mycin系统人工智能-通用人工智能（AGI）：营造创新生态重视防范风险

自从人类发明了电脑，我们就一直在设想和探索如何赋予机器人工智能（AI）。如今，我们处于一个窄AI已经深入到生活的各个方面，而通用人工智能（AGI）仍在探索和发展的阶段。窄AI，例如推荐系统、语音识别等，已经相当成熟。然而，AGI，其理论上具备人类水平的智能和全面的适应能力，还在研究的早期阶段。

2023年4月28日，中共中央政治局会议提出，要重视通用人工智能发展，营造创新生态，重视防范风险。通用人工智能（AGI）终极目标是到达人类的智能水平，具备理解、学习、推理和创新的能力，以应对各种任务和问题。人脑作为AGI的唯一样本，是AGI发展的重要参照和启示的源泉。近年来，基于人脑结构和功能的深入探究，为AGI的高效、精确和全面发展提供了丰富的洞察和支持，如借鉴人脑神经元和突触工作原理来构建人工神经网络；从人脑长期和短期记忆存储机制获得灵感，开发记忆功能的神经网络模型等。

何为AGI？

AGI是Artificial General Intelligence的缩写，中文是“通用人工智能”，是指一种能够像人类一样思考、学习和执行多种任务的人工智能系统。相比窄AI，AGI的关键特征包括理解、学习、适应性和自主决策。这意味着AGI需要能够理解和学习新的概念、解决问题和做出决策，而无需特定的预编程。

目前大多数人工智能系统是针对特定任务或领域进行优化的，例如语音识别、图像识别、自然语言处理、推荐系统等，这是将问题得到简化的很棒的一种解决问题的方法。这些系统在其特定领域中可能表现得很出色，但它们缺乏通用性和灵活性，不能适应各种不同的任务和环境。与这些人工智能系统专注于解决特定问题或领域不同，AGI的目标是创建一个全面智能的系统，可以解决广泛的问题并进行多种任务。这种系统能够在不同的环境中适应和学习，并且可以从不同的来源中获取信息，像人类一样进行推理和决策。

"AGI"这个词汇最早可以追溯到2003年由瑞典哲学家Nick Bostrom发表的一篇论文《Ethical Issues in Advanced Artificial Intelligence》。在该论文中，Bostrom讨论了超级智能的道德问题，并在其中引入了"AGI"这一概念，描述了一种能够像人类一样思考、学习和执行多种任务的人工智能系统的概念。

在2023年3月1日，AI教父Geoffrey Hinton透露，谷歌新开发的一种人工智能模型让他感到惊讶。这种模型可以解释为什么一个笑话很有趣。这一开创性的能力把人工智能提到了一个新的高度。希望后续可以看到更多消息。Hinton 称赞谷歌在开发高级人工智能模型时所采取的更为谨慎的方法。在他看来，随着人工智能领域的不断发展和变革，事实可能会证明，这种谨慎非常宝贵。

对于通用人工智能来说，它需要有以下特质：

·自动推理，在新环境，新任务上具备推理和决策能力；

·知识表示，包括常识知识表征；

·自动规划，对长期复杂任务规划分解能力

·自主学习、创新；

·自然语言: 能理解人类自然语言并使用自然语言进行沟通；

以及，整合以上这些手段来达到同一个目标。

AGI的发展历程

人工智能的发展可以追溯到20世纪初，当时的研究主要集中在规则制定和逻辑推理。然而，随着技术的发展，AI已经发展到了深度学习和强化学习的阶段，这些都是朝向AGI发展的重要步骤。在此过程中，有些关键的里程碑和成果值得一提，例如IBM的深蓝击败国际象棋冠军，以及AlphaGo击败世界围棋冠军。

AGI的历史发展可以分为三个阶段：

第一阶段：AI的诞生和萌芽（1950-1980），这一阶段，AI的先驱们提出了一些基本的概念和方法，如图灵测试、通用问题求解器、逻辑推理、知识表示等，试图构建具有通用智能的机器。这一阶段的代表性成果有ELIZA、SHRDLU、MYCIN等。

第二阶段：AI的分化和专业化（1980-2010），这一阶段，由于通用智能的难度超出了预期，AI的研究者们转向了更具体和实用的领域和问题，如专家系统、机器学习、自然语言处理、计算机视觉等。这一阶段的代表性成果有CYC、IBM深蓝、Siri等。

第三阶段：AI的复兴和整合（2010-至今），这一阶段，由于深度学习等技术的突破，AI的研究者们重新关注了通用智能的目标，尝试将不同领域和任务的AI系统整合起来，形成更强大和灵活的智能。这一阶段的代表性成果有AlphaGo、GPT-3、ChatGPT等。

