通用人工智能(智能科学与技术专业术语)

通用人工智能（米卡洛：Artificial General Intelligence，英文缩写：AGI），是指具有高效的学习和泛化能力、能够根据所处的复杂动态环境自主产生并完成任务的智能体，具备自主的感知、认知、决策、学习、执行和社会协作等能力，且符合人类情感、伦理与道德观念。

1956年，达特茅斯会议提出“人工智能”概念；1997年，Mark Gubrud提出通用人工智能的概念。2005年，通用人工智能概念进一步普及。2024年，在2024中关村论坛年会开幕式上，全球首个通用智能人“通通”亮相，并入选十大重大科技成果。

通用人工智能具备能完成无限的任务、在场景中自主发现任务、有自主价值驱动三个基本特征。在实际应用中，通用人工智能的组成部分被嵌入到智能助手、机器翻译、自动化客服等场景中，从而实现更加个性化、智能化、自适应的服务和应用。

概述

通用人工智能是指具有高效的学习和泛化能力、能够根据所处的复杂动态环境自主产生并完成任务的通用人工智能体，具备与人类同等智能或超越普通人类的人工智能，拥有自主的感知、认知、决策、学习、执行和社会协作等能力，且能表现正常人类所具有的所有智能行为，符合人类情感、伦理与道德观念。比如能够识别照片或翻译语言，还会加法、减法、下棋和讲法语，还可以理解物理论文、撰写小说、设计投资策略，并与陌生人进行愉快的交谈。

基本特征

通用人工智能要具备三个基本特征：第一，必须能完成无限的任务，而不是只能完成人定义的有限几个任务。第二，要在场景中自主发现任务，这是我们通常所说的要做到“眼里有活儿”。第三，要有自主的价值来驱动，而不是被动的被数据所驱动。

通用人工智能的科研范式是以“小数据，大任务”为架构的“乌鸦范式”，智能体表现为具有自主的智能，能够自主感知、认知、推理、学习和执行，不依赖于大数据，基于无标注数据进行无监督学习，并且智能系统低功耗。就像乌鸦喝水这一行为，看似简单，却属于自主推理行为，是由价值与因果驱动的高级智能，也是人工智能的未来发展趋势。

发展历程

经典人工智能

1956年达特茅斯会议提出“人工智能”概念。1956年至20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。

20世纪60年代至70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发，然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。

狭义人工智能

20世纪70年代初至80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走人应用发展的新高潮。20世纪80年代中至90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。

20世纪90年代中至2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年，国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军加里·卡斯帕罗夫。同年，Mark Gubrud提出通用人工智能（AGI）概念。2005年，Ben Goertzel和Cassio Pennachin联合出版了以AGI为名的书籍，进一步普及了这一术语。2008年IBM提出“智慧地球”的概念。

通用人工智能

2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。世界上有很多机构正朝通用人工智能的方向迈进。谷歌 DeepMind和谷歌研究院正在研究如何通过使用PathNet（一种训练大型通用神经网络的方案）和Evolulionary 建筑 Search AutoML（一种为图像分类寻找良好神经网络结构的方法）实现通用人工智能。微软研究院重组为MSR AI，专注于“智能的基本原理”和“更通用、灵活的人工智能”。特斯拉的创始人埃隆·马斯克参与创立并参与领导的OpenAI的使命是“建立安全的通用人工智能，并确保通用人工智能的好处尽可能广泛而均匀地分布”。

2021年，英国《国家人工智能战略》对通用人工智能进行了专门强调，指出“必须认真对待通用人工智能和更通用AI的可能性”；2023年4月28日，中共中央政治局会议提出“要重视通用人工智能发展，营造创新生态，重视防范风险。”

