來(lái)源：科技世代千高原

• 2026年2月2日

艾倫·圖靈在20世紀(jì)50年代提出的人類水平機(jī)器智能的愿景如今已成為現(xiàn)實(shí)。保持清醒的頭腦，不受恐懼或炒作的蒙蔽，將有助于我們?yōu)榻酉聛?lái)的發(fā)展做好準(zhǔn)備。

經(jīng)過(guò)

艾迪·克明· 米哈伊爾·別爾 金... 大衛(wèi)·丹克斯

• 1950 年，艾倫·圖靈在一篇題為《計(jì)算機(jī)器與智能》的論文中提出了他的“模仿游戲”?，F(xiàn)在被稱為圖靈測(cè)試，它探討了一個(gè)看似純粹假設(shè)性的問(wèn)題：機(jī)器能否展現(xiàn)出人類思維所特有的那種靈活、通用的認(rèn)知能力，從而能夠?qū)⒆约好俺錇槿祟?，讓不知情的人類誤以為是人類？

75年后，答案似乎是肯定的。2025年3月，由位于加利福尼亞州舊金山的OpenAI公司開(kāi)發(fā)的大型語(yǔ)言模型（LLM）GPT-4.5在圖靈測(cè)試中被人類判斷為人類的準(zhǔn)確率高達(dá)73%——甚至高于人類的準(zhǔn)確率2。此外，讀者甚至更喜歡由LLM生成的文學(xué)作品，而不是人類專家撰寫(xiě)的作品3。

這遠(yuǎn)非全部。LLM在國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽中斬獲金牌，與頂尖數(shù)學(xué)家合作證明了定理?，提出了經(jīng)實(shí)驗(yàn)驗(yàn)證的科學(xué)假設(shè)?，解答了博士考試中的難題，協(xié)助專業(yè)程序員編寫(xiě)代碼，創(chuàng)作詩(shī)歌等等——包括與世界各地?cái)?shù)億人進(jìn)行全天候聊天。換句話說(shuō)，法學(xué)碩士們展現(xiàn)出了許多跡象，表明他們具備圖靈所關(guān)注的那種廣泛而靈活的認(rèn)知能力——我們現(xiàn)在稱之為“通用智能”，盡管圖靈本人并沒(méi)有使用這個(gè)術(shù)語(yǔ)。

然而，許多專家對(duì)稱當(dāng)前的人工智能模型展現(xiàn)出通用人工智能（AGI）持保留態(tài)度——有些人甚至懷疑它們是否真的能夠達(dá)到AGI的水平。2025年3月，位于華盛頓特區(qū)的美國(guó)人工智能促進(jìn)協(xié)會(huì)（AAAI）進(jìn)行的一項(xiàng)調(diào)查發(fā)現(xiàn)，76%的頂尖研究人員認(rèn)為，擴(kuò)大當(dāng)前人工智能方法的規(guī)?！安惶赡堋被颉皹O不可能”產(chǎn)生AGI（參見(jiàn)go.nature.com/4smn16b）。

這種脫節(jié)現(xiàn)象該如何解釋？我們認(rèn)為，問(wèn)題一部分在于概念層面，因?yàn)橥ㄓ萌斯ぶ悄埽ˋGI）的定義含糊不清且前后矛盾；一部分在于情感層面，因?yàn)锳GI引發(fā)了人們對(duì)社會(huì)動(dòng)蕩和顛覆的恐懼；還有一部分在于實(shí)際層面，因?yàn)檫@個(gè)術(shù)語(yǔ)與商業(yè)利益糾纏不清，可能會(huì)扭曲評(píng)估。正因?yàn)锳GI在公共話語(yǔ)中占據(jù)主導(dǎo)地位，我們才更應(yīng)該以一種更為客觀的視角來(lái)探討這個(gè)概念：將其視為一個(gè)關(guān)于智能的問(wèn)題，而不是對(duì)社會(huì)動(dòng)蕩的迫切擔(dān)憂，或是對(duì)商業(yè)合同中一個(gè)永遠(yuǎn)無(wú)法完成的里程碑的擔(dān)憂。

