实现通用人工智能需要什么？一些最新思考

要了解打造更强大人工智能的方法，一个好途径是与当今各类会议和贸易展会上汇聚的专家交流，集思广益地探讨近期未来的可能发展方向。

本月初举办了消费电子展 (CES)，全年还有其他行业展会。此外还有各种研讨会和会议活动，行业内部人士在这些场合讨论可能性、优先事项和解决方案。

通过与这些业内人士的非正式交谈，以及聆听正式演讲，我发现一些共同的主题逐渐浮现。这些主题涉及引入下一代 AI 所需要的条件 - 即比当前更具活力和能力的人工智能系统。

以下是人们谈论的关于 2025 年 AI 现代化进展的一些关键要素。

物理感知系统 为了真正令人印象深刻，AI 系统需要理解周围的世界。这很困难，因为它们没有生物躯体，不能天生就具备各种帮助在三维空间导航的装置和设备。

然而，AI 系统正在学习物理学，其学习方式与学习其他任何东西相同 - 通过海量的训练数据，以及极其复杂的神经网络，通过反向传播和随机分析等过程来锁定正确的结果。

所以我们正在逐步接近通用人工智能 (AGI) 的这一部分。

持久记忆 AI 变得更强大的另一个重要因素是系统能够更好地记住过去的经历。

这体现在各个方面 - 包括与人类之前互动的信息、来自周围世界的感知数据，以及其他类型的经验性数据，或者能为机器的经验提供信息的数据。

例如，当你询问 ChatGPT 时，它将动态记忆定义为"长期信息的存储和检索"，将终身学习定义为"在不发生灾难性遗忘的情况下持续获取、保留和完善知识的能力"。

灾难性遗忘？这种说法在某种程度上很有诗意。

物理交互和感觉运动技能 AI 的强大程度取决于其硬件系统和在物理世界中的实体存在。

换句话说，一台桌面计算机能做的事情很有限。它必须能够移动并与物理系统进行交互。这意味着需要复杂的感知系统，同时也需要具有物理感知能力的仿生结构来在三维空间中导航。

当我们谈论机器人灵巧性时，就是在讨论这个类别。

获取训练数据 此外，AI 的好坏取决于其训练数据。它必须有准确的输入才能产生有用的输出。这就是人们关注"幻觉"问题的原因，即 AI 给出完全错误的陈述。

这也涉及到自然偏见和 AI 系统校准不当的问题。

如果只是推荐音乐，这可能不是什么大问题，但如果 AI 负责审批贷款或帮助人们找工作，这就可能是一个很大的问题。

多维 AI 这是我最近从一些讨论 AGI 发展路径的专家那里得到的另一个想法。

他们认为，AI 不是线性的，而是多维的。它不只沿着一条轨迹发展，而是沿着多条轨迹发展，这些轨迹结合形成了我们所看到的人工智能前沿。

这让我想到了 Marvin Minsky 的工作。在他的《心智社会》一书中，Minsky 明确提出了他的理论：人类大脑不是一台计算机，而是一个协作组件的集合，这些组件协同工作，实时执行人类认知。

你也可以称它们为"智能体"。

今年，人们在谈论"主动式 AI"和多智能体协作智能系统。当计算机能够分享工作并委派任务时，它们就能开始构建更像人类大脑的复杂系统。

早期科幻作家的想法是错误的 - 问题不在于线性扫描人类大脑活动并复制它。而是让这些人工系统能够进化到像人类大脑一样工作，并提供许多相同的性能。

这是我在过去几周听到的一些观点，我们正在为 AI 的丰收之年做准备。请持续关注这个领域 - 因为将会有很多进展，不仅是在模型和硬件方面，还包括规划，以及希望能建立监管框架。我们必须认识到 AI 的力量，以正确的方式驾驭它。这需要付出努力。