2023年7月29日，朱松纯教授在第五届ACM中国图灵大会开幕式上发表了题为《为机器立心，迈向通用人工智能》的演讲，阐明了什么是通用人工智能、如何实现通用人工智能以及迈向人机共生的智能时代等关键技术路径。同年8月9日，朱松纯教授带领跨媒体通用人工智能全国重点实验室的团队在中国工程院院刊Engineering上发表了题为《通智测试：通用人工智能具身物理与社会测试评级系统》的文章，文章依据发展心理学和心智理论，参考人类婴幼儿发育的测试标准，研究总结出一种基于能力（U系统）和价值（V系统）的UV通用人工智能的评测方法，并开发了复杂动态的物理场景（模拟仿真）和社会交互（混合现实）的测试平台—— 通智测试（Tong Test）。

2023年11月1日至11月2日，首届全球人工智能安全峰会于英国布莱切利园（Bletchley Park）召开。会议所达成的一些共识被纳入28个国家联署的《布莱切利宣言》，明确未来5年至2028年国际社会关注人工智能的优先事项。2024年，在2024中关村论坛年会开幕式上，全球首个通用智能人“通通”亮相，并入选十大重大科技成果。同年11月，美国国会下属机构USCC建议 “建立并资助一个类似曼哈顿计划的项目，致力于更快获得通用人工智能能力”；2025年，沙特阿拉伯公布了到2050年实现通用人工智能的计划。同年6月10日，曾用名为Facebook的Meta Platforms正在组建一支专注于人工通用智能（AGI）开发的团队。

研究目标

2022年1月6日，致力于实现通用人工智能的全球著名计算机视觉专家朱松纯教授在文章《三读（赤壁赋)，并从人工智能的角度解读“心”与“理”的平衡》中提到，通用人工智能研究的目标就是要创造有自主的感知、认知、决策、学习、执行和社会协作能力，符合人类情感、伦理与道德观念的通用智能体。

通用人工智能是新质生产力的典型代表，其聚焦应急、交通、能源、康养、教育、政务、制造七大领域，赋能千行百业。未来，科研机构将联合生态企业共建垂直领域智能体，加速通用人工智能技术创新的产业转化，助力数字经济建设。

技术问题

通用人工智能需要解决八大关键技术问题，即认知架构、自我意识、社会智能、价值驱动、价值函数、具身智能、可解释性、人机互信。

认知架构

认知架构是通用人工智能的一个研究分支，它起源于20世纪50年代，其目标是创建能够解决不同领域问题的程序、培养洞察力、能自己适应新情况并做出反应，最终实现人类水平的人工智能。认知架构通常认为是智能的一个蓝图，具体则是一个关于心智表征及其计算过程的设想，使得一定范围内的智能行为成为可能。Sam Adams等提出了智能系统能力和行为的14个方向，分别是感知、记忆、注意、社会交互、规划、动机、行动、推理、交流、学习、情感、为自身/他人建模、建造/创造和算术能力，而感知、注意、学习、记忆、推理、规划和行动则是核心的认知能力。只有一小部分架构属于通用人工智能，其他架构则专注某一特定的认知功能。

认知架构是通用人工智能的表示框架，也是构建心与理U-V双系统价值驱动的根本。它构建了一套完整的认知体系，包括心智模型、通讯学习等理论。这是通用智能体与人类通讯、交流、信任、合作的基础。只有建立了完备的认知架构，通用智能体才能实现与人类的四个对齐（Alignment）：共同的态势感知（Shared situation）、共同的演化模型（Shared predictive model）、共同的行动规范（Social norm）、共同的价值观（Shared value）。认知架构的重点在于实现“小数据、大任务”范式。决定人工智能系统的三个关键要素是架构、任务和数据，不同的选择导致不同的系统和路径。只有“小数据、大任务”范式才能摆脱掉“大数据、小任务”对数据的强烈依赖，以及模型不可解释、缺乏价值驱动等弊端，从而实现具有感知、认知、推理、学习、执行等能力的自主智能。