在撰寫(xiě)這篇評(píng)論時(shí)，我們從哲學(xué)、機(jī)器學(xué)習(xí)、語(yǔ)言學(xué)和認(rèn)知科學(xué)等不同角度探討了這個(gè)問(wèn)題，并在廣泛討論后達(dá)成共識(shí)。接下來(lái)，我們將闡述我們?yōu)楹握J(rèn)為，一旦澄清某些混淆之處，力求進(jìn)行公平的比較并避免以人類為中心的偏見(jiàn)，結(jié)論便顯而易見(jiàn)：按照合理的標(biāo)準(zhǔn)（包括圖靈的標(biāo)準(zhǔn)），我們已經(jīng)擁有了普遍智能的人工智能系統(tǒng)。長(zhǎng)期以來(lái)，創(chuàng)造通用人工智能（AGI）的難題已經(jīng)得到解決。認(rèn)識(shí)到這一點(diǎn)至關(guān)重要——對(duì)于政策制定、風(fēng)險(xiǎn)評(píng)估以及理解心智的本質(zhì)乃至世界本身都意義重大。

何謂人類水平的AI

我們假設(shè)（正如我們認(rèn)為圖靈會(huì)做的那樣），人類擁有通用智能。有些人認(rèn)為通用智能根本不存在，即使在人類身上也是如此。盡管這種觀點(diǎn)自洽且在哲學(xué)上很有趣，但我們?cè)诖藭呵覕R置它，因?yàn)樗c大多數(shù)人工智能討論脫節(jié)太深。但是，既然我們已經(jīng)做出了這個(gè)假設(shè)，我們應(yīng)該如何定義通用智能呢？

關(guān)于通用智能的一個(gè)常見(jiàn)非正式定義，也是我們討論的出發(fā)點(diǎn)，是：一個(gè)系統(tǒng)能夠完成幾乎所有人類能夠完成的認(rèn)知任務(wù) 6,7 。哪些任務(wù)應(yīng)該列入這個(gè)清單引發(fā)了諸多爭(zhēng)論，但“人類”一詞也隱藏著一個(gè)關(guān)鍵的歧義。它指的是每項(xiàng)任務(wù)的頂尖人類專家嗎？如果是這樣，那么沒(méi)有人符合條件——瑪麗·居里獲得了諾貝爾化學(xué)獎(jiǎng)和物理學(xué)獎(jiǎng)，但她并非數(shù)論專家。它指的是一個(gè)在各個(gè)領(lǐng)域都具備全面能力的綜合型人類嗎？這似乎也是一個(gè)很高的標(biāo)準(zhǔn)——阿爾伯特·愛(ài)因斯坦徹底改變了物理學(xué)，但他不會(huì)說(shuō)普通話。

如果一個(gè)定義將幾乎所有人類都排除在外，那么它就不是對(duì)通用智能的定義；它關(guān)注的是其他東西，或許是理想的專業(yè)技能或集體智慧。相反，通用智能指的是認(rèn)知能力的廣度和深度，而“廣度”則以典型案例為依據(jù)。廣度指的是跨多個(gè)領(lǐng)域的能力——數(shù)學(xué)、語(yǔ)言、科學(xué)、實(shí)踐推理、創(chuàng)造性任務(wù)——這與“狹義”智能（例如計(jì)算器或國(guó)際象棋程序）截然不同。深度指的是在這些領(lǐng)域內(nèi)的卓越表現(xiàn)，而不僅僅是淺嘗輒止。

人類的通用智能存在程度和差異。兒童、普通成年人以及像愛(ài)因斯坦這樣公認(rèn)的天才，都擁有不同水平和類型的通用智能。每個(gè)人在不同的領(lǐng)域各有所長(zhǎng)或有所不足。同樣的靈活性也應(yīng)適用于人工智能系統(tǒng)：我們應(yīng)該探究它們是否具備與人類通用智能水平相當(dāng)?shù)暮诵恼J(rèn)知能力。

我們并非試圖給出定義，而是借鑒真實(shí)和假設(shè)的普遍智能案例——從愛(ài)因斯坦到外星人再到先知——來(lái)勾勒出這一概念的輪廓，并對(duì)其進(jìn)行更系統(tǒng)的完善。我們的結(jié)論是：只要個(gè)體人類擁有普遍智能，那么當(dāng)前的法學(xué)碩士也擁有普遍智能。

