平等未来的契机?探索通用人工智能AGI对社会平等的影响

打破知识壁垒:通用人工智能AGI如何助力社会平等与个人成长

**©作者|**CodeDan

**来源|**神州问学

一. AGI是什么?

AGI全称为Artificial General Intelligence,中文翻译过来为通用人工智能。它指的是至少在大多数任务上能与人类媲美的 AI 系统。

当我们谈论AGI(通用人工智能)时,我们谈论的是一种具有超乎寻常能力的人工智能系统,它被设计用来在各种任务上与人类媲美甚至超越人类。

这种技术的潜力无疑巨大,但也伴随着重要挑战之一:AGI对社会平等的影响。由于AGI的潜在智能和效率,可能导致未来财富集中在少数人手中,进一步加剧贫富差距,构成社会平等的挑战。因此,在推动AGI技术发展的过程中,深化对AGI的理解,探讨如何减缓AGI对社会平等的影响,并确保每个人都能充分利用AGI,是本文的核心议题。

二. AGI思想以及名称出现

97年本·戈策尔(Ben Goertzel)编写的一本书,这本书名称正好就叫《Artificial General Intelligence》,这个名词并不是Mike自己取的,而是听取了谷歌DeepMind联合创始人谢恩·莱格(Shane legg)的建议。

Shanne Legg:

是的,有一个叫Ben Goertzel的人找到了我,他实际上一直在和我一起工作,他打算写一本书,他正在考虑一本关于人工智能系统的书,这本书将更加通用和有能力,而不是专注于非常狭窄的事情,他正在为这本书考虑一个标题。

所以我向他建议,如果你对非常通用的系统感兴趣,那就称之为通用人工智能,所以他同意了。

而在这个时候shane legg本人也对AGI没有准确的定义,他是这样说的:

一开始我没有特别精准的定义,只是系统的概念,通用很多的系统。不仅仅是下围棋,下象棋等等,不仅仅是做各种各样的事儿。我现在使用的定义是一个系统,可以完成人类可以完成的所有认知任务,可能还要更多。但至少它可以完成人类通常能完成的那中认知任务。

并且Shane legg在与另外两个合伙人进行Deet Mind创办之时,第一份公司对外的商业企划封面有一句话"打造世界上第一个通用人工智能"。

2.1 关于AGI的等级评定

在Shane legg以及多名Deep Mind成员的共同努力下发布论文《Levels of AGI: Operationalizing Progress on the Path to AGI》,在本论文中首次正式提出了关于AGI的评级,他们希望AGI的发展能够更加的专注于通往 AGI 的旅程,而不是单一的终点。

相信大家看完AGI的等级评定只有肯定会有一个问题,为什么不管是何等级的狭义AI产品全部都位于软件层面,难道在AGI的等级定于中没有物理的实体狭义AI嘛?分析这个问题需要从注重认知与元认知任务来说。

2.1.1 注重认知与元认知任务

AGI 是否需要具备机器人的实体形态是否作为一个标准,这有一定的争议。

虽然目前机器人技术上有了最新的突破,但是人工智能系统在物理能力上似乎还没有赶上非物理能力。但是不可否认在物理世界中的实体化可能对于构建世界相关基础知识并在某些认知任务上取得成功是必要的,或者至少可能是通向某些认知任务成功的途径之一;

如果上述观念被彻底实现,那么实体化可能对某些达成 AGI 的途径至关重要。

Deep Mind建议,执行物理任务的能力虽然能提高系统的通用性,但不应被看作实现 AGI 的必要条件。另一方面,他们认为元认知能力(如学习新任务的能力,或知道何时向人类请求帮助或澄清的能力)是系统实现通用性的关键必备条件。

三. AGI目前最具现化的产品

在GPT-4之前,AGI一直是几代人工智能科学家追逐的最终梦想,也一度被认为是可望而不可即的"珠穆朗玛峰",没有任何一个AI模型被冠以AGI,也就是通用人工智能的标签。但是如今GPT-4更以其严密的的逻辑思辨能力和广泛适用性被认为是通用人工智能的早期版本。

3.1 GPT4

作为OpenAI开发的一款大规模、多模态的人工智能模型,全称为Generative Pre-trained Transformer 4。基于Transformer的模型,GPT-4能够接收图像和文本输入,并生成文本输出。在各种专业和学术基准测试中,该模型展现出与人类水平相当的性能。相较于之前的ChatGPT,GPT-4具备更先进的推理能力,能够处理长达25,000字的长篇文章。以下是GPT4在各大领域的使用和突破。

图3.1 GPT4渲染图

  1. 各大应试考试能力:在各种职业(统一律师等)、专业(代码编写等)、学术(各种奥林匹克竞赛、GRE等)考试上表示出了和人类相当的水平。

图3.2 GPT4与GPT3考试能力对比图

● 视觉输入能力:不仅仅是对图片的简单理解,更能识别出带有幽默特色的图片内容以及对考试题目的理解解答。

图3.3 VGA充电器

图3.4 图表推理

图3.5 巴黎综合理工学院考试题

●教育领域:比如在官方放出的例子上,它扮演一个"苏格拉底式导师",在一开始设定好系统所扮演的角色之后,用户不断逼问它公式的答案,但是它仍然能够不卑不亢的引导用户进行学习。这样的角色定位,相当于一名小学教师了

四. AGI真的只是有钱人的专利吗?

