2028年第一個AGI將到來？谷歌DeepMind提6條AGI標(biāo)準(zhǔn)，定義5大AGI等級

作者：新智元 2023-11-02 15:34:00

DeepMind創(chuàng)始人Shane Legg帶領(lǐng)的研究團(tuán)隊(duì)發(fā)表了一篇關(guān)于AGI時間表的論文。他指出，LLM已經(jīng)是AGI雛形，提出了6條定義AGI的標(biāo)準(zhǔn)。而且根據(jù)AI能力，他們提出了5個AGI的分類，以及對于AGI風(fēng)險的評估體系。

人類距離第一個AGI的出現(xiàn)已經(jīng)越來越近了！

DeepMind聯(lián)合創(chuàng)始人，首席AGI科學(xué)家Shane Legg在不久前的訪談中認(rèn)為，2028年，人類有50%的概率開發(fā)出第一個AGI。

而就在今天，他帶領(lǐng)的DeepMind研究團(tuán)隊(duì)在Arxiv上公布了一篇論文，直接放出了AGI的路線圖和時間表。

論文地址：https://arxiv.org/abs/2311.02462

雖然論文主題感覺很大很空，但是網(wǎng)友認(rèn)為文章很好的定義了AGI，避免了以后各種雞同鴨講的討論。

研究團(tuán)隊(duì)認(rèn)為，從性能強(qiáng)度和通用性兩個維度，可以將人類和AI的關(guān)系劃分為5個階段，而現(xiàn)在大語言模型的出現(xiàn)，正屬于第一個通用AI的階段：AGI雛形。

以O(shè)penAI的ChatGPT，谷歌Bard，Meta的Llama為代表的大模型，已經(jīng)在通用性上展示出了AGI的潛力。

因?yàn)榇笳Z言模型已經(jīng)能完成范圍相當(dāng)廣的各類任務(wù)，而且表現(xiàn)出了像學(xué)習(xí)新技能這樣的「元認(rèn)知」能力。

而如果單從AI的性能維度上看，「窄AI（Narrow AI）」類型的AI已經(jīng)達(dá)到了完全超越人類認(rèn)知的水平。

以AlphaFold，AlphaZero為代表的專業(yè)領(lǐng)域AI，在特定領(lǐng)域已經(jīng)能發(fā)現(xiàn)人類智力無法發(fā)現(xiàn)的新事物了。研究團(tuán)隊(duì)將其稱為「超人類窄AI」。

而和人類相比，在某個領(lǐng)域達(dá)到99%的人類的水平，比如在棋類競技中能夠戰(zhàn)勝人類頂尖大師的「深藍(lán)」和AlphaGo，就屬于這一類。研究團(tuán)隊(duì)將它們稱為「大師級窄AI」。

而在某些領(lǐng)域，AI能達(dá)到90%的人類水平，比如文書糾正AI Grammarly，DALL·E 2，Imagen等生圖AI。研究團(tuán)隊(duì)將其稱為「專家級窄AI」。

在特定領(lǐng)域，能達(dá)到普通人的平均水平，比如Siri，谷歌助手這類普通智能助理。研究團(tuán)隊(duì)將其稱為「普通窄AI」。

而在這四個窄AI已經(jīng)覆蓋的能力維度上，通用AI都還沒有出現(xiàn)對應(yīng)的實(shí)例。

而進(jìn)一步，因?yàn)槟壳斑€沒有出現(xiàn)真正意義上的AGI，對于AGI的定義，人類還沒有達(dá)到統(tǒng)一的認(rèn)知。

所以論文中還提供了定義AGI的6個準(zhǔn)則：

關(guān)注能力而非過程。AGI定義應(yīng)該關(guān)注一個系統(tǒng)能達(dá)到的效果，而不是實(shí)現(xiàn)這些效果的內(nèi)在機(jī)制。
關(guān)注通用性和性能。AGI定義應(yīng)同時考量通用性和性能這兩個維度。
關(guān)注認(rèn)知和元認(rèn)知任務(wù)。AGI的定義應(yīng)關(guān)注認(rèn)知任務(wù)，以及元認(rèn)知能力如學(xué)習(xí)新技能。不需要作為前提要求。
關(guān)注潛能而非部署。理論上證明系統(tǒng)能完成某類任務(wù)就可認(rèn)為它具備AGI潛能，不需要一定要實(shí)際部署。
關(guān)注真實(shí)場景。用于AGI測評的任務(wù)應(yīng)考慮真實(shí)場景的適用性，而不僅是容易量化的指標(biāo)。
關(guān)注通向AGI的路徑，而非單一目標(biāo)。AGI定義應(yīng)采用分級方式，考慮不同水平的路徑，而不僅是最終目標(biāo)。