通用智能不是什么

我們可以先找出四個(gè)并非通用智能所必需具備的特征。

完美。我們不會(huì)期望物理學(xué)家達(dá)到愛(ài)因斯坦的洞見(jiàn)，也不會(huì)期望生物學(xué)家復(fù)制達(dá)爾文的突破性發(fā)現(xiàn)。即使在專業(yè)領(lǐng)域內(nèi)，也很少有人能做到完美無(wú)缺。人類的通用智能并不需要完美；通用人工智能（AGI）也不應(yīng)該如此。

普遍性。沒(méi)有哪個(gè)人類個(gè)體能夠完成所有認(rèn)知任務(wù)，其他物種也擁有超越我們自身的能力：章魚(yú)可以獨(dú)立控制其八條觸手；許多昆蟲(chóng)能夠感知人類無(wú)法看到的電磁波譜。通用智能并不要求普遍掌握這些技能；通用人工智能（AGI）也不需要面面俱到。

人類相似性。智能是一種功能屬性，可以在不同的載體上實(shí)現(xiàn)——圖靈在1950年就提出了這一點(diǎn)，他當(dāng)時(shí)將人類生物學(xué)排除在外1。展現(xiàn)通用智能的系統(tǒng)無(wú)需復(fù)制人類的認(rèn)知結(jié)構(gòu)或理解人類的文化參照。我們不會(huì)要求智能外星人做到這些；這同樣適用于機(jī)器。

超級(jí)智能。這個(gè)詞通常用來(lái)指在幾乎所有領(lǐng)域都遠(yuǎn)遠(yuǎn)超越人類認(rèn)知能力的系統(tǒng)。超級(jí)智能和通用人工智能（AGI）經(jīng)常被混淆，尤其是在商業(yè)領(lǐng)域，“超級(jí)智能”往往意味著經(jīng)濟(jì)動(dòng)蕩。沒(méi)有任何人類能夠達(dá)到這個(gè)標(biāo)準(zhǔn)；因此，這也不應(yīng)該成為通用人工智能的必要條件。

一系列證據(jù)

那么，什么是通用智能？目前并沒(méi)有一個(gè)明確的“界限”來(lái)檢驗(yàn)它是否存在——任何精確的閾值都必然是人為設(shè)定的。這或許會(huì)讓那些想要精確標(biāo)準(zhǔn)的人感到沮喪，但這種模糊性恰恰是它的特點(diǎn)，而非缺陷?！吧焙汀敖】怠敝惖母拍铍y以被清晰定義，卻依然有用；我們無(wú)需精確的界限就能識(shí)別出典型案例。人類就是通用智能的典型例子；而袖珍計(jì)算器盡管擁有超人的計(jì)算能力，卻不具備通用智能。

當(dāng)我們?cè)u(píng)估他人的總體智力或能力時(shí)，我們不會(huì)試圖窺探他們的內(nèi)心來(lái)驗(yàn)證理解能力——我們是通過(guò)他們的行為、對(duì)話和解決問(wèn)題的能力來(lái)推斷的。沒(méi)有任何一項(xiàng)測(cè)試是絕對(duì)權(quán)威的，但證據(jù)會(huì)不斷積累。這同樣適用于人工智能系統(tǒng)。

正如我們通過(guò)逐步提高難度的測(cè)試（從基本讀寫(xiě)能力到博士學(xué)位考試）來(lái)評(píng)估人類的一般智力一樣，我們可以考慮一系列難度越來(lái)越高的證據(jù)，這些證據(jù)可以讓我們?cè)絹?lái)越有信心相信通用人工智能（AGI）的存在。

圖靈測(cè)試水平。其衡量標(biāo)準(zhǔn)相當(dāng)于基礎(chǔ)學(xué)校教育：通過(guò)標(biāo)準(zhǔn)學(xué)校考試、進(jìn)行基本的對(duì)話以及進(jìn)行簡(jiǎn)單的推理。十年前，達(dá)到這些標(biāo)準(zhǔn)或許會(huì)被廣泛接受，作為通用人工智能（AGI）存在的足夠有力證據(jù)。

