人工智能和机器学习 模型领域的最新发展使通用人工智能的讨论成为具有直接实际重要性的问题。在计算科学中，通用人工智能是一个至关重要的概念，指的是一种人工智能系统，它至少可以像人类一样完成广泛的任务。随着机器学习模型能力的进步，越来越需要一个正式的框架来对 AGI 模型及其前身的行为进行分类和理解。
在最近的研究中，来自谷歌DeepMind的一组研究人员提出了一个名为“AGI水平”的框架，以创建一种类似于自动驾驶水平的系统方法，用于对通用人工智能模型及其前身的技能和行为进行分类。该框架引入了三个重要维度：自主性、通用性和性能。这种方法提供了一个通用词汇表，可以更轻松地比较模型、评估风险和跟踪人工智能的进展。
该团队分析了之前对AGI的定义，以创建这个框架，提炼出他们认为对于实用的AGI本体论所必需的六个想法。所建议的框架的制定以这些原则为指导，这些原则突出了集中精力而不是机制的重要性。这包括独立评估通用性和性能，并在转向 AGI 时确定步骤，而不仅仅是最终目标。
研究人员分享说，AGI框架的最终水平是围绕两个基本方面构建的，包括深度，即性能和广度，这是能力的通用性。该框架通过根据这些特征对 AGI 进行分类，促进了对人工智能系统动态环境的理解。它建议在绩效和通用性方面与不同程度的能力相对应的步骤。
该团队在评估现有人工智能系统如何适应建议的方法时，已经承认了所涉及的困难和复杂性。还讨论了未来的基准，这些基准是准确测量AGI模型与预定阈值相比的能力和行为所必需的。这种对基准测试的关注对于评估发展、确定需要发展的领域以及保证人工智能技术的开放和可量化的发展至关重要。
除了技术考虑因素外，该框架还考虑了部署问题，特别是风险和自主性。该团队强调了部署因素和 AGI 级别之间的复杂关系，并强调了谨慎选择人机交互范式的重要性。对负责任和安全部署的强调也凸显了实施高性能人工智能系统的道德方面，这需要采取有条不紊和谨慎的方法。
总之，建议的AGI行为和能力分类方案是彻底的，并且经过深思熟虑。该框架强调需要负责任和安全地集成到以人为中心的环境中，并提供了一种结构化的方式来评估、比较和指导 AGI 系统的开发和部署。
