AGI-22 会议亮点：人工一般智能的发展进展

我最近参加了第15届人工一般智能会议(AGI-22)，该会议于8月在西雅图举行，目的是为了熟悉可能导致人工一般智能（AGI）创造的新发展。

AGI是一种高级AI，可以跨多个领域泛化，并且其范围并不狭窄。狭窄AI的例子包括自主车辆、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AI。相比之下，AGI可以灵活地在任何上述领域或其他领域之间切换。它是一种推测性的AI类型，利用诸如迁移学习和进化学习等新兴算法，同时也利用诸如深度强化学习等传统算法。

在开幕式上，AI研究员、SingularityNET的CEO和创始人、OpenCog基金会的领导者Ben Goertzel发表了关于该行业现状的演讲。他似乎对AGI的未来方向持乐观态度，表示“我们距离实现AGI只有几年，而不是几十年”。这意味着AGI的发布大约将在2029年，这也是世界领先的发明家、思想家和未来学家Ray Kurzweil预测AI达到人类智能水平的年份。

理论认为，一旦达到这种智能水平，AI将立即并持续自我改进，以迅速超过人类的智能，这被称为超智能。

另一位演讲者Charles J. Simon，Future AI的创始人和CEO，在一个单独的会议上表示，“AGI的出现将是渐进的”，“AGI是不可避免的，很快就会到来，可能只需要几年”。

尽管存在乐观的情绪，但在这一领域仍然存在着重大的障碍。Ben Goertzel也承认，为了实现AGI，“我们需要新的想法，而不仅仅是扩大神经网络”。这是Gary Marcus也曾表达过的观点，他曾说过“深度学习已经遇到瓶颈”。

创建AGI的一些核心挑战包括设计一个奖励系统，以最大限度地告知智能的扩展。 莫拉维克悖论反映了当前技术下实现AGI的困难。这个悖论指出，对于一岁孩子来说很直观的适应性，如学习走路和模拟现实，对于编程AI来说要困难得多。

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时间，但这些对于狭窄的AI来说是相对容易的任务。

解决这个悖论的一种可能方法是进化学习，也称为进化算法。这基本上使AI能够通过模拟生物进化的过程来搜索复杂的解决方案。

在一个单独的问答环节中，Ben Goertzel表示，“AGI并不是不可避免的，但其可能性很高”。这是我也得出的结论，但不可避免性和可能性之间的界限变得模糊。

在会议期间，提出了许多论文，其中一个值得注意的论文是多项式函授：交互的一般理论，由Topos研究所的David Spivak和华盛顿大学的Nelson Niu共同撰写。该论文讨论了一个称为Poly的数学范畴，它可能会影响AI在与动态过程、决策和数据存储及转换相关的亲密关系方面的未来发展。目前尚不清楚这将如何影响AGI研究，但它可能是导致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的多样性-效率指数（VEI）：AGI代理的综合IQ定义。该想法是构建一种替代方法来衡量智能系统的智能水平，一种计算方式的IQ测试来衡量AGI代理。

可能在这一基础技术上取得突破的两家著名公司是OpenAI和DeepMind，它们在会议上都很显眼地缺席。可能是由于担心AGI没有被AI社区认真对待，但它们是最有可能在这一领域取得突破的两家公司。这尤其正确，因为OpenAI的既定使命是进行基础的、长期的研究，以创建一个安全的AGI。

尽管没有重大革命性的突破，但很明显AGI正占据着许多研究人员的注意力，这也是AI社区应该更加关注的东西。毕竟，AGI可能是解决人类多重生存威胁的解决方案。