在論文的最后一個部分，作者還提出了對于未來可能出現(xiàn)的AGI的測評與風(fēng)險評估問題。

在作者看來，需要考慮人類與AGI的互動模式，僅看模型能力來評估AGI是非常片面的。

具體來說，AGI的能力不同于AGI的自主性。隨著AGI能力的增強(qiáng)，會解鎖更高級的人機(jī)互動模式，但不意味著就必須給予AGI最大的自主性。

在這個技術(shù)之上，作者提出了6種人機(jī)互動模式：無AI、AI工具、AI顧問、AI協(xié)作者、AI專家、AI智能體。

不同的人機(jī)互動模式需要不同的AGI能力作為前提，比如AI智能體可能需要AI能力達(dá)到專家或者超人類AI級別，才能更好地完成這個互動模式處理的任務(wù)。

人機(jī)互動模式本身會引入不同類型的風(fēng)險。例如AI智能體具有最高的自主性，但同時也引入了最大風(fēng)險。

因此，AGI的風(fēng)險評估需要同時考慮模型能力和人機(jī)互動模式。合理的互動模式選擇有助于AGI系統(tǒng)的負(fù)責(zé)任部署。

人機(jī)互動研究需要與模型能力提升保持同步，以支持對AGI系統(tǒng)的安全且有效的利用。

AGI，黎明還是黃昏？

從1955年達(dá)特茅斯人工智能會議開始，人類就朝著實(shí)現(xiàn)「真正的智能」這顆北極星曲折前進(jìn)，途中也經(jīng)過了不同的道路。

AGI的概念與對人工智能進(jìn)步的預(yù)測有關(guān)，它正在朝著更大的普遍性發(fā)展，接近并超越人類的普遍性。

此外，AGI通常與「涌現(xiàn)」一詞交織在一起，有能力實(shí)現(xiàn)開發(fā)人員未明確預(yù)期的功能。這種能力使新型互動或新行業(yè)成為可能。

AGI可能產(chǎn)生重大的經(jīng)濟(jì)影響——我們是否達(dá)到了廣泛勞動力替代的必要標(biāo)準(zhǔn)？

AGI還可能帶來與經(jīng)濟(jì)優(yōu)勢有關(guān)的地緣政治以及軍事上的影響。

同樣，我們也應(yīng)該通過評估AGI的水平來預(yù)防她帶來的風(fēng)險。

正如一些人推測的那樣，AGI系統(tǒng)可能能夠欺騙和操縱、積累資源、推進(jìn)目標(biāo)、代理行為，并遞歸地自我改進(jìn)，最終在廣泛的領(lǐng)域中取代人類。

所以，對于人工智能研究界來說，明確反思我們所說的「AGI」的含義，并量化人工智能系統(tǒng)的性能、通用性和自主性等屬性至關(guān)重要。

我們必須理解自己在AGI道路上所處的位置。

AGI案例分析

首先，我們應(yīng)當(dāng)考慮如何正確定義AGI，也許可以從一些案例中獲得啟發(fā)。

案例1：圖靈測試。1950年的圖靈測試可能是將類似AGI的概念付諸實(shí)踐的最知名的嘗試。圖靈的「模仿游戲」被認(rèn)為是一種將機(jī)器是否可以思考的問題操作化的方法。

鑒于現(xiàn)代LLM通過了圖靈測試的一些框架，很明顯，這個標(biāo)準(zhǔn)不足以作為評估AGI的基準(zhǔn)。

我們同意圖靈的觀點(diǎn)，機(jī)器是否可以「思考」確實(shí)是一個有趣的哲學(xué)和科學(xué)問題，

但機(jī)器能做什么的問題顯然對于評估影響更重要，也更易于衡量。因此，AGI應(yīng)該根據(jù)能力而不是過程來定義。

案例2：與人腦的類比。「通用人工智能」一詞的最初使用是在1997年馬克·古布魯?shù)伦珜懙囊黄P(guān)于軍事技術(shù)的文章中，該文章將AGI定義為「在復(fù)雜性和速度上與人腦相媲美或超過人腦的人工智能系統(tǒng)」。

雖然現(xiàn)代ML系統(tǒng)背后的神經(jīng)網(wǎng)絡(luò)架構(gòu)松散地受到人腦的啟發(fā)，但基于transformer的架構(gòu)的成功表明，嚴(yán)格的基于大腦的過程和基準(zhǔn)對于AGI來說并不是必要的。

