AGI-22 突出了开发人工通用智能的进展

我最近参加了 第 15 届人工通用智能年会 (AGI-22) ，该会议于八月在西雅图举行，我试图熟悉可能导致人工通用智能 (AGI) 最终创造的新发展。

人工通用智能 (AGI) 是一种可以跨多个领域泛化且不狭隘的高级 AI 。狭隘 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 将能够灵活地在任何上述领域或任何其他领域之间切换。它由一种推测性的 AI 组成，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。

在开幕式主旨演讲中，AI 研究员 、SingularityNET 的 CEO 和创始人、OpenCog 基金会的领导人 Ben Goertzel 讨论了该行业的现状。他似乎对 AGI 的未来方向感到热情，称“我们距离实现 AGI 只有几年，而不是几十年”。这将使 AGI 的最终推出时间大约为 2029 年，这也是世界领先的发明家、思想家和未来学家 雷·库兹韦尔 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，以迅速超过人类智能，达到所谓的超智能。

另一位演讲者 查尔斯·西蒙 ，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，会比大多数人想象的更快到来，可能只需几年”。

即使有这样的看好情绪，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”。这是由 Gary Marcus 所分享的观点，他曾经说过“深度学习已经遇到了瓶颈”。

创建 AGI 的一些核心挑战包括弄清楚一个奖励系统，可以以最大限度地告知的方式扩展智能。 莫拉维克悖论 反映了我们当前技术实现 AGI 的问题。这个悖论指出，对于一岁孩子来说很直观的适应性，如学习如何行走和模拟现实，编程到 AI 中比人类认为困难的任务要困难得多。

对于人类来说，这是相反的，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，但这些对于狭隘的 AI 来说都是相当容易的任务。

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 不是不可避免的，但它的可能性非常高”。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，有很多论文被提出，一个值得注意的论文是由伯克利加州 Topos 研究所的 David Spivak 和华盛顿西雅图大学的 Nelson Niu 撰写的 多项式函子：交互的通用理论 。这篇论文讨论了一种称为 Poly 的数学类别，它可能会影响 AI 未来发展方向，特别是在与动态过程、决策和数据存储与转换的亲密关系方面。仍然需要观察这将如何影响 AGI 研究，但它可能是缺失的组件之一，可以带领我们走向 AGI 。

当然，还有其他更具推测性的论文，例如由 Mohammadreza Alidoust 撰写的多才多艺 – 效率指数 (VEI) ：AGI 代理的全面定义的 IQ 向。这个想法是构建一种替代方法来衡量智能系统的智能水平，例如一种计算方式的 IQ 测试来衡量 AGI 代理。

可能在这项基础技术中取得突破的两家著名公司是 OpenAI 和 DeepMind ，它们都没有参加会议。可能是因为他们担心 AGI 在 AI 社区中没有被认真对待，但它们是最有可能在该领域取得突破的两家公司。这尤其正确，因为 OpenAI 的既定使命 是进行创造安全 AGI 的基本、长期研究。

虽然会议上没有任何重大的革命性突破，但很明显 AGI 正在占据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 可能是解决人类多个生存威胁的解决方案。