想象一个机器可以像我们一样思考、学习和理解的世界。Google DeepMind的主要参与者Shane Legg阐明了创建这种智能机器（称为通用人工智能（AGI））的旅程。AGI不仅仅是一台复杂的计算机;这是关于制造一台可以处理任何智力任务的机器，甚至比我们更好。
了解我们离实现通用人工智能有多近并不容易。智力是一个广阔的概念，远不止一个简单的衡量标准，比如跳高运动员可以清除的高度。这不仅仅是快速解决难题;它涉及掌握故事，从发生在我们身上的事情中学习，并理解世界。为了真正衡量我们机器的智能，我们需要一系列反映人类认知全部范围的认知基准，而不仅仅是我们现在经常使用的狭隘测试。
以情景记忆为例。这是我们记住过去事件并从中学习的能力，这是智力的关键部分。然而，我们目前的人工智能在这方面很挣扎。他们发现很难像我们一样记住和使用特定的经验。这就是样品效率的理念发挥作用的地方。这是关于从很少的东西中学到很多东西——就像一个孩子在轻轻一碰后就学会了远离热炉子一样。我们的机器需要在这方面做得更好。
另一个障碍是理解流媒体视频。我们可以观看视频并了解故事、情感和微妙的细节。但目前的人工智能系统通常无法做到这一点。他们努力以我们所能的无缝方式将叙事线索组合在一起。
通用人工智能
像 GPT-3 这样的大型语言模型 （LLM） 因其生成看起来像是人类编写的文本的能力而掀起了波澜。但它们有其局限性。他们并不真正理解他们在写什么。为了克服这些限制，我们可能需要重新思考如何构建人工智能模型。这可能意味着创建能够创造性地搜索信息的系统，而不仅仅是重复它们被输入的内容。
随着我们向前迈进，深刻理解、考虑道德并确保可靠的推理至关重要。我们必须确保人工智能系统符合人类价值观。这不仅仅是避免错误;这是关于引导人工智能做出对每个人都有利和公平的选择。
可解释性也是关键。如果我们无法理解人工智能是如何做出决策的，我们怎么能相信它呢？我们需要监督这些系统，使用红队来测试它们，并制定它们如何运作的规则。这些都是我们必须对这些智能系统采取的重要安全步骤。
DeepMind 人工智能
DeepMind 在推动 AI 向前发展方面发挥了重要作用，但能力越大，责任越大。AGI可能对我们的经济和社会产生巨大的影响。它可能会改变行业、我们的经济运作方式以及我们的日常生活。但我们必须小心处理它。
展望未来，人工智能将不仅仅是处理文本。多模态（结合文本、图像、声音和其他类型的数据）是下一件大事。这将为新的人工智能用途打开大门，从更容易交谈的虚拟助手，到更像我们一样看待世界的机器。
