DeepMind CEO：一致性是AI迈向AGI的瓶颈

迈向通用人工智能（AGI）的旅程面临一个关键障碍：一致性。AGI是指机器能够在广泛的任务中复制人类水平的认知能力。这是Google DeepMind首席执行官戴米思·哈萨比斯（Demis Hassabis）的最新评估，他认为，尽管人工智能取得了令人印象深刻的进步，但当前AI模型的一个根本缺陷阻碍了它们实现真正的AGI。

哈萨比斯最近强调，虽然当今最先进的AI系统能够攻克高度复杂的挑战，例如赢得顶尖数学竞赛，但它们同时可能在相对简单的学校级别问题上出现失误。这种在不同领域表现出的显著差异，正是哈萨比斯所指出的“一致性”严重缺乏。他指出，一个人目前可以在几分钟内发现高级AI聊天机器人中的显著弱点或“漏洞”，而真正的通用智能应该足够强大，能够经受专家数月的审查而不被发现此类缺陷。

对哈萨比斯而言，AGI的定义取决于一个系统能否展现出人类所具备的全部认知能力，表现出在不同领域泛化知识和技能的深刻能力。人类心智是他衡量AGI的基准，因为它是宇宙中唯一已知的通用智能范例。他认为，当前的AI仍然缺乏诸如稳健推理、分层规划和长期记忆等关键属性，这些属性导致了普遍存在的不一致性。此外，他强调AI系统缺乏独立生成新科学假设或猜想的能力，而不仅仅是证明现有假设。

这种不一致性表明，现代AI虽然在特定、定义明确的任务中表现出惊人的强大，但其运作更像是一系列高度专业化的工具，而非统一、适应性强的智能。挑战在于使AI能够无缝地转移知识并适应不同情境下的理解，就像人类医生能够运用诊断推理来排除故障电器，尽管他们没有正式的电器维修培训。如果缺乏这种固有的适应性和全面的可靠性能，AI系统在真正理解和应对现实世界的复杂性方面将仍然受限。

解决这种一致性缺陷对于AI发展的下一次飞跃至关重要。研究人员正在努力构建能够从持续反馈中学习、完善理解并避免“灾难性遗忘”（新信息覆盖旧知识）的系统。目标是超越单纯的模式识别，实现更深层次的因果理解、常识和直觉——这些能力是人类一致性和适应性的基础。虽然通往AGI的道路充满了技术、经济和伦理挑战，但哈萨比斯保持了相对乐观的展望，认为在未来五到十年内有50%的机会实现他定义的AGI。克服一致性障碍将是一个决定性时刻，它将开启一个AI能够真正泛化其智能并可靠地解决世界上最复杂问题的时代。