案例3：學(xué)習(xí)任務(wù)的能力。在《技術(shù)奇點(diǎn)》中，沙納漢認(rèn)為，AGI是「人工智能」，它不是專門用于執(zhí)行特定任務(wù)的，而是可以學(xué)習(xí)執(zhí)行與人類一樣廣泛的任務(wù)。該框架的一個重要特性是它強(qiáng)調(diào)將元認(rèn)知任務(wù)（學(xué)習(xí)）納入實(shí)現(xiàn)AGI的要求中的價值。

案例4：具有經(jīng)濟(jì)價值的工作。OpenAI的章程將AGI定義為「高度自主的系統(tǒng)，在最具經(jīng)濟(jì)價值的工作中表現(xiàn)優(yōu)于人類」。

這個定義側(cè)重于與底層機(jī)制無關(guān)的性能，并且提供了潛在的衡量標(biāo)準(zhǔn)，即經(jīng)濟(jì)價值。

但問題在于，有許多與智力相關(guān)的任務(wù)可能沒有明確的經(jīng)濟(jì)價值（例如，藝術(shù)創(chuàng)造力或情商）。

而且，我們很可能擁有在技術(shù)上能夠執(zhí)行經(jīng)濟(jì)上重要任務(wù)的系統(tǒng)，但由于各種原因（法律、道德、社會等）而沒有意識到這種經(jīng)濟(jì)價值。

案例5：馬庫斯認(rèn)為AGI是「任何智能的簡寫，具有與（或超越）人類智能相當(dāng)?shù)淖阒嵌嘀\和可靠性」。

他通過提出五項(xiàng)具體任務(wù)（理解一部電影、理解一本小說、在任意廚房做飯、編寫一個無錯誤的10000行程序以及將自然語言數(shù)學(xué)證明轉(zhuǎn)換為符號形式）來實(shí)施他的定義。

案例6：Agüera y Arcas和Norvig認(rèn)為最先進(jìn)的LLM已經(jīng)是AGI，而通用性是AGI的關(guān)鍵屬性。

由于語言模型可以討論廣泛的主題、執(zhí)行廣泛的任務(wù)、處理多模態(tài)輸入和輸出，以多種語言操作，并從零樣本或少樣本示例中「學(xué)習(xí)」，它們已經(jīng)達(dá)到了足夠的通用性。

AGI六大準(zhǔn)則

通過對以上幾個案例的思考，作者為AGI的定義制定了以下六個標(biāo)準(zhǔn)：

第一條：關(guān)注能力，而不是流程。大多數(shù)定義關(guān)注的是AGI可以完成什么，而不是它完成任務(wù)的機(jī)制。

這對于識別不一定是實(shí)現(xiàn)AGI的先決條件的特征非常重要。

因?yàn)椋瑢?shí)現(xiàn)AGI并不意味著系統(tǒng)以類似人類的方式思考或理解；也并不意味著系統(tǒng)具有意識或感知等。

第二條：注重通用性和性能。上述所有定義都在不同程度上強(qiáng)調(diào)普遍性，另外，性能也是AGI的關(guān)鍵組成部分。

第三條：專注于認(rèn)知和元認(rèn)知任務(wù)。

人工智能系統(tǒng)的物理能力似乎落后于非物理能力。作者認(rèn)為，執(zhí)行物理任務(wù)的能力增加了系統(tǒng)的通用性，但不應(yīng)被視為實(shí)現(xiàn)AGI的必要先決條件。

另一方面，元認(rèn)知能力（例如學(xué)習(xí)新任務(wù)的能力或知道何時向人類尋求澄清或幫助的能力）是系統(tǒng)實(shí)現(xiàn)通用性的關(guān)鍵先決條件。

第四條：關(guān)注潛力，而不是部署。因?yàn)橐蟛渴鹱鳛楹饬緼GI的條件會帶來非技術(shù)障礙，例如法律和社會考慮，以及潛在的道德和安全問題。

第五條：注重生態(tài)效度。這里強(qiáng)調(diào)選擇與人們重視的現(xiàn)實(shí)世界（即生態(tài)有效）任務(wù)相一致的任務(wù)的重要性（廣義地解釋價值，不僅作為經(jīng)濟(jì)價值，還包括社會價值、藝術(shù)價值等）。

最后一條：專注于AGI的路徑，而不是單個端點(diǎn)。作者將AGI的每個級別與一組明確的指標(biāo)相關(guān)聯(lián)，并且每個級別引入已識別風(fēng)險，以及由此產(chǎn)生的人機(jī)交互范式的變化。

