通用人工智能的开发新进展

今年8月于西雅图举行了第15届通用人工智能(AGI-22)年度会议，下面让我们一起来看看通用人工智能的开发新进展。

通用人工智能(AGI)是一种高级人工智能，可以跨多个领域进行泛化，并且范围并不狭窄。狭义人工智能的例子包括自动驾驶汽车、聊天机器人、国际象棋机器人或任何其他为单一目的而设计的人工智能。相比之下，AGI将能够在上述任何专业领域或任何其他专业领域之间灵活切换。它由一种投机类型的人工智能组成，可以利用迁移学习和进化学习等新兴算法，同时也利用深度强化学习等传统算法。

在开幕主题演讲中，人工智能研究员、SingularityNET的首席执行官和创始人、OpenCog基金会的负责人Ben Goertzel谈到了该行业的现状。他似乎对AGI的未来方向充满热情，他说：“我们离我们还有几年而不是几十年”。这将使AGI的最终推出大约在2029年，同一年，世界领先的发明家、思想家和未来学家之一Ray Kurzweil著名地预测了实现人类智能水平的人工智能的出现。

理论认为，一旦达到这种智能，人工智能将立即不断地自我改进，以迅速超越人类智能，即所谓的超级智能。

另一位演讲者，Future AI的创始人兼首席执行官Charles J.Simon在单独的会议上表示，“AGI的出现将是渐进的”，“AGI是不可避免的，并且会比大多数人想象的更快到来，可能需要几年时间”.

即使是这种看涨情绪，空间也存在重大障碍。Ben Goertzel还承认，要实现AGI，“我们需要注入新的想法，而不仅仅是扩大神经网络”。这是Gary Marcus的观点，他以“深度学习碰壁”着称。

创建AGI的一些核心挑战包括找出一个奖励系统，该系统可以以最明智的方式扩展智能。Moravec的悖论反映了用我们当前的技术实现AGI的当前问题。这个悖论表明，对于一岁大的孩子来说，直观的适应，比如学习如何走路和模拟现实，在人工智能中编程比人类认为的困难要困难得多。

对于人类来说，情况恰恰相反，掌握国际象棋或执行复杂的数学公式可能需要一生的时间才能掌握，但对于狭隘的人工智能来说，这两项任务相当容易。

这个悖论的解决方案之一可能是进化学习，也称为进化算法。这实质上使人工智能能够通过模仿生物进化的过程来寻找复杂的解决方案。

在另一份问答中，Ben Goertzel表示，“AGI并非不可避免，但很有可能。”这与我得出的结论相同，但必然性和概率之间的界限模糊了。

会议期间发表了许多论文，其中讨论的值得注意的论文之一是多项式函子：加利福尼亚州伯克利Topos研究所的David Spivak和西雅图华盛顿大学的Nelson Niu的相互作用的一般理论,华盛顿州。本文讨论了一个名为Poly的数学类别，当涉及到与动态过程、决策制定以及数据存储和转换的密切关系时，它可能会影响AI的未来方向。这将如何影响AGI研究还有待观察，但它可能是导致我们进入AGI的缺失组成部分之一。

当然，还有其他更具推测性的论文，例如多功能效率指数(VEI)：Mohammadreza Alidoust对AGI代理的IQ的全面定义。这个想法是构建一种替代方法来测量智能系统的智能水平，这是一种以计算方式测量AGI代理的IQ测试。

OpenAI和DeepMind是两家可能在这项基础技术上取得突破的知名公司，这两家公司都明显缺席。可能是担心AGI没有被AI社区重视，但他们是最有可能在这个领域取得第一个突破的两家公司。尤其如此，因为OpenAI的既定使命是进行基础的、长期的研究，以创建安全的AGI。

虽然会议上没有重大的革命性突破可以揭示，但很明显，AGI正在吸引许多研究人员的注意力，这是人工智能社区应该更加关注的事情。毕竟，AGI可能是解决人类多重生存威胁的解决方案。