通用人工智能 (AGI)

定义

通用人工智能(Artificial General Intelligence,AGI)是指具备广泛、灵活的认知能力,能够像人类一样在多样化的任务与领域中自主学习、推理、规划并解决问题的人工智能。它区别于仅擅长特定任务的狭义人工智能(ANI),追求的是跨领域的通用智能,理论上可媲美甚至超越人类的综合认知水平。AGI 被视为人工智能研究的长期终极目标。[1]

原理

AGI 并无统一的技术实现路径,目前仍是开放的研究前沿。主流探索方向包括:以大规模预训练模型为基础,借助扩展法则不断提升模型的通用能力,并通过多模态融合、工具使用、长期记忆与智能体框架增强其自主性;融合符号推理与神经网络的神经符号方法,以兼顾逻辑严谨与感知灵活;以及借鉴认知科学与脑科学,构建具备世界模型、因果推理与持续学习能力的系统。具身智能亦被认为是通往 AGI 的重要途径,因为通用智能可能需要在真实环境的交互中习得。

特点

AGI 的核心特征是通用性、自主性与适应性:能够将一个领域习得的知识迁移到全新情境,在无需针对性训练的情况下应对未曾遇见的问题,并具备常识推理、抽象思维与自我反思能力。当前大模型虽在广度上有所突破,但在可靠推理、因果理解、持续学习与真正的自主性方面仍存在显著差距,学界对是否及何时实现 AGI 尚无共识。

挑战

AGI 的实现面临技术与社会双重挑战。技术上,如何突破现有范式在推理深度、样本效率与泛化能力上的瓶颈尚无定论。社会与安全层面,AGI 一旦实现将带来深刻的对齐、可控性、就业结构与伦理治理问题,确保其安全可控并造福人类,是 AGI 研究中与能力提升同等重要的议题。