4.1 AGI平等的让每一个人受益

首先从GPT4的事例和数据出发,在教育能力方面,AGI技术完全可以扮演着普通导师的角色,帮助学生进行学习和思考。

试想一下如果在未来的教育领域,每个人都拥有了自己的专属教育辅导导师------GPT-4甚至更高的AGI产品。这款全球领先的通用人工智能系统为学生们提供了个性化、高效的学习支持。

学生们可以通过各种智能设备接入AGI产品,无论是在学校、家里还是在任何地方。这位虚拟导师具有强大的知识库和学习能力,能够根据每个学生的学习风格、兴趣和需求提供定制化的教育服务。

无论是数学、历史、语言还是科学,AGI产品都能够为学生们解答问题、提供解释、引导学习和激发思考。通过与AGI产品的互动,学生们可以获得即时反馈、个性化建议和专业指导,帮助他们更好地理解知识、提升技能和培养批判性思维能力。

图4.1 学生使用ACI个人辅导图

这种个性化教育辅导模式不仅使教育更加普及和可及,也为每个人提供了平等的学习机会。无论学生身处何地、背景如何,他们都可以享受到高质量的教育资源和支持,助力他们实现个人学习目标和职业发展规划。

在这样一个充满创新和可能性的未来教育环境中,AGI产品作为专属教育辅导导师将成为每个人学习路上不可或缺的伙伴和助手,共同推动教育的发展和进步。

4.2 AGI在有钱人手里的优势

当抛开基础知识以及各种专业类知识,开始涉及包括市场趋势、社会实政分析等各种领域的数据时,有钱人可以利用AGI产品的学习能力打造其作为专门的专家助手,帮助他们分析和利用大量的信息和数据。

这些信息的深度和广度是普通人难以获得的以及他们可以承担更高的AGI产品训练学习的成本。

在这个情境下,有钱人可以利用AGI产品的学习能力来打造专属的专家助手,帮助他们分析和利用各种领域的数据,包括市场趋势、社会分析和个人偏好等。这些信息的深度和广度通常是普通人难以获得的,因为有钱人可以投入更多资源和资金来获取和处理大量数据,从而获得更深入的见解和更准确的分析。

通过利用AGI产品作为专门的专家助手,有钱人可以实现对复杂数据的深度挖掘和分析,帮助他们做出更明智的决策、发现商机、优化投资策略等。这种情况下,有钱人可能会因为拥有更多信息和数据资源而在决策和行动上具有一定的优势。

普通人通常无法轻易获得这种深度和广度的数据,因为他们可能缺乏访问大量数据的途径、数据处理和分析的技能,以及处理大规模数据所需的资源。所以有钱人可以利用AGI产品打造专门的专家助手帮助他们在信息和数据方面取得竞争优势,从而进一步拉大与普通人之间的差距。

尽管AGI产品为每个人提供了平等的教育机会,但在信息和数据利用方面,有钱人可能会借助其学习能力来获取更多优势。

图4.2 不同人群使用ACI场景对比图

五. 总结

AGI绝对不是单纯属于有钱人的专利,虽然普通人无法在小部分领域使用AGI超过有钱人,不过AGI确实在大部分领域缩小了人与人之间的某些差距,并让每一个人都能够或多或少的享受到AGI带来的福利。比如:

●普及教育机会:AGI作为通用人工智能系统,其目的是为了模拟人类智能的广泛适应性和灵活性,而不是为了服务少数有钱人。通过普及AGI技术,每个人都可以获得个性化、高效的学习支持,无论其经济背景如何。

●提升社会整体智力水平:让每个人受益于AGI技术可以提升整个社会的智力水平和知识水平。通过普及智能教育辅导系统,人们可以更好地理解知识、提升技能,并发展批判性思维能力,从而为社会的进步和发展做出贡献。

我相信未来将会出现致力于为人类自我提升全力以赴、尽心尽力的AGI产品,帮助每个人实现自我提升的目标。

六. 参考文献

[ 1 ] OpenAI. GPT-4 Research. Retrieved from https://openai.com/index/gpt-4-research

[ 2 ] Meredith Ringel Morris, Jascha Sohl-dickstein, Noah Fiedel, Tris Warkentin, Allan Dafoe, Aleksandra Faust, Clement Farabet, Shane Legg. (2023.11.04). Levels of AGI: Operationalizing Progress on the Path to AGI.

相关推荐
分才9 分钟前
用天翼云搭建一个HivisionIDPhoto证件照处理网站
人工智能·学习·html5
数据猎手小k11 分钟前
FineTuneBench:由斯坦福大学创建,包含625个训练问题和1075个测试问题,覆盖4个领域。目的评估商业微调API在不同泛化任务中的知识注入能力。
人工智能·深度学习·机器学习·数据集·机器学习数据集·ai大模型应用
傻瓜学习19 分钟前
机器学习知识点
人工智能·机器学习
Seeklike20 分钟前
11.26 深度学习-初始化
人工智能·深度学习
池央22 分钟前
深度学习模型:循环神经网络(RNN)
人工智能·rnn·深度学习
微凉的衣柜1 小时前
在 PyTorch 中进行推理时,为什么 `model.eval()` 和 `torch.no_grad()` 需要同时使用?
人工智能·pytorch·python
大G哥1 小时前
深度学习 | 什么是知识图谱
人工智能·深度学习·知识图谱
int WINGsssss1 小时前
使用系统内NCCL环境重新编译Pytorch
人工智能·pytorch·python
孤单网愈云1 小时前
11.25Pytorch_手动构建模型实战
人工智能·pytorch·python
相识已是上上签1 小时前
YOLOv8模型pytorch格式转为onnx格式
人工智能·pytorch·yolo