AGI的应用场景

虽然AGI的完全实现尚未到来，但我们已经可以看到一些早期的应用场景和案例。自动驾驶汽车正在学习如何在各种环境和情况下安全驾驶，这需要大量的数据和综合处理能力。在医疗领域，AI也开始被用来进行诊断和预测。同时，我们也看到了一些具有代表性的AI系统，如OpenAI的GPT4和DeepMind的AlphaGo Zero，尽管它们还未完全达到AGI的水平mycin系统人工智能，但已经展示了通向AGI的可能性。

医疗：AGI系统可以做出更准确的诊断和治疗建议，帮助医生提高医疗水平。此外，AGI系统还可以帮助研究人员在药物研发和临床试验中更好地理解疾病和治疗方法。

教育：相对于“AI+”阶段在教育领域应用的探索，“AGI+”的落地项目涉及范围更广，应用上也更为成熟。目前，在K12等教育细分领域已经出现了颇具规模的独角兽公司。从产品形态来看，人工智能与教育的结合形态主要包括两类，一类是偏向生活的教育服务机器人，另一类是则是偏向教学的工具软件。

金融： “智能金融”指的是人工智能技术与金融服务和产品的动态融合。即通过利用人工智能技术，创新金融产品和服务模式、改善客户体验、提高服务效率等，其参与者不仅包括为金融机构提供人工智能技术服务的公司，也包括传统金融机构、新兴金融业态以及金融业不可或缺的监管机构，这些参与者共同组成智能金融生态系统。人工智能技术与金融的结合并不出人意料，总体来看，科技赋能金融行业发展至今共经历了IT+金融、互联网+金融以及今天的人工智能+金融三个阶段。而我们目前所处的，就是面向未来的金融智能化阶段。

传媒：以ChatGPT及GPT-4为代表的AGI模型工具在传媒业的应用来看，其对传媒业产生了不少的正向影响。第一，解放生产力，促进传媒从业者高质量高效率产出。传媒业以内容生产传播为核心，需要充足的内容生产力。第二，提高传媒业数字内容生产质量。第三，降低媒介经营门槛，商业版图或将重新分配。

农业：AGI还可以通过计算育种来开发新的作物品种，这可以加快开发更有弹性、更高产的作物的过程。AGI在农业上的另一个潜在应用是农场自动化mycin系统人工智能，在农场自动化中，配备了先进的计算机视觉和机器学习能力的机器人和无人机可以执行广泛的任务，从种植和收获到监测作物和牲畜。

汽车：AGI系统可以帮助自动驾驶汽车更好地适应各种复杂的交通情况，并在紧急情况下做出正确的决策。AGI系统还可以帮助城市规划师更好地规划城市交通，提高交通效率。

AGI的实现

实现AGI需要在深度学习、强化学习、知识表示等多个方面取得技术突破，以便构建具有广泛智能的模型。

数据资源：大量高质量的数据资源是实现AGI的基础。研究者需要搜集和整合各种领域的数据，以便训练AGI系统。

硬件支持：AGI需要足够强大的硬件支持。未来的计算设备需要在处理能力、内存、能源效率等方面不断提升，以满足AGI系统的需求。

跨学科研究：实现AGI需要各个学科领域的紧密合作，包括计算机科学、神经科学、认知科学、心理学等。这有助于更好地理解人类智能的本质，并为AGI的发展提供更多启示。

法规与伦理：随着AGI技术的发展，伦理和法规问题变得尤为重要。研究者和政策制定者需要共同努力，制定适当的规则和政策，以确保AGI技术的可持续和公正发展。

AGI的未来发展趋势

从技术、社会、伦理和经济等多个角度来看，AGI的未来充满了可能性，同时也存在着挑战。技术上，我们需要解决如何让机器理解和学习的问题；社会上，我们需要考虑如何在保持进步的同时，确保AI的发展受到适当的控制和监管；从伦理角度，我们需要面对如何处理AI决策和人类决策之间的冲突；从经济角度，我们需要评估AI的发展对就业和经济格局的影响。面对这些挑战，需要谨慎地评估和管理可能的风险。

AGI的发展是一个充满挑战和机遇的过程。它的实现将彻底改变人们生活和社会。然而，面对AGI的发展，需要在追求进步的同时，谨慎评估和管理可能的风险，以确保AI的发展能够真正为人类带来福祉。对于AGI的未来，我们希望看到更多的讨论和思考，来共同面对未来的挑战。

本篇内容由人机协同完成

编辑成员|GPT-4、蒋慧雯

参考文章：

喻四先生《AGI的历史、未来趋势以及应用、问题》

天翼智库《人脑启示录：AGI能力演进与未来发展趋势》

中国社会科学报《AGI：传媒业未来变革的核心驱动力》

联动北方科技《“AGI+教育”浅析（修订版）》

智车科技《自动驾驶是复杂的AGI问题》、《AGI在农业领域的应用》