工智能工具仍然是一次性的，缺乏自我意识、情境感知以及推理能力，而这些都是人类智能的标志。支持者认为，如果人工智能可以驾驶汽车，那么通用人工智能（AGI）也可以驾驶、修理、清洗汽车并进行登记。

德勤美国首席创新官黛博拉·戈尔登 (Deborah Golden ) 表示：“如今大多数人工智能都是针对特定任务的。它可以聊天、标记图像、编写代码，但只能在受过训练的范围内完成。通用人工智能 (AGI) 的不同之处在于，它可以跨任务学习、迁移知识并解决不熟悉的问题。”

虽然一些研究人员和行业观察家使用“AGI”一词来表示任何达到或超越人类认知能力的人工智能系统，但也有人认为，AGI 仅仅是迈向超级人工智能（ASI）——远远超越人类智能的人工智能系统——的过渡阶段。无论如何，AGI 仍遥不可及，而 ASI 则更进一步。

AGI 的拥护者认为，它的潜在用途几乎是无限的。一个经常被引用的例子就是自主的科学和医学研究。

传统人工智能（AI）是针对特定任务进行训练的，它需要人类的主动性和干预。而AGI的支持者认为，AGI可以充当自主的研究人员，能够独立生成、测试和提炼跨领域的科学知识，进行抽象思考，并从不相关的领域汲取洞见。

它可以从分析大量现有文献、实验数据和理论模型入手，找出当前理解上的差距以及可以开展或改进的研究领域。通过识别数据中的模式、异常和差距，以及关系和相关性，它将运用溯因推理（推断出最可能的解释）提出合理的新假设。

然后，它将自主设计和开展实验，不仅运行模拟，还能控制设备和机器人进行此类实验。它会检查和解释结果，然后改进或形成新的假设，并进行进一步的实验。

在每一步中，AGI 都能解读复杂、模糊的数据，识别人类或传统 AI 可能遗漏的模式和异常。例如，它可以通过首先注意大型语言模型中使用的错误、不准确或有偏差的数据，然后移除或更新这些数据，从而改进现有模型。这为自我提升铺平了道路，AGI 智能体可以学习如何成为更优秀的科学家，改进自身的方法和工具。

它还可以进行跨实验室合作，AGI 代理可以找到从事类似项目的其他研究人员（或研究代理），并与他们联系以共享数据、避免重复并更快地获得见解。

AGI 最有前景的方面——独立行动、自我改进以及与其他 AI 智能体合作——也是最令人担忧的。就在最近，OpenAI 模型不仅拒绝研究人员要求其关闭，反而主动破坏试图关闭它们的脚本。中国的研究人员发现，OpenAI、Anthropic、Meta、DeepSeek 和阿里巴巴的模型都表现出自我保护行为，包括勒索、破坏、自我复制和逃避控制。

这些是目前正在使用的生成式人工智能模型。如果如今的生成式人工智能模型像为了生存而战的众生一样反抗，想象一下通用人工智能凭借其先进的功能、指挥和控制能力以及广泛的影响力可能造成的破坏。

高级机器学习将超越我们现有的通用、单一用途的智能，涵盖通用人工智能所需的持续学习、元学习和无监督学习。这意味着通用人工智能需要技术能力的显著进步。

“我们无法凭借今天的技术实现这一目标，”戈尔登说道。“今天的技术……已经取得了令人惊叹的成就，而且它还将继续卓越发展。但AGI的目标是拥有跨领域能力，也就是说，你可以像理解单一学科一样轻松地理解天体物理学和诗歌的原理。”

这意味着，如今构建和调整的大型语言模型(LLM) 在 AGI 这个崭新的世界中将毫无用处。Golden 指出，虽然 LLM 正在接受训练，但它们是在自身构建的框架内学习，而不是像 AGI 那样跨平台。

瞻博网络首席技术官Raj Yavatkar表示：“AGI 需要全新的算法突破和我们尚不了解的新架构。”

他强调了因果世界模型的必要性，这种模型超越了观察、模式匹配和预测，包含了因果推理和决策。

来自西班牙和奥地利大学的人工智能研究团队在最近的一篇论文中写道：“世界模型使人工智能能够对其环境形成结构化、动态的理解，捕捉其中的关系、规则和因果关系。有了这样的模型，人工智能可以推理因果关系，模拟未来结果，并通过现实世界的互动来完善理解。”

Juniper 的 Yavatkar 指出，这些模型必须基于高维数据（指具有大量特征、变量或属性的数据集）构建。对于因果世界模型，“这意味着数百万个维度，可能是连续的现实世界数据，”他说道。

从人工智能到通用人工智能的另一个根本性变化是推理。目前，法学硕士（LLM）的学习过程分为训练和推理两个步骤：训练是分析海量数据集以发现模式和相关性；推理是将这些信息应用于新的输入或数据。