目前的人工智能比科幻小說(shuō)中的超級(jí)計(jì)算機(jī)HAL 9000功能更強(qiáng)大。圖片來(lái)源：Hethers/Shutterstock

專家級(jí)。在這個(gè)級(jí)別，要求更高：在國(guó)際競(jìng)賽中獲得金牌，解決跨多個(gè)領(lǐng)域的博士考試題，編寫(xiě)和調(diào)試復(fù)雜的代碼，精通數(shù)十種編程語(yǔ)言，能夠提供有用的前沿研究協(xié)助，以及勝任各種創(chuàng)造性和實(shí)踐性問(wèn)題解決能力，從論文寫(xiě)作到旅行規(guī)劃，無(wú)所不能。這些成就遠(yuǎn)超科幻作品中對(duì)通用人工智能（AGI）的諸多描述。斯坦利·庫(kù)布里克導(dǎo)演1968年的電影《2001太空漫游》中出現(xiàn)的智能超級(jí)計(jì)算機(jī)HAL 9000，其能力廣度甚至不及現(xiàn)在的法學(xué)碩士（LLM）。而現(xiàn)在的法學(xué)碩士甚至超越了我們對(duì)人類的要求：我們僅憑遠(yuǎn)不如HAL 9000的證據(jù)就認(rèn)定某些人擁有通用智能。

超人水平。革命性的科學(xué)發(fā)現(xiàn)，以及在多個(gè)領(lǐng)域持續(xù)超越頂尖人類專家的能力。這樣的證據(jù)無(wú)疑足以駁斥機(jī)器擁有通用智能的合理質(zhì)疑——但這并非通用智能存在的必要證據(jù)，因?yàn)槿祟惐旧聿⒉痪邆溥@種能力。

圖靈的愿景得以實(shí)現(xiàn)

目前的LLM已經(jīng)涵蓋了前兩個(gè)層次。隨著LLM處理越來(lái)越復(fù)雜的問(wèn)題，對(duì)其能力的其他解釋——例如，它們是巨大的“查找表” 8，只能檢索預(yù)先計(jì)算好的答案，或是“隨機(jī)鸚鵡” 9，只能復(fù)述淺層的規(guī)律而無(wú)法理解意義或結(jié)構(gòu)——正變得越來(lái)越不被證實(shí)。

然而，這類論斷往往只是換湯不換藥，不斷重復(fù)出現(xiàn)。那些在每次取得新成就前就退縮，總是預(yù)測(cè)在當(dāng)前成就之后必將失敗的假設(shè)，并非令人信服的科學(xué)理論，而是一種教條式的、永無(wú)止境的懷疑主義。

我們認(rèn)為目前的證據(jù)已經(jīng)很明確。通過(guò)推斷最佳解釋——也就是我們用來(lái)推斷人類是否具備通用智能的推理方式——我們觀察到了高度發(fā)達(dá)的通用人工智能（AGI）。圖靈設(shè)想的那種機(jī)器已經(jīng)出現(xiàn)。類似的論點(diǎn)在2010年之前就有人提出過(guò)（另見(jiàn)go.nature.com/49p6voq），并引發(fā)了爭(zhēng)議和反對(duì)。我們的論點(diǎn)得益于技術(shù)的顯著進(jìn)步和更多的時(shí)間。到2026年初，通用人工智能（AGI）的論證將更加清晰明確。

我們現(xiàn)在探討十個(gè)針對(duì)現(xiàn)有低級(jí)智能體展現(xiàn)一般智能這一觀點(diǎn)的常見(jiàn)反對(duì)意見(jiàn)。其中一些反對(duì)意見(jiàn)與圖靈本人在1950年考慮過(guò)的反對(duì)意見(jiàn)不謀而合。我們認(rèn)為，每一種反對(duì)意見(jiàn)要么將一般智能與智能的非本質(zhì)方面混為一談，要么采用了人類個(gè)體無(wú)法達(dá)到的標(biāo)準(zhǔn)。

