在人工智能（AI）领域，人工通用智能（AGI）的概念一直备受关注，但其定义却始终模糊不清。围绕AGI的争议，甚至导致了微软和OpenAI等科技巨头之间的分歧。本文将深入探讨AGI定义的困境、历史演变、以及对行业的影响，并尝试为理解AI的未来提供新的视角。
AGI：一个定义模糊的概念
AGI，即人工通用智能，指的是一种具备广泛通用性的AI系统，能够在多个领域执行任务，而无需针对特定任务进行专门训练。然而，对于AGI的具体含义，业界并没有统一的共识。有人认为，AGI应该在经济上产生显著影响，例如创造1000亿美元的利润；也有人认为，AGI应该具备人类水平的智能，能够在各种任务中达到或超过人类的表现。
这种定义上的模糊性，给AGI的发展和监管带来了诸多挑战。当企业声称即将实现AGI时，它们究竟在说什么？我们又该如何衡量AGI的进展？
AGI定义的历史演变
AGI的概念并非一蹴而就，而是经历了漫长的发展过程。最初，AI研究人员的目标是开发能够模拟人类所有能力的系统。然而，随着机器人技术的滞后，AGI的定义逐渐缩小，从“做人类能做的一切”转变为“做最具经济价值的任务”。
在很长一段时间里，图灵测试是衡量机器智能的标准。如果一台计算机能够通过文本对话，让人类评判者误以为它是人类，那么它就被认为达到了人类智能的水平。然而，现代语言模型已经能够通过图灵测试，但这并不意味着它们真的像人类一样思考，而仅仅是因为它们擅长模仿人类的语言模式。
业界对AGI的不同看法
目前，业界对AGI的定义众说纷纭。OpenAI的章程将AGI定义为“在大多数经济上有价值的工作中，超越人类的高度自主系统”。Meta的创始人马克·扎克伯格则表示，他对AGI没有一个“简洁的定义”。OpenAI的CEO萨姆·奥特曼认为，他的公司现在知道如何构建“我们传统上理解的”AGI。而OpenAI的前首席科学家伊利亚·萨茨克维则将AGI视为一种近乎神秘的事物。
Anthropic的CEO达里奥·阿莫代伊对AGI这个术语持怀疑态度。他认为，“AGI是一个不精确的术语，带有很多科幻色彩和炒作”。他更喜欢使用“强大的AI”或“专家级科学与工程”等术语，认为这些术语更能捕捉AI的能力，而不会引起过多的炒作。
谷歌DeepMind提出了一个AGI性能框架，将AGI分为五个级别：新兴、胜任、专家、大师和超人。DeepMind的研究人员认为，当时还没有超出“新兴AGI”的级别。根据他们的系统，目前最强大的LLM和模拟推理模型仍然属于“新兴AGI”，相当于或略好于在各种任务中没有技能的人类。
AGI定义争议的影响
AGI定义的争议，不仅仅是学术上的争论，更对行业产生了实际的影响。微软和OpenAI之间的争端，就是一个典型的例子。这两家公司在合作协议中规定，当OpenAI实现AGI时，它可以限制微软对未来技术的访问。然而，由于双方对AGI的理解存在分歧，导致了谈判的破裂。
此外，AGI定义的模糊性，也给监管带来了挑战。当政策制定者基于炒作，而不是科学证据来制定政策时，他们可能会做出与现实不符的决策。当公司围绕未定义的术语签订合同时，可能会埋下法律隐患。
AGI基准测试的困境
为了更客观地衡量AGI的进展，研究人员一直在努力创建更好的基准测试。抽象和推理语料库（ARC-AGI）就是其中之一。ARC-AGI旨在测试AI系统解决需要深入和新颖的分析推理的视觉难题的能力。
然而，即使是像ARC-AGI这样复杂的基准测试，也面临着一个根本问题：它们仍然试图将智能简化为一个分数。智能不是一个可以像身高或体重一样测量的单一事物，而是一个在不同环境中以不同方式表现出来的复杂能力。
AGI的未来：关注特定能力
与其追求一个定义模糊、不断后退的目标，不如关注AI的具体能力：这个系统能否在没有大量重新训练的情况下学习新任务？它能否解释其输出？它能否产生不伤害或误导人们的安全输出？这些问题比任何AGI的推测都能告诉我们更多关于AI进展的信息。
展望未来，我们或许应该放弃AGI这个术语，转而将AI的进展视为一个多维度的光谱，而不是一个特定的成就阈值。要绘制这个光谱，需要新的基准测试，以及对“智能”的明确定义，而这些都还有待实现。
模糊逻辑在AGI中的应用
在探讨AGI的过程中，模糊逻辑（Fuzzy Logic）作为一种处理不确定性和模糊性的数学方法，正逐渐受到重视。模糊逻辑并非像传统逻辑那样，将事物划分为绝对的“真”或“假”，而是允许事物在一定程度上具有“亦真亦亦假”的属性。
模糊逻辑的基本概念
模糊逻辑的核心在于模糊集合（Fuzzy Set）的概念。与传统集合明确定义元素是否属于该集合不同，模糊集合为每个元素分配一个隶属度，表示该元素属于该集合的程度。隶属度通常在0到1之间，0表示完全不属于，1表示完全属于，中间值表示部分属于。
例如，在描述“温度高”这个概念时，传统逻辑可能会设定一个明确的温度阈值，高于该阈值则为“高”，低于则为“不高”。而模糊逻辑则会定义一个模糊集合，允许温度在一定范围内逐渐过渡到“高”的状态，不同的温度值对应不同的隶属度。
模糊逻辑在AGI中的潜在应用
处理不确定性信息：AGI系统在处理现实世界的信息时，常常会遇到不确定性和模糊性。例如，自然语言理解、图像识别等任务都涉及到对模糊信息的处理。模糊逻辑可以帮助AGI系统更好地理解和推理这些不确定性信息，提高其鲁棒性和适应性。
模拟人类思维：人类在进行决策和推理时，常常会使用模糊的概念和规则。例如，“如果天气晴朗，则适合出去玩”。这里的“晴朗”和“适合”都是模糊的概念。模糊逻辑可以帮助AGI系统模拟人类的思维方式，使其决策和推理更贴近人类的直觉。
优化控制系统：AGI可以应用于各种控制系统中，例如机器人控制、智能家居控制等。模糊逻辑可以帮助AGI系统更好地处理控制过程中的不确定性和模糊性，实现更精确、更稳定的控制。
模糊逻辑面临的挑战
尽管模糊逻辑在AGI中具有潜在的应用价值，但也面临着一些挑战：
知识获取：模糊逻辑需要大量的领域知识来定义模糊集合和规则。如何有效地获取和表示这些知识，是一个重要的研究问题。
计算复杂性：模糊逻辑的计算复杂性较高，尤其是在处理大规模数据时。如何提高模糊逻辑的计算效率，是一个重要的工程问题。
理论完善：模糊逻辑的理论基础相对薄弱，缺乏统一的框架和方法。如何完善模糊逻辑的理论体系，是一个重要的学术问题。
结论
AGI的定义仍然是一个悬而未决的问题。与其纠结于一个难以捉摸的定义，不如将重点放在开发具有特定能力的AI系统上。模糊逻辑作为一种处理不确定性和模糊性的数学方法，有望在AGI的发展中发挥重要作用。未来的研究可以关注如何更好地将模糊逻辑应用于AGI，以提高其鲁棒性、适应性和智能化水平。
