李飞飞:我不知道什么是AGI

图片

图片来源:Stanford University

你对人工通用智能(AGI)感到困惑吗?这就是 OpenAI 执着于最终以“造福全人类”的方式创造的东西。你可能想认真对待他们,因为他们刚筹集了 66 亿美元以更接近这个目标。

但如果你仍然在想究竟什么是 AGI,你并不孤单。

在周四的 Credo AI 负责任的人工智能领导峰会上,世界著名研究员常被称为“人工智能教母”的李飞飞表示,她也不知道什么是 AGI。在其他时刻,李飞飞讨论了她在现代人工智能诞生中的角色,社会应该如何保护自己免受先进人工智能模型的影响,以及她为什么认为她的新独角兽初创公司 World Labs将改变一切。

但当被问及她对“人工智能奇点”的看法时,李和我们其他人一样感到困惑。

“我来自人工智能学术界,接受过更严格和基于证据的方法的教育,所以我并不太清楚这些词的意思,”李在旧金山一个挤满人的房间里说,旁边是一扇俯瞰金门大桥的大窗户。“坦率地说,我甚至不知道 AGI 是什么意思。人们说你见到它就知道,我想我还没有见过。事实上,我并不花太多时间思考这些词,因为我认为还有很多更重要的事情要做……”

如果有人知道什么是 AGI,那可能是李飞飞。2006 年,她创建了 ImageNet,这是世界上第一个大型 AI 训练和基准数据集,对催化我们当前的 AI 热潮至关重要。从 2017 年到 2018 年,她担任谷歌云的 AI/ML 首席科学家。今天,李飞飞领导斯坦福人本中心 AI 研究所(HAI),她的初创公司 World Labs 正在构建“大型世界模型”。(如果你问我,这个术语几乎和 AGI 一样令人困惑。)

OpenAI 首席执行官奥特曼在去年的 The New Yorker 采访中尝试定义 AGI。奥特曼将 AGI 描述为“你可以雇佣的同事的中等人类的等价物。”(equivalent of a median human that you could hire as a coworker.)

与此同时,OpenAI 的章程将 AGI 定义为“在大多数经济价值工作中超越人类的高度自主系统。”( “highly autonomous systems that outperform humans at most economically valuable work.”)

显然,这些定义对于一家价值 1570 亿美元的公司来说并不够好。因此,OpenAI 创建了 五个级别,用于内部评估其向 AGI 的进展。第一个级别是聊天机器人(如 ChatGPT),然后是推理者(显然,OpenAI o1 是这个级别),代理(这 supposedly 是下一个),创新者(可以帮助发明事物的 AI),最后一个级别是组织级(可以完成整个组织工作的 AI)。

仍然感到困惑吗?我也是,李也是。此外,这听起来远远超过一个普通人类同事能做到的。

李在谈话早些时候提到,自小她就对智能的概念充满了好奇。这使她在人工智能尚未盈利之前就开始研究这一领域。在 2000 年代初,李表示她和其他几个人正在悄悄为这个领域奠定基础。

“在 2012 年,我的 ImageNet 与 AlexNet 和 GPU 结合——许多人称之为现代人工智能的诞生。它是由三个关键因素驱动的:大数据、神经网络和现代 GPU 计算。一旦那个时刻到来,我认为整个人工智能领域以及我们的世界都再也不同了。”

当被问及加利福尼亚州有争议的人工智能法案 SB 1047 时,李谨慎地发言,以避免重提州长纽森刚刚通过上周否决该法案而平息的争议。(我们最近与 SB 1047 的作者进行了交谈,他更愿意重新与李展开辩论。)

“你们中的一些人可能知道我对这项被否决的法案 [SB 1047] 表达过我的担忧,但现在我正在深思熟虑,并充满期待地展望未来,”李说。“我感到非常受宠若惊,或者说很荣幸,纽森州长邀请我参与后 SB 1047 的下一步。”

加利福尼亚州的州长最近邀请李以及其他人工智能专家组成一个工作组,帮助该州制定人工智能部署的保护措施。李表示,她将在这个角色中采用基于证据的方法,并将尽力倡导学术研究和资金支持。然而,她也希望确保加利福尼亚州不会惩罚技术人员。