它們只不過(guò)是鸚鵡罷了。隨機(jī)鸚鵡論認(rèn)為，邏輯學(xué)習(xí)模型（LLM）僅僅是對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行插值。它們只能重新組合遇到過(guò)的模式，因此在真正的新問(wèn)題上，或者說(shuō)“分布外泛化”方面，必然會(huì)失敗。這與“洛夫萊斯夫人的反對(duì)意見(jiàn)”遙相呼應(yīng)，后者源于艾達(dá)·洛夫萊斯1843年的言論，并由圖靈表述為機(jī)器“永遠(yuǎn)無(wú)法做出任何真正新穎的事情” 1。早期的邏輯學(xué)習(xí)模型在需要超越訓(xùn)練數(shù)據(jù)表面模式進(jìn)行推理和泛化的問(wèn)題上確實(shí)犯過(guò)錯(cuò)誤。但目前的邏輯學(xué)習(xí)模型能夠解決新的、未發(fā)表的數(shù)學(xué)問(wèn)題，對(duì)科學(xué)數(shù)據(jù)進(jìn)行近乎最優(yōu)的上下文統(tǒng)計(jì)推斷11 ，并展現(xiàn)出跨領(lǐng)域遷移能力，即在代碼領(lǐng)域進(jìn)行的訓(xùn)練能夠提升其在非編碼領(lǐng)域的一般推理能力12 。如果批評(píng)者要求邏輯學(xué)習(xí)模型做出像愛(ài)因斯坦相對(duì)論那樣的革命性發(fā)現(xiàn)，那他們就把標(biāo)準(zhǔn)定得太高了，因?yàn)榧词故侨祟?，也很少有人能做出這樣的發(fā)現(xiàn)。此外，也不能保證人類智能本身不是一種精密的隨機(jī)鸚鵡。所有智能，無(wú)論是人類的還是人工智能的，都必須從相關(guān)性數(shù)據(jù)中提取結(jié)構(gòu)；問(wèn)題在于這種提取能深入到什么程度。

它們?nèi)狈κ澜缒Ｐ汀?/b>低級(jí)邏輯模型（LLM）被認(rèn)為缺乏對(duì)其物理環(huán)境的表征，而這些表征對(duì)于真正的理解至關(guān)重要。但擁有世界模型僅僅意味著能夠預(yù)測(cè)如果情況不同會(huì)發(fā)生什么——即回答反事實(shí)問(wèn)題。詢問(wèn)一個(gè)最先進(jìn)的低級(jí)邏輯模型，將玻璃杯或枕頭掉落在瓷磚地板上有什么區(qū)別，它就能正確預(yù)測(cè)前者會(huì)破碎，而后者則不會(huì)。低級(jí)邏輯模型能夠解決數(shù)學(xué)和物理奧林匹克競(jìng)賽題，并協(xié)助工程設(shè)計(jì)，這表明它們擁有物理原理的功能模型。按照這些標(biāo)準(zhǔn)，低級(jí)邏輯模型已經(jīng)擁有世界模型。此外，為自動(dòng)駕駛等特定領(lǐng)域開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠?qū)W習(xí)物理場(chǎng)景的預(yù)測(cè)模型，這些模型支持反事實(shí)推理和復(fù)雜的物理感知 13 。

艾倫·圖靈曾提出機(jī)器是否能夠思考的問(wèn)題。圖片來(lái)源：Gerard Noonan/Alamy

它們只能理解文字。這種反對(duì)意見(jiàn)的核心在于，語(yǔ)言學(xué)習(xí)模型（LLM）僅基于文本進(jìn)行訓(xùn)練，因此其功能必然從根本上局限于文本任務(wù)。然而，前沿模型現(xiàn)在已能基于圖像和其他多模態(tài)數(shù)據(jù)進(jìn)行訓(xùn)練，這使得這種反對(duì)意見(jiàn)在某種程度上已經(jīng)過(guò)時(shí)。此外，語(yǔ)言是人類壓縮和捕捉現(xiàn)實(shí)知識(shí)的最強(qiáng)大工具。語(yǔ)言學(xué)習(xí)模型可以提取這種壓縮的知識(shí)，并將其應(yīng)用于截然不同的非語(yǔ)言任務(wù)：例如，幫助研究人員設(shè)計(jì)實(shí)驗(yàn)——比如，在生物學(xué)和材料科學(xué)領(lǐng)域提出下一步的測(cè)試方向 4 ——其功能遠(yuǎn)不止于語(yǔ)言能力。我們尚未遇到這種反對(duì)意見(jiàn)所預(yù)測(cè)的語(yǔ)言學(xué)習(xí)模型性能的嚴(yán)重局限性。