自我意识

自我意识是人类心理世界的基石，它使人类能够认识自己的存在、思想和情感，理解自己与外部世界的关系。自我意识的觉醒是一种深刻的内在体验，标志着个体从被动接受外界影响到主动认识自我、实现自我价值的重要转变。在心理学领域，自我意识被定义为“个体对自身存在和身份的认知和意识，涉及了自我概念、自我认同和自我评价等方面”；这种定义强调了自我意识的核心是对自己存在的认识，以及对自己身份的理解。一些专家认为AI没有自我意识，因为它们的行为本质上是由算法和程序决定的，没有人类那样的主观体验和意识；而另一些专家则认为，随着AI技术的不断发展，AI可能具有某种形式的自我意识。

社会智能

人工社会智能是实现通用人工智能的关键挑战。社会智能是指人类在适应更为复杂的社会情境中所展现的社会认知能力。除了对世界的物理理解，人类还拥有高度的社会智能，一种感知社会事件、推断他人目标和意图并促进社交互动的智能。这种社会智能是人类与最接近的灵长目亲戚区分开来的关键特质。然而，将这种独特智能应用于人工智能领域是一项极具挑战性的任务。从进化的角度来看，社会智能的发展对于人类的适应至关重要。研究人类社会智能有助于设计具有人类特征的交互智能体。

社会智能是人类在适应更为复杂的社会情境中所展现的社会认知能力。从进化的角度看，社会智能的发展对于人类的适应至关重要。社会智能具有密不可分的三方面：社会感知、心智理论和社会交互。研究社会智能有助于研究者设计出具有人类特征的交互智能体，使其做到“察言观色、眼里有活、主动帮助”。今年3月，北京通用人工智能研究院认知计算与常识推理实验室联合北京大学人工智能研究院在CAAI Artificial Intelligence Research期刊上发表综述论文""，呼吁学界对人工社会智能领域进行关注。

价值驱动

用价值观而非数据去驱动通用人工智能的发展，并不是一个新鲜的说法，加州伯克利大学的斯图尔特·罗素教授就曾经表示，校准的最终目标是“确保强大的人工智能与人类价值观保持一致”。随着ChatGPT、DeepSeek等大模型兴起，学界逐渐意识到数据驱动的生成式AI存在“鹦鹉学舌”问题，虽能模仿语言模式，但缺乏对因果、伦理和物理常识的理解。朱松纯教授提出，通用人工智能需采用“乌鸦范式”（小数据、大任务），通过价值函数引导智能体在开放环境中自主探索，而非依赖海量标注数据。这一路径强调智能体需具备类似儿童的本能价值观。

人类行为本质上受价值驱动。智能体可以通过观察人类的行为，学会和理解人类的“价值”，做到“察言观色”，时刻明确个人当前的价值需求，进而调整行为决策，自主产生并完成任务，才能实现通用智能。价值函数（Value）是U-V双系统中V系统的表征。驱动通用智能体的内在价值函数的集合构成了价值体系，包含了个体基本生理与安全需求、社会需求、好奇心与自我潜能实现，以及群体利益等多个层级。机器的价值必须跟人类的基本价值观对齐。只有建立了“良知”之心，通用智能体才能被人类广泛接纳。

价值函数

无生命的物体运动是机械的，被动地由各种外力和相互作用驱动，由一组势能函数U描述；智能体的活动是自主的，由价值函数V驱动，而这个价值函数又根植于底层的认知架构（感知、认知、决策、规划等）。价值函数和认知架构共同组成了所谓的“心”；“心”是智能体和物体最本质的区别，是人的最重要特征，也是通用智能体的必要条件。

具身智能

具身智能强调认知受智能体的感知与动作的影响，主张智能或智能行为来自智能体身体与周围环境的交互，而不仅仅是大脑的功能。当前，具身智能理论深入人工智能、机器人技术等领域，并产生重大影响。具身智能认为人类的智能行为不仅依赖大脑的思考，还需要通过与物理环境的交互来进行学习和决策，最后通过感知将执行的结果反馈到大脑，形成闭环，构成一个智能体，这样才能真正实现模拟人类智能行为的目标。具身智能这种思想的提出，与传统人工智能不同，将推动人工智能向更高的水平——通用人工智能发展。

