通用人工智能 (AGI)

通用人工智能 (AGI) 代表着计算机科学中的一个理论里程碑，届时机器将具备认知灵活性，能够理解、学习并将知识应用于各种任务，匹配或超越人类能力。与为特定功能设计的当前AI系统不同，AGI将能够自主推理、在陌生环境中解决问题，并将经验从一个领域推广到另一个领域。尽管AGI仍然是深入研究和辩论的主题，但它是OpenAI和Google DeepMind等主要研究组织的最终目标，有望重塑我们与技术互动的方式。

区分通用人工智能与窄人工智能

为了理解达到 AGI 所需的飞跃，必须将其与我们今天与之交互的 人工智能 (AI) 区分开来。

• 人工窄智能（ANI）： 亦称弱人工智能，涵盖所有现有AI应用。这类系统擅长执行特定的预定义任务。 例如， Ultralytics 作为尖端ANI模型， 在目标检测 与图像分割领域 经过高度优化。尽管YOLO26能比人类 更快更准确地识别物体，但除非针对 特定任务进行重新训练，否则它既不能下棋 也无法创作诗歌。
• AGI（强人工智能）：通常被称为强人工智能，AGI系统不会局限于单一模态。它将展现真正的迁移学习能力，能够将物理模拟中习得的逻辑应用于金融市场。这种多功能性模拟了人类大脑广泛的认知计算能力。

核心特征与挑战

开发通用人工智能（AGI）需要克服重大技术障碍，而不仅仅是向神经网络（NN）添加更多数据。这涉及创建能够支持以下功能的架构：

• 抽象推理: 在没有先验特定 训练数据 的情况下，分析复杂、新颖的情况并形成逻辑结论的能力。
• 常识：对因果关系和物理定律的直观理解，这是当前深度学习（DL）模型仍难以完全掌握的特性。
• 意识：关于机器能否具备感知能力的哲学与技术难题，常在思想实验中被探讨，例如中文房间论证。

实现这些特性可能需要海量计算资源，依赖于创新者提供的先进硬件 例如 NVIDIA 等创新企业提供的先进硬件以及高效的模型优化技术。

假设的现实世界应用

由于通用人工智能尚未存在，其应用虽具推测性却具有变革性。斯坦福大学人工智能研究所等机构的专家指出，通用人工智能作为完全自主的智能体，有望彻底革新各行各业。

1. 自主科学研究：不同于当前医疗领域中通过标注扫描异常来辅助医生的AI技术，通用人工智能（AGI）能够独立审阅医学文献、提出假说并设计实验来攻克疾病。
2. 通用机器人技术：在机器人领域，通用人工智能（AGI）将使机器能够在非结构化环境中自主导航。由AGI驱动的机器人能够执行家务劳动、烹饪料理并提供养老护理，无需重新编程即可适应任何家庭的独特布局与需求。这为机器人领域的人工智能开辟了全新可能性。

可视化当前人工智能的局限性

虽然我们尚无法编写通用人工智能（AGI），但我们可以展示先进窄域AI的能力。以下代码片段使用了 ultralytics 包来运行推理任务。这代表了窄域智能（ANI），因为该模型仅限于检测其经过专门训练的对象，缺乏人工通用智能（AGI）所具备的通用理解能力。

from ultralytics import YOLO

# Load the YOLO26 model (Artificial Narrow Intelligence)
# This model excels at vision tasks but is limited to its training domain
model = YOLO("yolo26n.pt")

# Perform object detection on an image
results = model.predict("https://ultralytics.com/images/bus.jpg")

# The model identifies patterns, but does not 'understand' the scene context
results[0].show()

前进之路：从窄域智能到人工通用智能

当前研究正通过多模态学习弥合窄域应用与通用智能之间的差距。像GPT-4和大型语言模型（LLMs）这样的模型，通过同时处理文本、代码和图像，开始展现出通用推理的火花。像Ultralytics Platform这样的工具赋能开发者训练日益复杂的模型，为有朝一日可能导向真正的人工通用智能的基础研究做出贡献。目前，掌握监督学习并优化特定任务，仍然是发挥AI价值最有效的方式。