它們沒(méi)有實(shí)體。批評(píng)者認(rèn)為，沒(méi)有實(shí)體，就不可能存在普遍智能。這反映了一種以人類為中心的偏見(jiàn)，這種偏見(jiàn)似乎只針對(duì)人工智能。人們會(huì)把智能賦予一個(gè)通過(guò)無(wú)線電通訊的無(wú)形外星人，或者一個(gè)培養(yǎng)在培養(yǎng)皿中的大腦。一個(gè)能夠準(zhǔn)確回答任何問(wèn)題，但從不移動(dòng)或進(jìn)行任何物理行為的實(shí)體，會(huì)被視為具有高度智能。物理學(xué)家斯蒂芬·霍金幾乎完全通過(guò)文字和合成語(yǔ)音與世界互動(dòng)，但他的身體局限絲毫沒(méi)有削弱他的智能。運(yùn)動(dòng)能力與普遍智能是可以分離的。

它們?nèi)狈ψ灾餍浴?/strong>誠(chéng)然，當(dāng)今的邏輯邏輯模型（LLM）不像人類那樣能夠獨(dú)立設(shè)定目標(biāo)或主動(dòng)采取行動(dòng)。即使是像前沿編碼代理這樣的“自主”人工智能系統(tǒng)，通常也只有在用戶觸發(fā)任務(wù)時(shí)才會(huì)行動(dòng)，即便它們能夠自動(dòng)設(shè)計(jì)功能和修復(fù)漏洞。但智能并不必然要求自主性。就像德?tīng)栰成裰I——一個(gè)只有在被詢問(wèn)時(shí)才能給出準(zhǔn)確答案的系統(tǒng)——當(dāng)前的邏輯邏輯模型無(wú)需主動(dòng)設(shè)定目標(biāo)即可被視為智能。人類通常兼具一般智能和自主性，但這并不意味著二者必然相互依存。自主性對(duì)于道德責(zé)任至關(guān)重要，但它并非智能的構(gòu)成要素。

他們沒(méi)有自我意識(shí)。批評(píng)者認(rèn)為，通用人工智能（AGI）需要持久的自傳體記憶、穩(wěn)定的個(gè)人身份和持續(xù)的自我更新，而目前的記憶模塊（LLM）卻缺乏這些能力。前沿的記憶模塊越來(lái)越多地配備長(zhǎng)期情境記憶和用戶特定記憶，因此人類與基于記憶模塊的系統(tǒng)在記憶和身份方面的差距正在縮小。雖然這些特征對(duì)于人類在社會(huì)中運(yùn)作至關(guān)重要，但它們并非通用智能的必要條件。我們不會(huì)否認(rèn)患有嚴(yán)重失憶癥的人擁有智能，即使他們幾乎記不起任何個(gè)人細(xì)節(jié)；我們也不會(huì)否認(rèn)患有多重人格障礙的人擁有智能，即使他們的各個(gè)人格可能彼此不知情。例如，一個(gè)有智慧的失憶癥患者可以利用記錄在外部筆記本中的信息進(jìn)行有效的推理，即使這些筆記本從未連接過(guò)。

他們的學(xué)習(xí)效率很低。一種常見(jiàn)的反對(duì)意見(jiàn)是，兒童只需少量例子就能學(xué)習(xí)概念，而邏輯學(xué)習(xí)者（LLM）則需要大量數(shù)據(jù)：他們的“樣本效率”很低。即便這種說(shuō)法正確，這種比較也并非簡(jiǎn)單直接。它忽略了數(shù)十億年的進(jìn)化“預(yù)訓(xùn)練”，這種訓(xùn)練在人類開(kāi)始從經(jīng)驗(yàn)中學(xué)習(xí)之前，就已經(jīng)構(gòu)建了豐富的歸納偏見(jiàn)——關(guān)于物體、空間和因果關(guān)系。更重要的是，學(xué)習(xí)效率的差異并不一定意味著智力水平的差異。一位用十年時(shí)間達(dá)到大師水平的國(guó)際象棋大師，與一位一年內(nèi)就達(dá)到大師水平的人，棋藝同樣精湛。

