OpenAI執行長Sam Altman最近在《金融時報》採訪時透露，為了接下來「通用人工智慧」（Artificial General Intelligence，AGI）的發展，他正在跟微軟爸爸爭取更多的資金。看來，AGI似乎已經成為各方AI角逐者的終局目標。只是，AGI究竟是什麼呢？好巧不巧，前陣子Google Deepmind發表一篇名為〈通用人工智慧等級：實現通往AGI之路的進展〉（Levels of AGI: Operationalizing Progress on the Path to AGI）的論文，試圖重新定義這個顯得既氾濫又模糊的名詞，為AGI提供了一個更為實際且更有助於討論的全新框架。
AGI的9派定義介紹與局限
起先，我也和大家一樣大惑不解，為何要幫AGI分等級？《幽游白書》真人影集預告才剛釋出，難不成這是受到日漫影響，妖力S級、A級……之類的？仔細看了看論文，才發現Deepmind拿出「自駕等級」類比，就像國際汽車工程師學會（SAE）在2021年提出的自動駕駛分級，是從「駕駛輔助」到「完全自動」一共分作L1至L5五級，AGI也應該理當分級才是。嗯，確實有幾分道理。
在武斷地做出AGI的等級區分之前，Deepmind的論文先對過往AI大大們所提出的「AGI定義」進行一番指點和討論，來了一場禮貌大回顧。
1. 圖靈測試
先從最OG的「圖靈測試」（Turing Test）回顧起。圖靈在1950年發表了劃時代論文，他預言人類創造出具備智慧的機器的可能性。由於難以確切定義出何謂「智慧」，因此他提出了圖靈測試——也就是一台能與人類對話、並且不被辨別出機器的身分，那就通過了圖靈測試。
但眾所皆知，如今包括GPT在內的許多LLM都已經通過了圖靈測試。但很顯然，它們都還不算真正的AGI。
2. 強AI：擁有意識的系統
「強人工智慧」（Strong AI）是哲學家約翰塞爾（John Searle）提出的概念，他認為在經過適當的編程並賦予正確的程式之後，電腦也算是擁有思維。但某種程度來說，把AGI的構成條件推往更難被定義的「意識」，反倒更難進行討論。
3. 人腦類比
AGI一詞最早出現在馬克古布魯德（Mark Gubrud）在1997年的軍事技術的文章，他定義AGI是「在複雜性和速度上媲美或超越人腦的AI系統」。但Deepmind的論文指出，就算現代機器學習和神經網絡的確受到人腦的啟發，但未必就代表AGI得依照人腦的模式發展。
4. 認知任務達人類水準
這個AGI定義聽起來蠻合理，直到生成式AI的出現。何謂認知任務？簡單來說，就是非體力活的工作。可是，ChatGPT或Midjourney等工具都已經達到人類的水準了啊。那是不是能說，現在AI已經達到通用人工智慧的等級了呢？（打完收工）
5. 學習能力
倫敦帝國理工學院認知機器人學教授Murray Shanahan在他的著作《科技奇點》（The Technological Singularity）提出：「AGI是一種不專門執行特定任務的AI，而是能夠學習並執行與人類一樣廣泛任務的AI。」他的AGI框架，更強調了學習和通用的重要性。
6. 具備經濟價值的工作
根據OpenAI 2018年的憲章定義，AGI指的是「在大多數經濟價值工作中超越人類的高度自動系統」。但Deepmind論文認為這個定義有點狹隘，畢竟有許多與智慧相關的工作，並沒有明確的經濟價值，比方說藝術和創造類的工作。
7. 靈活與通用：咖啡測試與其他挑戰
另一位認知心理學科學家、前陣子才狂嗆Yann LeCun的Gary Marcus也有自己的AGI定義。他認為，AGI指的是在靈活性和通用性都具備了相當於或超越人類智慧的AI，他一共列出了五項任務類別，從看懂電影，到會在任何的廚房裡做飯。Deepmind論文說這很類似於蘋果的另一位史蒂夫Steve Wozniak曾提出的「咖啡測試」，指的是通用人工智慧，得到任一個美國家庭，找到咖啡機、找到咖啡豆、加水、找到杯子、到按下正確的按鈕，最終泡好一杯咖啡才算合格。
8. 人工「能力」智慧
另一位AI大咖，Deepmind創辦人、現又創立Inflection AI在搞另一個聊天機器人Pi的Mustafa Suleyman，在今年也出版了新書《即將到來的浪潮》（The Coming Wave）。裡頭提出人工能力智慧（Artificial Capable Intelligence，ACI）的概念，更著重在AI能做什麼，指出是「具有足夠能力和通用性，以完成開放世界的複雜、多步驟任務的AI系統。」他還提出他版本的「現代圖靈測試」，是他會拿出十萬美元給AI，而假設AI有辦法在幾個月內翻成一百萬美元就算通過。嗯，能做到我也服了。
9. 大型語言模型已是通才
兩位Google研究院的大神Blaise Agüera y Arcas和Peter Norvig最近提出，目前較為領先的大型語言模型（GPT-4、Bard、Llama 2、Claude）都已經算是AGI了。他們認為「通才」是AGI的關鍵屬性，而這些語言模型已經有足夠的通用性，比方可進行廣泛的討論、執行各種任務、處理多模態輸入輸出、多種語言操作等等。
AGI等級：從菜雞到超人
