AGI展望：预测、驱动因素与迈向人类水平AI之路

尽管当前最先进的人工智能模型在药物发现和软件开发等领域展现出卓越能力，但它们在人类只需几分钟就能解决的简单谜题上却常常受挫。这种悖论正是通用人工智能（AGI）核心挑战所在——即追求能够与人类智能匹敌甚至超越人类智能，横跨所有认知领域的AI系统。当前AI革命的核心问题是，它能否真正产生这样的模型？如果能，又需要哪些基础性驱动因素，无论是硬件创新、复杂软件，还是两者的精妙协同，才能为其提供动力？

AI领域的领军人物对AGI的出现提出了引人注目的愿景和日益激进的时间表。Anthropic联合创始人达里奥·阿莫迪（Dario Amodei）预测，一种“强大AI”的形式最早可能在2026年实现。他设想的系统能够达到“诺贝尔奖级别的领域智能”，在文本、音频和物理世界等不同界面之间无缝切换，并具备自主推理复杂目标的能力，而不仅仅是回应提示和问题。同样，OpenAI首席执行官萨姆·奥特曼（Sam Altman）认为，AGI般的特性已“初露端倪”，预示着一场堪比电力和互联网影响的社会变革。奥特曼将这种快速进展归因于训练方法、数据获取和计算能力的持续进步，以及运营成本的下降，并预测社会经济价值将“超指数级”增长。

这种乐观情绪远超领先AI实验室的创始人。综合预测显示，到2028年，AI系统实现多项重要AGI里程碑的概率至少为50%。更具体地说，一项专家调查估计，到2027年，未经辅助的机器在所有可想象的任务中超越人类的可能性为10%，到2047年这一概率将上升到50%。尤其引人注目的是，随着每一次突破，这些预测时间表都在不断缩短。曾几何时，AGI被视为遥远的未来——在GPT-3发布时可能还需要50年——但据报道，到2024年底，这一期限已缩短至短短五年。这种加速的步伐凸显了大型语言和推理模型已对几乎所有行业产生的深远影响，正如Arm机器学习技术副总裁兼研究员伊恩·布拉特（Ian Bratt）所强调的那样。硬件进步、精细软件架构和日益庞大的数据集的融合，不仅仅是渐进式地改进AI；它似乎正在压缩许多人认为将是人类历史上最重大的技术飞跃的时间线。