【ITBEAR】人工智能领域正酝酿着一场前所未有的变革，自1956年“人工智能”概念首次被提出以来，实现人类级别的智能一直是科研人员的终极目标。近年来，随着大语言模型的崛起，通用人工智能（AGI）似乎正从遥远的哲学构想逐渐变为触手可及的现实。
多位业界领袖对这一变革表达了乐观预期。马斯克预测，AGI可能在2026年投入使用；DeepMind联合创始人Shane Legg则认为，到2028年，人类有50%的概率开发出首个AGI；而OpenAI CEO Sam Altman更是断言，AGI将在2025年实现，通往AGI的道路已清晰可见。然而，业界对于AGI的看法莫衷一是，有人视其为技术革命，有人则担忧其可能带来的潜在风险。
AGI，即通用人工智能，旨在打造具备广泛能力的“类人智能体”，能够像人类一样在不同领域中自主学习、推理和解决问题。一个完整的AGI需具备三大特征：能够完成无限任务、在场景中自主发现任务、以及拥有自主价值驱动。然而，当前的大模型如ChatGPT等，在处理任务、自主性和价值理解方面仍存在明显不足。
大模型虽然能够完成范围广泛的各类任务，并表现出一定的“元认知”能力，但它们仍局限于文本领域，无法与物理和社会环境进行互动。大模型需要人类具体定义每个任务，缺乏真正的自主性。同时，尽管ChatGPT等模型接受了大量包含人类价值观的文本训练，但它们并不具备理解或与人类价值保持一致的能力。
尽管如此，科技巨头们仍将大模型视为迈向AGI的关键一步。与此同时，通往AGI的道路出现了两大技术流派：一是以OpenAI为代表的Transformer学派，通过大数据、大参数、大算力，以自回归方式走向AGI；二是以meta首席人工智能科学家Yann LeCun为代表的世界模型学派，认为自回归的Transformer无法通往AGI，强调常识推理和基于世界模型的预测与计划能力。
Transformer架构自2017年被介绍以来，因其显著的语言理解和生成能力，迅速在自然语言处理领域取得广泛应用。然而，其在理解复杂概念和常识推理方面的能力仍有限，主要依赖于从数据中学习模式，而非真正理解这些模式背后的逻辑和原因。相比之下，世界模型学派试图通过内部模拟来预测和理解环境的动态变化，从而做出更为合理的决策。
世界模型的基本思想源自对人类和动物如何理解世界的观察，通过构建内部表示来模拟可能的未来场景，并基于这些模拟做出决策。该模型架构由多个模块组成，包括执行控制的配置器、理解当前状态的感知模块、预测的世界模型等。世界模型的最大优势在于其环境模拟与预测的能力，使得人工智能系统可以在实际操作之前评估不同行为的后果，提高了学习效率和决策质量。
在探索AGI的道路上，Transformer架构和世界模型代表了两种截然不同的设计哲学和目标。Transformer架构以自注意力机制为核心，适合处理序列化信息，如文本和语言；而世界模型则更侧重于模拟和预测环境的动态变化，试图通过构建内部模型来理解外部世界。这两种方法在理解复杂系统、处理未知环境以及学习效率方面各有优劣。
未来AGI的实现可能不会完全依赖于单一技术或方法，而是需要结合Transformer架构和世界模型的优点，甚至探索新的技术和理论。例如，可以利用Transformer架构的强大语言处理能力来增强世界模型内部的环境模拟能力，或者在世界模型的框架下集成Transformer模块来提高模型对环境变化的理解深度。这种融合将带来新的挑战，但也为实现真正智能、灵活且适应性强的AGI系统提供了可能。
如今，我们正站在通向AGI未来的起点上，尽管实现它的时间表尚不明确，但技术道路正逐渐清晰。AGI的进步不仅代表着技术创新，更是对未来人机交互方式的重新想象。在这场变革中，人类需要重新审视自己，以更加开放和包容的心态迎接未来的挑战与机遇。