他們會(huì)產(chǎn)生幻覺(jué)。低級(jí)智力模型（LLM）有時(shí)會(huì)自信地將錯(cuò)誤信息當(dāng)作真理呈現(xiàn)，這引發(fā)了人們對(duì)其可靠性的擔(dān)憂。幻覺(jué)在目前的模型中越來(lái)越少見(jiàn)，但這并不能否定人類的一般智力。人類容易產(chǎn)生虛假記憶、認(rèn)知偏差和感知錯(cuò)覺(jué)，并且常常對(duì)此深信不疑。

它們?nèi)狈?jīng)濟(jì)效益。在某些領(lǐng)域，尤其是在工業(yè)界，通用人工智能（AGI）的定義已經(jīng)演變?yōu)楸仨毊a(chǎn)生實(shí)質(zhì)性經(jīng)濟(jì)回報(bào)。但經(jīng)濟(jì)能力是通用智能的應(yīng)用，而非其存在的必要條件。歷史上有很多才華橫溢卻鮮有經(jīng)濟(jì)回報(bào)的人；我們并非因此否定他們的通用智能。

它們的智能是“異類”的。LLM（語(yǔ)言學(xué)習(xí)機(jī)器）有時(shí)會(huì)在對(duì)我們來(lái)說(shuō)微不足道的任務(wù)上失?。ɡ纾y(tǒng)計(jì)“strawberry”（草莓）一詞中字母“r”的出現(xiàn)次數(shù)），卻能在人類認(rèn)為困難的任務(wù)上表現(xiàn)出色——從博士級(jí)別的科學(xué)問(wèn)題到對(duì)海量科學(xué)文獻(xiàn)進(jìn)行快速綜合分析。但我們并非認(rèn)為L(zhǎng)LM擁有人類智能，而是認(rèn)為它們實(shí)現(xiàn)了某種形式的通用智能。此外，前沿LLM越來(lái)越多地編寫(xiě)代碼并使用工具來(lái)彌補(bǔ)自身的弱點(diǎn)，正如人類利用技術(shù)（從袖珍計(jì)算器到智能手機(jī)）來(lái)增強(qiáng)自身能力一樣。由此產(chǎn)生的優(yōu)勢(shì)和劣勢(shì)構(gòu)成了一種相當(dāng)異類的智能形式，但這正是我們應(yīng)該拓展通用智能概念的原因，而不是否認(rèn)這些系統(tǒng)擁有通用智能。

在這些反對(duì)意見(jiàn)中，批評(píng)者要求具備一些特定特征，而這些特征并非任何可靠的原則所要求的。許多反對(duì)意見(jiàn)排除了我們很容易識(shí)別出的智能；有些甚至排除了被認(rèn)為智力超群的人類，或者干脆排除了所有人類。

最后，還有一種不同的反應(yīng)，與其說(shuō)是反對(duì)意見(jiàn)，不如說(shuō)是圖靈所說(shuō)的“鴕鳥(niǎo)心態(tài)”：機(jī)器思考的后果太過(guò)可怕，所以我們只能祈禱它們不會(huì)思考。從情感和人性的角度來(lái)看，這種想法是可以理解的。但正如圖靈所指出的，這需要的是安慰，而不是反駁——我們可以理解這種擔(dān)憂，而無(wú)需將其視為論據(jù)。

為什么這很重要

將當(dāng)前的LLM可以視為通用人工智能（AGI），并認(rèn)為它們實(shí)現(xiàn)了圖靈提出的機(jī)器智能愿景，這無(wú)疑是一記警鐘。這些系統(tǒng)并非遙不可及，它們已經(jīng)到來(lái)。以往用于評(píng)估特定工具的框架不足以評(píng)估它們的益處和風(fēng)險(xiǎn)。當(dāng)所涉及的系統(tǒng)不再是特定工具而是通用智能時(shí)，共存、責(zé)任、義務(wù)和治理等問(wèn)題便呈現(xiàn)出新的維度。

