对于大众来说，人工智能（AI，artificial intelligence）可以说已经非常常见和熟悉了。但是通用人工智能(AGI，Artificial General Intelligence)呢?它是一个长期以来在科幻和哲学中讨论的概念，它指的是具有类似人类推理能力的AI。
当聊天机器人和生成式人工智能逐步进入了消费大众的视线，AI掌握了一定的自学习能力，技术迭代的速度大幅提升。然而，大多数专家意识到它们无法像人类那样进行推理。
IEEE会员Karthik K.认为，尽管取得了许多突破，但生成式人工智能缺乏类似人类的推理能力，因为它基于模式和数据进行操作，而没有掌握它们的含义，无法将已经学到的概念扩展到新的使用场景中。
那么AI和AGI之间有什么区别呢?我们如何知道它何时达到了人类决策的水平?这些问题很难回答，部分原因是没有一个公认的AI定义，更不用说AGI了。
但这些问题仍然很重要，因为它们阐明了当今技术的能力和局限性。
AI没有明确的定义
人工智能的定义是模糊的，涉及多个学科。《IEEE人工智能汇刊》的一篇社论指出，来自计算机科学、心理学、生物学、数学和物理学等多个学科的学者试图对其进行定义。
社论指出:“每一个定义都受到了批评，所以未能在每一个学科内达成共识，更不用说普遍共识了。”
AGI测试
在缺乏对AGI的明确定义的情况下，许多理论家提出了对通用人工智能的各种测试。这个想法是，我们可能无法定义它，但也许当我们看到它时就会知道。
最知名的是1950年的图灵测试，该测试设想召集一组专家向“先知”提问。同样，如果专家们无法判断答案来自人类还是机器，那么根据测试 ——AGI被认为具有人类智能。
苹果公司的创始人之一、IEEE Fellow Steve Wozniak将咖啡测试作为AGI的一项指标。在测试过程中，机器人必须进入普通家庭并尝试制作咖啡。这意味着要找到所有的工具，找出它们如何运作，然后执行任务。能够完成这个测试的机器人将被认为是AGI的一个例子。
聊天机器人正处于AGI的风口浪尖上吗?
根据IEEE计算机学会出版的《计算机》杂志的一篇深入讨论，AI与其类人对应物之间的差异存在于一个连续体上。早期的AI发展了单一领域的专业知识，比如国际象棋和围棋。今天的高 级人工智能可以理解语言，将语言翻译成图像，并分析图像中癌症的迹象等。
尽管这些成就令人印象深刻，但它们并不像人类那样思考和推理。
那么，聊天机器人离实现AGI还有多远呢?
乍一看，像ChatGPT这样的聊天机器人非常接近通过图灵测试，被归类为AGI。他们可以自信地写出覆盖各种学科种类的合理优秀的文章。
虽然聊天机器人甚至可以通过法律等领域的专业许可考试，但它们在基础层面也会面临失败 —— 聊天机器人经常把数学题弄错。他们对引用的属性错误，并不总是理解因果关系，在推理问题上得出错误的答案。
IEEE会员Sukanya Mandal表示:“实现AGI的下一步可能涉及开发人工智能系统，这些系统可以在广泛的领域展示更先进的推理、解决问题和学习能力。这可能包括将知识从一个环境转移到另一个环境的能力，从有限的数据或例子中学习的能力，以及在新的情况下表现出创造力和适应性的能力。”
（推广）