ADVERTISEMENT
Google DeepMind聯合創始人肖恩·萊格（Shane Legg）帶領的DeepMind研究團隊發佈論文（Levels of AGI: Operationalizing Progress on the Path to AGI），提出了對通用人工智慧（AGI）的更清晰定義，制定了類似於自動駕駛L1-L5等級的AGI分級分類框架。
長期以來，AGI都是一個含義模糊的概念，粗略可以將其理解為「和人類差不多聰明」。研究團隊在論文中寫道，「我們希望提供一個共通的語言，用於比較模型、評估風險，以及衡量我們在通往AGI的道路上行進到了什麼階段。」
ADVERTISEMENT
AGI六大定義原則
研究團隊沒有用一句話概括AGI，而是提出，任何對AGI的定義都應滿足六條原則：
關注能力，而非過程
也就是說關注AGI可以完成什麼，而不是完成任務的機制。這種將關注焦點放在能力上的方式，使我們能夠將一些內容排除在對AGI的要求之外，比如實現AGI並不意味著智慧體以類似人類的方式思考或理解，或實現AGI並不意味著智慧體具備意識或感知（具有情感的能力），因為這些特質不僅側重於過程，而且目前無法透過公認的科學方法來衡量。
關注通用性和性能
研究團隊認為，通用性和性能是AGI的關鍵組成部分。
ADVERTISEMENT
關注認知和元認知任務
大多數對AGI的定義側重於認知任務，可以理解為非物理任務。儘管目前機器人技術取得了一些進展，但與非物理能力相比，AI系統的物理能力似乎滯後了。執行物理任務的能力確實增加了智慧體的通用性，但我們認為這不應被視為實現AGI必要的先決條件。另一方面，元認知能力（例如學習新任務的能力或知道何時向人類請求澄清或協助的能力）是智慧體實現通用性的關鍵先決條件。
關注潛力，而非部署
證明系統能夠以一定性能水平執行一組必要任務，應該足以宣佈該系統為AGI，在現實世界部署這樣的系統，不應該成為AGI定義的固有要求。
關注生態效度
我們希望強調，選擇與人們在現實世界（即生態有效）所重視的任務相一致的任務非常重要。
ADVERTISEMENT
關注通往AGI的路徑，而不是單一的終點。研究團隊提出AGI的五級分類，每個AGI等級都與一組明確的度量/基準相關聯，以及每個等級都引入已識別的風險和人機互動範式的變化，比如OpenAI提出的勞動替代定義就更符合「大師AGI」。
AGI五級分類
基於能力深度（性能）和廣度（通用性），該研究將AGI分類為：非AI、初級、中級、專家、大師、超級智慧。單個系統可能橫跨分類法中的不同等級，截至2023年9月，前沿語言模型如OpenAI的ChatGPT、Google的Bard、Meta的Llama 2在某些任務上（如短篇論文寫作、簡單編碼）表現出能力嫻熟的「中級」性能水平，但在大多數任務上（如數學能力、涉及事實性的任務）仍處於「初級」。
ADVERTISEMENT
研究團隊認為，總的來說，當前的前沿語言模型會被視為第1級通用AI，即「初級AGI」，直到其性能水平在更廣泛的任務集上提高，滿足第2級通用AI（能力嫻熟AGI）的標準。
同時，研究團隊提醒道，獲得特定認知領域的更強技能，可能對AI安全產生嚴重影響，如在掌握強大的倫理推理技能之前獲得強大的化學工程知識，可能是一種危險的組合。還要注意，性能或通用性等級之間的進展速度可能是非線性的。獲得學習新技能的能力可能會加速通往下一個等級的處理程序。
在性能和通用性的綜合方面，分級中的最高等級是ASI（人工超級智慧）。研究團隊將「超級智慧」性能定義為超過100%的人類。例如，研究團隊假定AlphaFold是分類法中的第5級「限定領域超人AI」，因為它在一個任務（從氨基酸序列預測蛋白質的三維結構）上的表現高於全球頂級科學家的水平。這個定義意味著第5級通用AI（ASI）系統將能夠以沒有人類能夠匹敵的水平執行各種任務。
此外，這個框架還意味著這樣的「超人系統」可能能夠執行比AGI低等級更廣泛的任務，可以理解為其能夠實現原本人類完全不可能執行的任務。ASI可能具有的非人類技能可能包括神經介面（透過分析大腦訊號來解碼思想的機制）、神諭能力（透過分析大量資料來做出高品質預測的機制），以及與動物交流的能力（透過分析它們的聲音、腦電波或肢體語言的模式等機制）。
10月底，萊格在接受科技播客採訪時表示，他仍然堅持2011年就曾公開發表的觀點——研究人員有50%的可能在2028年實現AGI。那麼這具體指的是哪一個等級？目前他還沒有明確的闡釋。
ADVERTISEMENT