什么是通用人工智能（AGI）？

通用人工智能 (AGI) 从根本上讲是关于通用性——处理各种任务的能力，类似于人类的能力。要实现这一点，需要理解、推理和应用各个领域的知识。本质上，AGI 是指一种可以比作人类认知能力的人工智能，使其能够适应不同的情况并解决不熟悉的问题。

AGI 的研究采用了多种方法，包括符号方法、联结主义方法、普遍主义方法和混合方法。尽管探索仍在继续，但专家们认为我们距离实现 AGI 仍有几十年的时间。其中一些方法表明，计算机系统可以通过扩展逻辑网络来建模人类思维，以及通过使用神经网络架构模仿人脑结构来开发 AGI。

虽然 AGI 对计算机科学家来说仍然是一个遥远的目标，但生成式人工智能、自然语言处理、深度学习和计算机视觉方面的进步继续推动着这一领域的研究。据麦肯锡报道，麻省理工学院机器人专家、iRobot 联合创始人 Rodney Brooks 预测，AGI 可能要到 2300 年才会出现。

当今研究人员在开发通用人工智能 (AGI) 时面临的主要挑战之一是复制人类的情商。人工智能系统的创造力需要情感推理，而当前的神经网络架构无法充分模拟这种推理。

此外，现有人工智能模型建立联系的能力仅限于特定领域和应用领域。此外，感官知觉也带来了另一个障碍，因为 AGI 需要与外部环境进行物理接触，并像人类一样感知世界。

尽管我们没有能够将知识在无关任务之间传递的跨领域人工智能系统，例如将国际象棋策略应用于物流，但我们确实在许多软件定义的自动驾驶汽车和医疗保健应用中看到了任务特定的自主性，这些应用需要自适应学习，但在同一领域内。

AGI 和 Agentic AI 之间的区别

在上一篇文章中，我们探讨了 Agentic AI 系统的概念。本节将重点讨论通用人工智能 (AGI) 和 Agentic AI 之间的区别。

• 范围：AGI 从根本上是指跨各个领域执行智力任务的能力，而 Agentic AI 则专注于在特定环境中执行自主操作。
• 自主性：尽管这两种 AI 系统都设计为独立运行而无需人工干预，但 AGI 表现出更广泛的自主性，涵盖多个领域和任务。
• 学习和适应性：通用人工智能具有跨不同领域学习和适应其知识的能力，而 Agentic AI 通常侧重于特定应用和行业特定环境进行训练。
• 用例：AGI 的假设应用可能包括医学研究、全球政策制定和艺术创新等领域。相比之下，Agentic AI 目前在物流（例如路线优化）、医疗保健和客户服务等领域展示了实际应用。