Artificial General Intelligence (AGI)

通用人工智能（AGI）是一种假设中的人工智能（AI），其能力在几乎所有认知任务上都能达到或超过人类水平，并且无需针对每项新任务专门构建或重新训练，就能学习新任务。按大多数定义，如今在用的每个 AI 系统都属于狭义人工智能（ANI），只能胜任其训练范围内的任务；不过，能够跨多个领域写作、编程和推理的大型语言模型（LLMs）让这一界限成为热议话题。在现代用法中，强人工智能是 AGI 的同义词。Mark Gubrud 于 1997 年使用了这一术语，研究人员 Shane Legg 和 Ben Goertzel 则在 2002 年前后使其广为人知。

定义 AGI#

AGI 没有统一公认的定义，主要提案衡量的方面各不相同：

• 经济产出：OpenAI 的章程将 AGI 定义为“在大多数有经济价值的工作中表现优于人类的高度自主系统”。
• 表现与通用性：Google DeepMind 的一个团队提出了 AGI 等级，从两个维度评价系统：系统相较于熟练成年人的表现如何，等级从初现（与不熟练的人类相当或略强）到超人（强于所有人类）；以及系统是在一项任务上，还是在多种非物理任务（包括学习新技能）上达到这一表现。
• 学习效率：François Chollet 在《论智能的衡量》（2019）中将智能定义为技能习得效率：在数据和先验知识有限的情况下，系统掌握从未见过的任务有多快，而不是系统已经积累了多少技能。
• 心智与理解：哲学上的问题在于，机器是否真的会理解并拥有心智；这正是约翰·塞尔在 1980 年「中文房间」论证中提出的强人工智能原始含义。

AGI 能力等级框架通过最多三个问题对系统进行分类，首先考察通用性：

作者将 2023 年的 聊天机器人，如 ChatGPT、Bard 和 Llama 2，归为新兴 AGI，并将所有更高的通用能力等级列为尚未实现；与此同时，狭义系统已覆盖整个能力范围，直至超人级，作者将 AlphaFold、AlphaZero 和 Stockfish 列入这一等级。

AGI 与狭义 AI、超级智能#

• ANI：在明确定义的范围内表现出色，要处理范围外的任务，则需要新数据和重新训练。在 COCO 数据集上训练的 Ultralytics YOLO26 检测器，在能力等级框架中属于狭义 AI：它能在每张图像上用几毫秒找到并标注 80 个物体类别，但若不重新训练或借助周边的其他系统，它就无法学习新类别、回答问题或规划行动。
• AGI：在大多数认知任务上的表现可与熟练的人类相当，并能将所学知识迁移到从未接受过训练的领域；而如今，迁移学习只能在密切相关的任务之间实现这种能力。
• 人工超级智能 (ASI)：几乎在所有领域都超越最优秀的人类。一个提升自身智能的速度快到人类无法跟上的系统，正是技术奇点设想背后的情景。
• 强人工智能：现代用法中 AGI 的同义词。在塞尔最初的定义中，它指真正拥有心智的机器；这种关于理解能力的主张，并非能力测试所能检验。

前沿大语言模型让这些类别难以界定。一个模型可以起草合同、解答竞赛数学题并描述图像，但它的能力并不均衡，这种现象称为锯齿状智能；而且训练结束后，它的权重便不再学习。

尚待解决的问题#

• 持续学习：已部署的模型只能在其上下文窗口内适应；用新数据继续训练模型，则可能导致模型灾难性遗忘先前掌握的技能。
• 可靠性：即使模型通过了专家考试，仍会自信地给出错误答案，例如产生幻觉，而且在它们已经能够解决的任务中，只要出现简单变化，就可能不可预测地失败。
• 物理世界：具身 AI系统必须在真实环境中感知、规划并采取行动；能够预测场景如何变化的世界模型，是实现这类系统所需常识的一种可行路径。
• 对齐与控制：AI 安全研究（包括超级对齐）探讨如何确保可能超越监管者能力的系统，始终追求人类期望的目标。

衡量 AGI 的进展#

由于定义各不相同，测试方法也各不相同。ARC-AGI基准测试遵循 Chollet 的定义，采用人类能轻松解决的新颖谜题；测试使用隐藏测试集评分，以防模型记住答案。ARC-AGI-3 于 2026 年 3 月推出，用数百个交互式游戏环境取代静态网格谜题；这些环境没有说明或明示目标，因此智能体必须探索、推断规则并进行规划；发布时，人类测试者的得分为 100%，前沿 AI 系统的得分为 0.51%。2026 年 9 月，ARC Prize Foundation 报告称，OpenAI 的 GPT-6 Astra 在标准测试框架下达到 62.7%，在每次行动之间保留模型推理状态的框架下达到 99.9%；该机构还指出，即使基准测试达到饱和，也不能证明实现了 AGI。像人类终极考试这类知识密集型测试，则衡量专家级的问答能力。

AGI 何时到来的预测差异很大。一项针对 2,778 名曾在顶级 AI 会议发表论文的研究者开展的调查于2024 年发布；综合预测显示，到 2047 年，未经辅助的机器在所有可能任务上的表现都超过人类的概率为 50%，比同一团队前一年开展的调查预测提前了 13 年。