AGI水平定義

作者給出如下表格，清晰地提出了一種分類或者說評估方法，規(guī)定了達(dá)到給定評級所需的大多數(shù)任務(wù)的最低性能。

為便于理解，這里將下表中的后五類翻譯為：入門、普通、專家、大師和超人級別。

比如，在大多數(shù)認(rèn)知任務(wù)中，有能力的AGI必須至少達(dá)到熟練成年人的平均水平，但在任務(wù)子集上可能具有專家、大師甚至超人的表現(xiàn)。

舉個例子，截至2023年9月撰寫本文時，前沿語言模型（例如，ChatGPT、Bard、Llama2等）在某些任務(wù)（例如，短文寫作、簡單編碼）中表現(xiàn)出「普通」的性能水平，但對于大多數(shù)任務(wù)（例如，數(shù)學(xué)能力，涉及事實(shí)性的任務(wù)）來說，僅表現(xiàn)出「入門」的性能水平。

因此，總體而言，當(dāng)前的前沿語言模型將被視為1級通用AI，當(dāng)更廣泛的任務(wù)的性能水平提高時，就可以達(dá)到2級通用AI的門檻。

另外需要注意的是，在特定認(rèn)知領(lǐng)域獲得更強(qiáng)技能的順序可能會對人工智能安全產(chǎn)生嚴(yán)重影響。

例如，在獲得強(qiáng)大的道德推理技能之前獲得強(qiáng)大的化學(xué)工程知識可能是一個危險的組合。

雖然該分類法根據(jù)系統(tǒng)的性能對系統(tǒng)進(jìn)行評級，但能夠達(dá)到一定性能水平的系統(tǒng)在部署時可能不匹配此級別。

以DALL·E 2為例，因?yàn)镈ALL·E 2產(chǎn)生的圖像質(zhì)量比大多數(shù)人能夠繪制的更好，所以可以評估為「專家」級別的性能。然而該系統(tǒng)存在故障模式，使其無法獲得「大師」的稱號。所以可以將其估計(jì)為分類法中的3級窄AI（「專家級窄AI」）。

在上面的表格中，作者引入了一個矩陣式調(diào)平系統(tǒng)，該系統(tǒng)側(cè)重于性能和通用性，這是AGI的兩個核心維度。

就綜合性能和通用性而言，矩陣中的最高級別是ASI（人工超級智能）。而「超人」的表現(xiàn)意味著100% 優(yōu)于人類。

例如，這里假設(shè)AlphaFold是5級窄AI （「超人級窄AI」），因?yàn)樗鼒?zhí)行的單項(xiàng)任務(wù)（從氨基酸序列預(yù)測蛋白質(zhì)的3D結(jié)構(gòu)）高于世界頂級科學(xué)家的水平。

該定義意味著5級通用AI （ASI）系統(tǒng)將能夠以人類無法比擬的水平完成廣泛的任務(wù)。

AGI測試

在作者的方案中，人工智能系統(tǒng)必須掌握多大比例的此類任務(wù)才能達(dá)到給定的通用性水平？是否有一些任務(wù)（如元認(rèn)知任務(wù)）必須始終執(zhí)行才能達(dá)到某些通用性級別的標(biāo)準(zhǔn)？

要實(shí)現(xiàn)AGI定義的可操作性，就必須回答這些問題，并開發(fā)出具體的多樣化和具有挑戰(zhàn)性的任務(wù)。

鑒于這一過程的巨大復(fù)雜性，以及納入廣泛視角（包括跨組織和多學(xué)科觀點(diǎn)）的重要性，作者在本文中并未提出一個基準(zhǔn)。

相反，作者致力于澄清基準(zhǔn)應(yīng)嘗試衡量的本體。作者還討論了AGI基準(zhǔn)應(yīng)具備的屬性。

AGI基準(zhǔn)將包括一套廣泛的認(rèn)知和元認(rèn)知任務(wù)（根據(jù)原則3），測量包括（但不限于）語言智能、數(shù)學(xué)和邏輯推理、空間推理、人際和人內(nèi)社交智能、學(xué)習(xí)新技能的能力和創(chuàng)造力在內(nèi)的各種特性。

基準(zhǔn)可能包括心理學(xué)、神經(jīng)科學(xué)、認(rèn)知科學(xué)和教育學(xué)中的智能理論所提出的心理測量類別測試。

但是，必須首先評估這些「傳統(tǒng) 」測試是否適合用于計(jì)算系統(tǒng)基準(zhǔn)測試，因?yàn)樵谶@種情況下，許多測試可能缺乏生態(tài)和構(gòu)造有效性。