正如我們所見(jiàn)，智能并不一定需要高度自主性——這一發(fā)現(xiàn)使關(guān)于人工智能系統(tǒng)的法律和道德責(zé)任的辯論變得復(fù)雜，因?yàn)檫@些辯論通常假定二者密不可分。我們需要更謹(jǐn)慎、更具實(shí)證基礎(chǔ)的方法來(lái)評(píng)估和確定人工智能的責(zé)任。此外，傳統(tǒng)的治理方法不太可能適用于通用人工智能（AGI），恰恰是因?yàn)槠淦毡樾?。技術(shù)通常根據(jù)其潛在用途進(jìn)行治理，但AGI幾乎可以應(yīng)用于任何地方。

另一個(gè)關(guān)鍵問(wèn)題涉及人類智能與已創(chuàng)造和未來(lái)將要?jiǎng)?chuàng)造的通用智能形式之間的關(guān)系。在許多方面，這些系統(tǒng)與人類驚人地相似——它們像我們一樣寫(xiě)作，像我們一樣說(shuō)話，也和我們一樣存在一些缺陷。然而，它們?nèi)匀皇钱愵悾从吵鐾ㄍㄓ弥悄艿母韭窂浇厝徊煌?，不受塑造人類認(rèn)知（以生存為導(dǎo)向）、體型小、能量稀缺和通信帶寬低等進(jìn)化壓力的制約。理解這種異類性至關(guān)重要。這些系統(tǒng)與我們的有何不同？這些差異是暫時(shí)的還是根本性的？

答案或許能揭示通用智能的哪些方面是普遍存在的，哪些方面又是我們生物遺傳的局限性特征。人類歷史上，我們第一次不再孤單地探索通用智能領(lǐng)域。我們或許也能更好地理解其中的風(fēng)險(xiǎn)，因?yàn)橥庑峭ㄓ弥悄芸赡軙?huì)以出人意料的方式失敗，或者以難以理解或引導(dǎo)的方式取得成功。認(rèn)清這些系統(tǒng)的本質(zhì)，將有助于我們今天與它們合作，并為未來(lái)做好準(zhǔn)備。

僅僅五年前，我們還沒(méi)有通用人工智能（AGI）；如今，我們擁有了。毫無(wú)疑問(wèn)，更強(qiáng)大的智能形式很快就會(huì)出現(xiàn)。這既令人矚目，又令人擔(dān)憂。令人矚目之處在于，我們有幸見(jiàn)證了人類歷史上或許最為重大的科學(xué)技術(shù)革命。令人擔(dān)憂之處在于，這一進(jìn)程的時(shí)間跨度遠(yuǎn)超歷史任何先例，而且可能還在加速。

1965年，哲學(xué)家休伯特·德雷福斯在為蘭德公司評(píng)估人工智能進(jìn)展時(shí)，將開(kāi)發(fā)人類水平人工智能的方法比作試圖通過(guò)爬樹(shù)到達(dá)月球（參見(jiàn)go.nature.com/3ywerhj）。幾十年來(lái)，這種比喻似乎都很有道理。但隨著證據(jù)的不斷積累，我們?cè)絹?lái)越清楚地認(rèn)識(shí)到，我們誤判了月球的本質(zhì)和樹(shù)木的力量。通用智能確實(shí)可以從簡(jiǎn)單的學(xué)習(xí)規(guī)則中涌現(xiàn)，這些規(guī)則大規(guī)模地應(yīng)用于人類語(yǔ)言中潛在的模式——事實(shí)證明，這些模式足夠豐富，足以編碼現(xiàn)實(shí)本身的大部分結(jié)構(gòu)。

尼古拉·哥白尼將人類從宇宙中心拉了出來(lái)。達(dá)爾文將人類從自然界的特權(quán)地位中拉了出來(lái)。圖靈提出，人類或許并非智能的唯一體現(xiàn)。75年前圖靈設(shè)想的機(jī)器終于到來(lái)，其形態(tài)既比任何人想象的都更加陌生，又更加人性化。如同之前的那些革命一樣，這次革命也促使我們重新思考自身的定位——并接受存在著比我們以往所認(rèn)為的更為豐富的思維類型。我們?cè)谑澜缟系奈恢?，以及我們?duì)思維的理解，都將發(fā)生改變。

Nature