Command Palette
Search for a command to run...
AI必须通过超人类自适应智能拥抱专业化
AI必须通过超人类自适应智能拥抱专业化
Judah Goldfeder Philippe Wyder Yann LeCun Ravid Shwartz-Ziv
摘要
从人工智能企业高管和研究者，到末日预言家、政客及活动人士，大家都在谈论通用人工智能（AGI）。然而，他们似乎往往无法就其确切定义达成一致。AGI 的一种常见定义是：能够像人类一样完成所有任务的人工智能。但人类真的是“通用”的吗？在本文中，我们探讨了当前对 AGI 概念认知的偏差，并论证为何即使在其最连贯的表述形式下，AGI 仍是一个用于描述人工智能未来发展的有缺陷的概念。我们考察了最广为接受的定义是否合理、有用，以及是否真正具备“通用性”。我们认为，人工智能应当拥抱“专业化”，而非追求“通用性”；在专业化进程中，应致力于实现超人类的表现。基于此，我们引入了“超人类适应智能”（Superhuman Adaptable Intelligence, SAI）这一概念。SAI 被定义为一种能够学习在人类所能从事的任何重要领域超越人类，并能够弥补人类能力短板智能。随后，我们阐述了 SAI 如何有助于厘清因 AGI 定义过载而变得模糊的人工智能讨论，并推演了将其作为未来指导框架所带来的影响。
一句话总结
认为AGI的概念存在缺陷，作者们主张AI应朝着超人类表现进行专业化，引入超人类自适应智能（Superhuman Adaptable Intelligence，SAI），定义为能够学习在任何重要任务上超越人类、并填补人类无法胜任的技能空白的一类智能，以此重新聚焦AI讨论并指导未来发展。
核心贡献
- 本文引入了超人类自适应智能（Superhuman Adaptable Intelligence，SAI），定义为能够学习在任何人类可执行的重要任务上超越人类、并填补人类无法胜任的技能空白的一类智能，从而将AI目标从定义模糊的人类水平通用性上移开。
- 本文认为，迈向SAI需要专业化和架构多样性，并提出由专用模块、预测性世界模型和自监督潜变量预测（如在Dreamer 4、Genie 2或JEPA中）组成的系统，相比于单体自回归模型提供了一条更有效的路径。
- 它将评估方向从静态的以人为中心的基准重新导向可衡量的适应动态——即在现实资源约束下技能习得的速度与效率——作为更具体的北极星目标。
引言
对通用人工智能（AGI）的追求塑造了当今AI的大部分叙事，但该术语仍因定义不一致而含义过载，加剧了极化辩论并使研究方向变得模糊。以往的AGI概念通常将人类智能作为通用性的基准，忽视了人类是专门化的适应者而非通用问题解决者的证据；追求真正通用性的定义与没有免费午餐定理相冲突，而以人为中心的衡量标准则忽略了人类能力之外的有价值任务。作者们认为，这种有缺陷的框架掩盖了进展，并提出了超人类自适应智能（SAI）作为一个更清晰的北极星目标：即一种智能，其衡量标准是多快能够适应并在任何重要任务上超越人类表现，无论人类是否能够完成该任务。这一转变突出专业化、自监督学习和模块化世界模型，而非追求单一通用系统。