綜上所述，Deepmind論文接著歸納出更實用的「AGI 6大原則」來進行AGI的分級與定義：1）重點在於AI能做到什麼，而不是它如何做到；2）通用性和能力同樣重要；3）認知型任務與學習新事物的能力是衡量的標準；4）重點在於潛力而非部署；5）生態效度，也就是在真實世界的實用性很重要；6）關注在通往AGI的道路，而非單一終點。
好的，如果你看到這邊已經逐漸恍神了，那不妨直接來看AGI的等級表吧！
| 通用性與能力 | 狹義（專才，特定任務） | 廣義（通才，廣泛的非體力任務，包括學習新技能等後設認知能力） |
| Level 0：非AI | 狹義非AI 計算機軟體；編譯器 | 廣義非AI 人類訓練師計算，例如亞馬遜土耳其機器人 |
| Level 1：新手 等於或略優於無技能的人類 | 新手級狹義AI GOFAI；簡單基於規則的系統，例如SHRDLU（Winograd，1971) | 新手級AGI ChatGPT (OpenAI, 2023), Bard (Anil et al., 2023), Llama 2 (Touvron et al., 2023) |
| Level 2：熟手 贏過50%的有技能成年人 | 熟手級狹義AI 毒性檢測器，例如Jigsaw (Das et al., 2022)； 智慧喇叭，例如 Siri (Apple)、Alexa (Amazon) 或 Google Assistant (Google)； VQA系統，例如PaLI (Chen et al., 2023)； Watson (IBM)； 可用於如短文寫作、寫簡單程式的現行大型語言模型 | 熟手級AGI 從缺 |
| Level 3：專家 贏過90%的有技能成年人 | 專家級狹義AI 拼字和文法檢查器，例如Grammarly（Grammarly，2023）； 圖像生成模型，例如Imagen（Saharia et al., 2022），Dall-E 2（Ramesh et al., 2022） | 專家級AGI 從缺 |
| Level 4：大師 贏過99%的有技能成年人 | 大師級狹義AI Deep Blue（Campbell et al., 2002）, AlphaGo（Silver et al., 2016, 2017） | 大師級AGI 從缺 |
| Level 5：超人 超越所有人類 | 超人級狹義AI AlphaFold（Jumper et al., 2021; Varadi et al., 2021）， AlphaZero（Silver et al., 2018）， StockFish（Stockfish, 2023） | 超人級AGI 從缺 |
人類躺平AI才可怕
既然這篇Deepmind論文是以「實用性」作為出發點，那想必AGI的等級就不會只是列爽的。AI熱潮以降不斷出現的各種AI威脅論，大家都是耳熟能詳，只是對話很難聚焦的原因，就在於各方並沒有以相同的定義來作為討論的基礎。因此，這篇Deepmind論文就用了這個新框架，清楚地告訴我們，不同等級的AGI可能引發的風險與威脅。
| 自主性等級 | 範例 | 需解鎖的AGI等級 | 導入風險與威脅 |
| Level 0：非AI 人類做所有事 | 模擬方法（例如用鉛筆在紙上素描）； 非AI的數位工作流程（例如在文字編輯器中打字、在繪畫程式中繪圖） | 非AI | 零風險 |
| Level 1：把AI當工具 人類完全控制，只是用AI自動執行普通的任務 | 用搜尋引擎尋找資訊； 用檢查文法App修改寫作； 用機器翻譯App讀取圖示 | 新手級狹義AI； 熟手級狹義AI | 因過度依賴AI而失去技能； 破壞原有產業 |
| Level 2：把AI當顧問 當人類召喚時，AI能發揮實質的作用 | 依賴語言模型來進行文件摘要； 使用程式生成模型加入電腦程式編寫； 透過複雜推薦系統來消費娛樂 | 熟手級狹義AI； 專家級狹義AI；新手級AGI | 過度信任； 社會激化； 隱私成為目標； 被操控 |
| Level 3：把AI當夥伴 針對目標和任務互動協調，人類與AI平等協作 | 藉由與下棋AI對練，訓練成為西洋棋手； 與AI生成的虛擬人進行社交互動和娛樂 | 新手級AGI； 專家級狹義AI； 熟手級AGI | 擬人化（例如，寄生社會關係，指忽略實體生活社交）；快速社會變革 |
| Level 4：把AI當專家 主要由AI負責，人類提供指導和回饋 | 使用AI系統來推進科學發展（例如蛋白質折疊）； | 大師級狹義AI； 專家級AGI； | 大規模的社會倦怠； 大規模勞力置換（例如失業）； 人類卓越性的殞落（人類的價值受到挑戰） |
| Level 5：把AI當代理人 完全自主的AI | 自主AI驅動的個人助理 | 大師級AGI；超人級AGI | AI與人類的價值對齊問題； 權力集中（得AI者得天下） |
值得注意的是，AGI的能力高低並不直接與風險的高低有關，反倒是人類在部署AI時，為了偷懶的緣故而賦予AI「自主性」（Autonomy），這才會導致潛在的威脅。這點是人類在應用AI時需要去注意的，畢竟一個高能力但低自主性的AGI，還是相對安全的，因為它的行動仍然受到人類的控制和監督。好的。看起來這篇Deepmind論文真的把接下來的AI發展，以及可能性的風險講得頗清楚了。不曉得大家是否期待著這樣的未來呢？
訂閱電子報