“我们需要真正关注对人类和我们社区的潜在影响,而不是将责任归咎于技术本身……如果一辆车被故意或无意地滥用并伤害了一个人,我们惩罚汽车工程师——比如福特或通用汽车——是没有意义的。仅仅惩罚汽车工程师并不会让汽车更安全。我们需要做的是继续创新以实现更安全的措施,同时改善监管框架——无论是安全带还是限速——人工智能也是如此。”

这是我听过的针对 SB 1047 的更好论点之一,该法案将惩罚因危险 AI 模型而受到影响的科技公司。

尽管李正在为加利福尼亚州提供人工智能监管建议,但她也在旧金山经营她的初创公司 World Labs。这是李第一次创办初创公司,她是少数几位领导前沿人工智能实验室的女性之一。

“我们离一个非常多样化的人工智能生态系统还很远,”李说。“我确实相信,多样化的人类智能将导致多样化的人工智能,并将为我们带来更好的技术。”

在接下来的几年里,她很高兴能将“空间智能”更接近现实。李说,人类语言是今天大型语言模型的基础,可能花费了百万年的时间来发展,而视觉和感知则可能花费了 5.4 亿年的时间。这意味着创建大型世界模型是一项更复杂的任务。

“这不仅仅是让计算机看见,而是真正让计算机理解整个三维世界,我称之为空间智能,”李说。“我们不仅仅是为了命名事物而看……我们真正是为了做事、导航世界、相互互动而看,缩小看与做之间的差距需要空间知识。作为一名技术专家,我对此感到非常兴奋。”

本文翻译自:TechCrunch,https://techcrunch.com/2024/10/03/even-the-godmother-of-ai-has-no-idea-what-agi-is/