基準(zhǔn)性能的一個未決問題是，是否允許使用工具（包括可能由人工智能驅(qū)動的工具）作為人類性能的輔助工具。

這一選擇最終可能取決于任務(wù)，并應(yīng)在基準(zhǔn)選擇中考慮生態(tài)有效性（原則5）。

例如，在確定自動駕駛汽車是否足夠安全時，與一個沒有任何現(xiàn)代人工智能輔助安全工具的人進(jìn)行比較，并不是最有參考價值的比較。

因?yàn)橄嚓P(guān)的反事實(shí)涉及到一些駕駛輔助技術(shù)，作者可能更傾向于與該基線進(jìn)行比較。

或交互式任務(wù)，這些任務(wù)可能需要定性評估。作者猜測，后幾類復(fù)雜的開放式任務(wù)雖然難以確定基準(zhǔn)，但其生態(tài)有效性將優(yōu)于傳統(tǒng)的人工智能指標(biāo)，或優(yōu)于經(jīng)過調(diào)整的傳統(tǒng)人類智能指標(biāo)。

AGI所能完成的全部任務(wù)是不可能一一列舉的。因此，人工智能基準(zhǔn)應(yīng)該是一個活的基準(zhǔn)。因此，這種基準(zhǔn)應(yīng)包括一個生成和確定新任務(wù)的框架。

要確定某物在特定水平上不是一個AGI，只需找出人們通常可以完成但系統(tǒng)無法充分執(zhí)行的5項(xiàng)任務(wù)即可。

在特定性能級別（「雛形」、「普通」等）上通過大部分設(shè)想的AGI基準(zhǔn)測試的系統(tǒng)，包括測試人員添加的新任務(wù)，可以被假定為具有相關(guān)的通用性級別（即，盡管在理論上AGI仍有可能無法通過測試，但在某些時候，未通過測試的情況會變得非常專業(yè)或非典型，以至于實(shí)際上無關(guān)緊要）。

制定AGI基準(zhǔn)將是一個具有挑戰(zhàn)性的迭代過程。盡管如此，它仍是人工智能研究領(lǐng)域的一個北斗星級別的目標(biāo)。

對復(fù)雜概念的衡量可能并不完美，但衡量的行為有助于我們清晰地定義目標(biāo)，并提供一個衡量進(jìn)展的指標(biāo)。

關(guān)于AGI風(fēng)險的討論

關(guān)于人工智能的討論通常包括對風(fēng)險的討論。

采用分層的方法來定義人工智能，可以更細(xì)致地討論性能和通用性的不同組合如何與不同類型的人工智能風(fēng)險相關(guān)聯(lián)。

當(dāng)我們沿著人工智能的能力水平前進(jìn)時，會引入新的風(fēng)險，包括誤用風(fēng)險、調(diào)整風(fēng)險和結(jié)構(gòu)風(fēng)險。

例如，「專家級人工智能」水平很可能涉及與經(jīng)濟(jì)混亂和工作崗位轉(zhuǎn)移相關(guān)的結(jié)構(gòu)性風(fēng)險，因?yàn)樵絹碓蕉嗟男袠I(yè)達(dá)到了機(jī)器智能替代人類勞動力的門檻。另一方面，達(dá)到「專家級AGI 」可能會減輕「AGI雛形」和「普通級AGI 」帶來的一些風(fēng)險，如任務(wù)執(zhí)行錯誤的風(fēng)險。

在「大師級人工智能」和「專家級人工智能」級別中，最有可能出現(xiàn)許多與x風(fēng)險有關(guān)的問題（例如，人工智能可以在各種任務(wù)中超越人類操作員，但可能會欺騙人類操作員以實(shí)現(xiàn)錯誤的目標(biāo)，如錯誤對齊思想實(shí)驗(yàn)）。

如果不同級別之間的進(jìn)展速度超過了監(jiān)管或外交的速度（例如，第一個實(shí)現(xiàn)人工智能的國家可能會擁有巨大的地緣政治/軍事優(yōu)勢，從而產(chǎn)生復(fù)雜的結(jié)構(gòu)性風(fēng)險），那么國際關(guān)系不穩(wěn)定等系統(tǒng)性風(fēng)險可能會成為一個令人擔(dān)憂的問題。

「專家型人工智能」（如「新興人工智能」、「勝任型人工智能」和所有「狹義」人工智能類別），風(fēng)險可能更多來自人類行為（如人工智能誤用風(fēng)險，無論是意外、偶然還是惡意）。

對與每個級別相關(guān)的風(fēng)險概況進(jìn)行更全面的分析，是制定AGI分類法的關(guān)鍵一步，可以為安全/倫理研究和政策制定提供指導(dǎo)。