AGI-22 强调了通用人工智能的发展进展

我最近参加了 15^th 通用人工智能年会 （AGI-22）今年八月在西雅图举行，旨在让我熟悉可能导致最终创建通用人工智能（AGI）的新发展。

AGI 是一种高级人工智能，可以跨多个领域泛化，而且范围并不狭窄。 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专为单一目的而设计的人工智能。 相比之下，通用人工智能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。 它由一种推测类型的人工智能组成，该人工智能将利用新兴算法，例如 转移学习和进化学习，同时还利用遗留算法，例如 深度强化学习.

在开幕主题演讲中，人工智能研究员 Ben Goertzel, 首席执行官兼创始人 SingularityNET，以及领导者 OpenCog基金会 谈到了行业的现状。 他似乎对 AGI 的未来方向充满热情，表示“我们还需要几年而不是几十年”。 这将使 AGI 最终在 2029 年左右启动，同年 雷·库尔宗韦尔 世界领先的发明家、思想家和未来学家之一曾预言，人工智能的出现将达到人类水平。

该理论认为，一旦达到这种智能，人工智能就会立即持续自我改进，迅速超越人类智能，即所谓的超级智能。

另一位发言者 查尔斯·西蒙，创始人兼首席执行官 未来人工智能 在另一次会议上表示，“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早到来，可能需要几年时间”。

即使这种看涨情绪依然存在，但空间上仍存在重大障碍。 Ben Goertzel 也承认，为了实现 AGI，“我们需要注入新的想法，而不仅仅是扩大神经网络的规模”。 加里·马库斯（Gary Marcus）也有同样的观点，他因“深度学习已经碰壁”而闻名。

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。 莫拉维克悖论 反映了用我们现有的技术实现通用人工智能的当前问题。 这个悖论表明，对于一岁大的孩子来说直观的适应，例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才能掌握，但对于狭隘的人工智能来说，这两项任务相当简单。

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。 这本质上使人工智能能够通过模仿生物进化的过程来搜索复杂的解决方案。

在另一次问答中，Ben Goertzel 表示，“AGI 并非不可避免，但可能性很大。” 这与我得出的结论相同，但必然性和概率之间的界限变得模糊。

会议期间发表了许多论文，其中讨论的著名论文之一是 多项式函子：相互作用的一般理论 作者：加利福尼亚州伯克利 Topos 研究所的 David Spivak 和华盛顿州西雅图华盛顿大学的 Nelson Niu。 本文讨论了一个名为 Poly 的数学类别，当涉及到与动态过程、决策以及数据存储和转换的密切关系时，它可能会影响人工智能的未来方向。 这将如何影响 AGI 研究还有待观察，但它可能是引导我们走向 AGI 的缺失组件之一。

当然，还有其他更具推测性的论文，例如 Mohammadreza Alidoust 撰写的《多功能效率指数（VEI）：走向 AGI 智能体智商的综合定义》。这个想法是构建一个 测量智能系统智能水平的替代方法， 一种以计算方式测量 AGI 智能体的 IQ 测试。

OpenAI 和 DeepMind 是两家可能在这一底层技术上取得突破的著名公司，但两者都明显缺席。 也许是担心 AGI 不被 AI 界重视，但他们是最有可能在该领域率先突破的两家公司。 尤其如此，因为 OpenAI 的既定使命 是为了创建一个安全的通用人工智能而进行基础的、长期的研究。

虽然会议上没有透露重大的革命性突破，但很明显，AGI 正在引起许多研究人员的关注，这是人工智能界应该更加关注的事情。 毕竟，一个 AGI 可能是解决方案 解决人类面临的多重生存威胁。