编译:ChatGPT

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍了基于Matlab的建模与仿真方法。通过对四轴飞行器的动力学特性进行分析,构建了非线性状态空间模型,并实现了姿态与位置的动态模拟。研究涵盖了飞行器运动方程的建立、控制系统设计及数值仿真验证等环节,突出非线性系统的精确建模与仿真优势,有助于深入理解飞行器在复杂工况下的行为特征。此外,文中还提到了多种配套技术如PID控制、状态估计与路径规划等,展示了Matlab在航空航天仿真中的综合应用能力。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及从事无人机系统开发的工程技术人员,尤其适合研究生及以上层次的研究者。; 使用场景及目标:①用于四轴飞行器控制系统的设计与验证,支持算法快速原型开发;②作为教学工具帮助理解非线性动力学系统建模与仿真过程;③支撑科研项目中对飞行器姿态控制、轨迹跟踪等问题的深入研究; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注动力学建模与控制模块的实现细节,同时可延伸学习文档中提及的PID控制、状态估计等相关技术内容,以全面提升系统仿真与分析能力。
<think>首先,用户的问题是:“我想了解AGI的定义和概念 请问AGI的定义和概念是什么”。根据系统级指令,我需要使用中文回答,结构清晰,帮助用户逐步解决问题。 关键点: - 回答必须使用中文。 - 结构清晰:逐步解释AGI的定义和概念。 - 引用站内内容:在回答中引用的段落末尾自然地添加引用标识,如[^1]。 - 生成相关问题:在回答结束后,添加“§§相关问题§§”部分。 - 数学表达式:行内用$...$,独立用$$...$$。 参考站内引用: - 引用[1]: AGI的认知架构介绍。[^1] - 引用[2]: AGI的核心特征:通用性、自主性、创造性、学习能力;与ANI的区别。[^2] - 引用[3]: 智能定义为适应、解决问题、规划、应变及学习新事物的能力。[^3] - 引用[4]: 图灵测试作为智能的测试。[^4] - 引用[5]: AlphaGo的结构示例。[^5] 用户的问题是询问AGI的定义和概念,所以我需要基于这些引用构建回答。 定义AGI: - AGI代表Artificial General Intelligence,即通用人工智能。 - 它同于ANI(Artificial Narrow Intelligence),ANI是专注于特定任务的AI,如语音识别或图像分类。 - AGI旨在模拟人类级别的智能,能够处理各种任务。 概念: - 通用性:能胜任各种复杂问题,限于特定领域。[^2] - 自主性:能独立感知环境、推理和决策。[^2] - 创造性:能创新思维,产生新想法。[^2] - 学习能力:能持续学习和自我完善。[^2] - 智能包括适应、解决问题、规划、应变和学习。[^3] - 图灵测试是衡量智能的一种方式。[^4] 结构回答: 1. **介绍AGI的定义**:从引用中提取关键点。 2. **解释核心概念**:详细说明特征。 3. **与ANI的区别**:对比以突出AGI的特性。 4. **引用相关部分**:自然地添加引用标识。 5. **总结**:简要回顾。 生成相关问题: - 基于主题,如AGI的实现、挑战、应用等。 最终回答格式: - 回答部分。 - §§相关问题§§:列出几个相关问题。 - 确保回答真实可靠。 草拟回答: - 开头:AGI的定义。 - 主体:核心特征。 - 结束:总结。 - 相关问题:例如,AGI的当前进展?AGI的伦理问题?等。</think>### AGI的定义和概念 AGI(Artificial General Intelligence,通用人工智能)是一种旨在模拟人类级别智能的人工智能系统,能够像人类一样在各种任务和环境中自主思考、学习、决策和创新。与狭义人工智能(ANI)同,AGI局限于特定领域,而是追求广泛的认知能力,使其能够处理未知或复杂问题。以下是AGI的核心定义和概念的逐步解释: #### 1. **AGI的基本定义** AGI被定义为一种具有“通用性”的智能系统,它能像人类一样跨多个领域执行任务,而仅仅是完成预设的单一功能。例如,人类可以同时处理语言理解、数学推理和创造性问题解决,AGI的目标就是实现这种多面手能力[^2]。引用[3]进一步指出,智能的核心包括“适应、解决问题、规划、应变及学习新事物的能力”,AGI正是基于这些能力构建的[^3]。简单来说,AGI是AI的“终极目标”,旨在创建出能真正理解世界和自我改进的系统。 #### 2. **AGI的核心概念** AGI的概念围绕几个关键特征展开,这些特征共同定义了其“通用性”: - **通用性(Generality)**:AGI系统能在各种领域(如科学、艺术、日常决策)中高效工作,而需要针对每个任务重新编程。这类似于人类能轻松切换任务,比如从数学计算转向情感分析[^2]。 - **自主性(Autonomy)**:AGI能独立感知环境、推理和决策,减少对人类干预的依赖。例如,在复杂环境中,AGI可以像AlphaGo那样通过策略网络和值网络自主选择行动[^5]。 - **创造性(Creativity)**:AGI仅模仿现有知识,还能产生新想法和解决方案。这体现在它能处理未见过的问题,如发明新算法或艺术创作[^2]。 - **学习能力(Learning Ability)**:AGI具有持续学习和自我完善的能力,能吸收新知识并应用于未知场景。这类似于人类通过经验积累提升技能,AGI则通过强化学习或神经网络实现类似过程[^2][^5]。 这些概念整合起来,AGI被视为一个“整体性”系统,其认知架构融合了感知、推理、学习和行动模块,以实现类人智能[^1]。图灵测试(Turing Test)常被用来衡量AGI的智能水平:如果一台机器能在对话中被识别为机器,它就具备智能基础[^4]。 #### 3. **AGI与ANI的区别** AGI同于ANI(Artificial Narrow Intelligence),后者是当前主流AI系统(如语音助手或图像识别工具),只能执行特定任务: - **ANI**:专注于狭窄领域(例如,AlphaGo擅长围棋,但无法处理其他问题),依赖于大量数据和预设规则[^5]。 - **AGI**:跨越多个领域,能像人类一样“举一反三”,例如,一个AGI系统既能诊断疾病,又能创作音乐,这体现了其通用性和适应性[^2][^3]。 这种区别突显了AGI的挑战性:它需要整合模块化组件(如神经网络)到整体认知框架中,以实现真正的通用性[^1]。 #### 总结 AGI的定义和概念强调其作为“人类级智能”的愿景,核心在于通用性、自主性、创造性和学习能力。目前,AGI仍处于研究阶段,尚未完全实现,但相关进展(如AlphaGo的决策系统)为未来提供了方向[^5][^1]。理解这些概念有助于探索AGI的实现路径和潜在影响。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值