《智能的理论》全书转至目录

不同AGI的研究路线对比简化版：《AGI（具身智能）路线对比》，欢迎各位参与讨论、批评或建议。

在解释定义问题后，下一个问题就是如何实现的问题。目前人工智能可以分为两个大类，一类是代表专用人工智能（SAI）的AI3，另一类是代表通用人工智能（AGI）的AI1和AI2。AI3已经取得了显著的进步和广泛的应用，相比之下，尽管AI1和AI2自提出以来就备受关注，但其发展之路却充满了波折和挑战，尚未达到预期和被广泛应用。

关于AGI的定义有两项共识，AI1“与人有相同认知功能的机器”和AI2“行为表现与人一致的机器”。更具体的主张有5个，分别是结构取向、行为取向、能力取向、功能取向、原则取向。其中，能力取向和行为取向属于AI2的范畴；而结构取向、原则取向、功能取向属于AI1的范畴（1-1：定义问题）。

一.AI2阵营

一些人认为，人工智能（指AGI）只需要在行为上像人就可以认为其有智能了，没必要在认知上也学人！的确，不管什么方法，能抓住老鼠的就是好猫。那么，现在要做的就是考察能力取向和行为取向是否有能力或有潜力实现AGI。

1.通用-能力取向

这个取向主张，由于AGI问题太复杂，需要一步步来实现。因此通过集成各种各样的专用能力（SAI）实现AGI，比如人类会扫地、做饭、搬砖、写毛笔字、下棋、打乒乓球、跳舞，那么把这些能力一项项的赋予机器，当机器拥有的能力与人类拥有的能力相当时，此时的机器就是AGI了。但这种取向有以下三个问题：（a）通过学习，人类能获取无穷种能力（在身体极限和认知极限的范围内）。如果按照这种取向的说法，要实现AGI就要实现无数种SAI能力，然后再集成在一个机器上，而实现“无数种能力”（总之是非常非常多）不可能也不可取。试想一下，将技能一项项的赋予机器人，如先教会打乒乓球、然后教会它捶背、然后教会它下棋...，按照目前的技术水平，这基本是不可能完成的任务；（b）如何将数量庞大的不同能力集成到一个系统中是这种取向的另外一个问题。AGI的构建应该从一个整体设计开始。就像建造房子一样，没有人建房子是一个一个房间建，分别去建客厅、书房、卧室、厨房、阁楼、卫生间等等，最后再设法把它们拼在一起。正常流程是先有图纸、打地基、建造整体结构、最后装修（王培，2019b）；（c）这种方法还存在逻辑上的错误。人类的一些能力本身就具有通用性（如语言），集成这些具有通用性的能力以实现AGI，那么这些通用性能力又由什么来集成呢？

2.通用-行为取向

行为取向的主张是，AI应该在外部表现上做到与人一致，至于内部如何实现无关重要，而以ChatGPT为代表的大语言模型正好符合这点。自从ChatGPT问世以来，各种大型语言模型仿佛雨后春笋般迅速涌现出来，这些模型在人工智能领域掀起了一场革命。但根据前一节的分析（1-1：定义问题），ChatGPT仅“小”部分属于通用智能。要真正实现与人类智能相媲美的高级通用人工智能（AGI），根据目前业界的主流观点，必须将大语言模型、多模态模型与机器人技术三者相结合，业界称为具身智能。多模态模型指的是能够处理和理解多种不同类型的数据和信息的模型，例如文本、图像、声音等，而机器人技术则涉及到将这些模型应用于实际的物理世界中，使机器能够进行复杂的交互和任务执行。鉴于这一取向已成为业界主攻方向，这部分内容将在下一节（1-3：行为取向（AI2））单独论述。此外，由于该取向本质上就是从海量数据中提取模式和规律，属于数据科学的范畴。

二.AI1阵营

根据多层级世界观的观点，世界是由许多层级或层次构成的，这些层级对应的不同科学学科，如物理层、化学层、生物层、心理学层和社会科学层，并且较低层级的实体构成较高层级的实体，如物理层构成化学层（8-1：心灵哲学）。认知学相关的层级有心理学层和神经科学层，低层级的神经科学层中的大脑过程构成了高层级的心理学层面的认知过程，这两个层面分别对应功能取向和结构取向（8-8：层次问题）。原则取向并不处于这个多层结构中，因为在多层结构中上层结构可由低层结构构成，而原则取向中的原则并不由心理层原理构成，而是它们的抽象，这些原则为某些心理学理论的共性，但也丢失了很多个性。

1.通用-结构取向

要实现人类级别的人工智能，一条很自然的方法就是，通过构造一个“忠于大脑”的模型来实现各项认知功能的统一再现。这个取向看上去很靠谱，但存在几点问题：（a）基于目前神经科学的研究程度，这条路还有很远。大脑是由10^3到10^11个组件构成的网络，其中神经元细胞有约1000种不同的种类。对于这个网络如何运作，我们一无所知，我们也不明白不同物种大脑的复杂程度与其适应性智能水平之间的关系。因此，在2020年AI Debate 2的讨论大会中，Koch直言：“不要指望神经科学来帮助人工智能”、“了解大脑将需要一两个世纪，在大脑的组成结构中寻找灵感，以加快AI的研究速度是错误的”；（b）不同的学科层次，针对不同的自然规律，科学研究也应该从不同的层次进行探讨。“认知”本来是心理学的主题，认知有自己独特的原则、谓语和术语，用于描述该层级实体的行为，而这是神经科学所不能描述的（8-8：层次问题）；（c）人类与机器有构造上的不同，前者是碳基，后者是硅基。因此，人工智能与人类智能在某些方面是不同的，否则就是“人造人”了（1-1：定义问题）。而根据功能主义和多重可实现性的假设（8-1：心灵哲学），我们可以把智能看成一种有不同实现方式的认知机制，可以用大脑的神经元构成，也可以用机器的二极管构成，从这个角度来看，我们没有任何理由认为人脑是唯一能够实现智能的方式。

2.通用-原则取向

有些研究者相信，人工智能和其它领域一样可以建立在一个相对简单的统一基础之上，而“智能”代表着某种理性原则。例如，王培将“在知识和资源相对不足的条件下的适应能力”作为智能定义。Friston的主动推理将智能定义为“生命有机体认知与行为的方方面面都要遵循一个原则——令主体当前的感知观察与其偏好的感知观察间的差异最小化，而为主体所偏好的感知观察通常关乎身体的完整与生命的维系”（1-1：定义问题）。这一派目前在人工智能界是极少数，大部分人不相信复杂如“智能”的现象可以被归结为一组基本原则。我与这些人持相同观点，即便一些认知功能可能有一些共同的原则，但具体到每个认知功能上它们仍展现出各自的个性，凭这些共性无法对每种认知功能的个性作出充分描述。

3.通用-功能取向

根据功能取向的观点，实现通用智能意味着一个机器系统应具备多种协同工作的认知功能。并且，要实现这么一个机器系统，首先需要从理论层面上理解各认知功能，解决各认知功能如何协同工作，然后作为一个整体被一个算法实现。由于“认知”本来就是心理学的主题，因此这个取向是最直接的。功能取向是AI1阵营中唯一有可能实现AGI的，将会留在后面（1-4：功能取向（AI1））具体讨论。