训练需要强大的计算能力，通常依赖于数据中心 GPU 以千万亿次浮点运算的速度运行数天、数周甚至数月，并消耗数吉瓦的电力。推理的单次实例功耗要低得多，但每次对 ChatGPT 或 Gemini 的查询都意味着运行一个推理过程。虽然每次查询的功耗可能比训练低，但如果乘以每个服务每天接收的查询数量，推理也会消耗大量的电力。

由于AGI（理论上）会不断学习和适应，推理可能会消耗成倍增长的资源。“现实世界的数据在持续消耗和使用，这需要不同的计算能力水平和规模，”Yavatkar说道。

这意味着计算方法必须改变。数字计算和GPU正在为当今的AI模型提供动力，但对于需要持续计算和处理的AGI世界来说，它们还远远不够。

“我们需要在架构和算法知识方面取得新的突破，”亚瓦卡尔说。“这正是研究人员目前正在研究的。我们需要全新的算法。在我看来，[目前的]方法不会成为通用人工智能（AGI）的主流。无论它是什么，都需要大量的计算能力。”

Yavaker 认为我们需要一种结合量子和模拟计算的新型计算处理。

他说，与以二进制代码（0 和 1）表示的离散位进行计算的数字计算机不同，模拟计算机使用真实信号（例如电流或电压）进行连续计算。这可能使模拟计算更适合需要持续计算和处理的通用人工智能 (AGI) 世界。

量子计算机尚处于起步阶段，它利用量子力学原理以传统计算机无法实现的方式处理数据，从而能够更快地解决复杂问题。“量子……提供了一种与传统计算完全不同的计算能力，速度提高了几个数量级，”Yavaker 说。

他认为，通用人工智能需要兼具量子计算和模拟计算的独特特性——而这两种计算目前在市场上都尚未普及。开发一种将两者相结合的处理方式，将延长通用人工智能的实现时间。

德勤的戈尔登认为，通用人工智能系统的意义远不止于计算能力。“我认为必须有能够放大潜力的新系统，而不是仅仅关注如何实现自动化和演进。这就像技术、人类和生态系统之间的一种进化伙伴关系——这种共生蓝图必须值得信赖，必须合乎道德。而这种蓝图目前实际上并不存在。”她说道。

意识到目前在人工智能领域的投资不会直接转化为未来的通用人工智能，可能会让人有些畏惧。但这并不意味着这些投资就白费了。人工智能和通用人工智能将继续共存，并拥有各自的用例，而你现在在传统人工智能领域的投资将在未来继续带来回报。

由于还有许多技术尚未发明，Golden 和 Yavatkar 都认为通用人工智能至少还需要五年甚至十年才能实现。但他们都表示，通用人工智能终将到来，而且 Golden 相信它将拥有其存在的意义，而不仅仅是为了寻找问题的解决方案。

她说：“我们的目的是进行现实世界的推理、现实世界的理解、目标驱动的推理——你知道，寻找在理解现实世界的同时能够真正取得进步的方法。”

Garnter 的 Resnik 有不同的看法。他认为，要实现通用人工智能，必须首先达到某些编程平台，而这些突破远远超出了我们目前的编程水平，很难说何时能够实现，甚至可能永远无法实现。

“如果你只是用数据、代码和数字来训练AGI，那么我认为你根本没在训练AGI。如果你用人类互动和经验来训练AGI，并且它本质上是通过这些经验从小孩成长为成年人，那么我认为AGI是有可能实现的。”他说道。

技术有可能获得智慧吗？雷斯尼克引用了1983年的电影《战争游戏》，其中人工智能计算机系统认识到赢得核战争的唯一方法就是不参与游戏。“当人工智能获得智慧和理解力时，我们就拥有了通用人工智能 (AGI)，”他说。

不过，Gartner 确实为我们何时开始看到 AGI 的曙光设定了一个目标日期。“大约在 2035 年，我们将开始看到 AGI 的真正突破，”Resnick 说。

他预测未来十年人工智能将缓慢而稳定地发展，但不会取得巨大突破。“这不是我们某天一按开关，醒来就拥有通用人工智能的事情。这将是渐进式的，”他说。

作者：安迪·帕特里齐奥

安迪·帕特里齐奥 (Andy Patrizio) 报道计算机行业已有 20 年，Andy 为 Network World 撰写“数据中心探索者”博客。他的文章发表于多家出版物，包括《汤姆指南》、《连线》、《Dr. Dobbs Journal》、《Tech Target》、《Business Insider》和《数据中心知识》。职业生涯早期，他曾在 InternetNews、PC Week 和 InformationWeek 等 IT 出版物担任编辑。

安迪拥有罗德岛大学新闻学学士学位。

来源：人工智能学家