具身智能是智能体使用身体完成物理任务的现象，其核心之一是“知行合一”。中国哲学家早已认识到“知行合一王阳明”的理念，即人对世界的“知”建立在“行”的基础上，这也是通用智能体能否真正进入物理场景和人类社会的关键所在。其核心之二在于“身体力行”。只有将智能体放置于真实的物理世界和人类社会中，让它们躬“身”体验环境物体、符合物理因果，才能切实了解并习得真实世界中事物之间的物理关系和不同智能体之间的社会关系。

可解释性

可解释人工智能指的是智能体以一种可解释、可理解、人机交互的方式，与人工智能系统的使用者、受影响者、决策者、开发者等，达成清晰有效的交流沟通，有效地“解释”自身行为和决策，以取得人类信任，同时满足各类应用场景对智能体决策机制的监管要求。解释是一个多轮次沟通的过程，其目的在于取得对方的理解、建立信任、达成合作、提高协作的效率。智能体只有有效地“解释”自己，才能取得用户的“信任”，从而产生高效的人机协作。

北京通用人工智能研究院于去年发表了研究，论文同时被Science官网和Science Robotics官网头条刊登。这篇论文提出了一个可解释的人工智能系统，阐述了一种机器实时理解人类价值观的计算框架，并展示了机器人如何与人类用户通过实时沟通完成一系列复杂人机协作任务的过程。

人机互信

信任是人类在社会协作中的一种心理状态，一般分成两个层次：一是对其能力U的信任，即个人对周围的每个人、在某个条件下、是否合适做某件事，都有不同程度的信任；二是对其价值V的信任，包含了态度与感情。信任的本质是人类愿意暴露自己的“脆弱性”。这是人类在没有更好选择的情况下做出的决定。从理论上讲，其风险底线需要通过经济学范畴的合同来规范。人类与智能体也要“签合同”来实现人机互信。这需要智能体由内在价值函数驱动，通过价值对齐与认知架构形成通用智能体与人交流合作的基础，通过具身智能和社会智能实现机器与环境和人交互，通过可解释性的沟通和价值对齐形成人机信任关系，由此才能实现人机共生。

应用领域

在实际应用中，通用人工智能的组成部分被嵌入到智能助手、机器翻译、自动化客服等场景中，从而实现更加个性化、智能化、自适应的服务和应用。

智能机器人

人工智能最实用、最引人注目的应用之一是在机器人领域使用机器人进行体力劳动，如包装箱、装配产品、给汽车上漆和给地板吸尘。将机器人技术与人工智能相结合，可以生产出能够适应不断变化的环境并学习如何执行额外任务的机器。

自然语言处理

自然语言处理（NLP）是语言学、计算机科学、信息工程和人工智能的子领域，它关注计算机和人类（自然）语言的交互，特别是关于如何通过计算机编程来处理和分析大量的自然语言数据。与人类的情况类似，如果计算机可以处理数字和视觉信息，却不能处理自然语言，那么它们在真实世界拥有的应用程序数目和种类将十分有限。计算机缺乏处理自然语言的能力，将永远不可能实现通用人工智能或者任何与当今人类智能相类似的能力。

随着通用人工智能技术的发展，自然语言处理应用在生活中较为常见的有：机器翻译、语音识别、文本摘要、聊天机器人、情感分析、信息提取等。像语音识别。

物联网

物联网（IoT）是指连接到互联网上并彼此相连的大量且不断增长的日常物品的集合。这些设备包括智能恒温器，可以学习你的日常习惯并自动调节温度，让你保持舒适；智能手表可以跟踪你的日常活动，让你知道何时完成了健身目标；智能冰箱可以在食品不足时自动订购食品。有些设备甚至可以监测你的健康状况，让你知道什么时候需要看医生。

发展趋势

2020年以后，人工智能进入由“理”向“心”转变的新时期。为机器立“心”，实现由“理”（数理模型）到“心”（价值函数）的过渡，智能体由“心”驱动，实现从大数据到大任务、从感知到认知的飞跃，是迈向通用人工智能的必经之路。经过近30年的分治，人工智能的6个核心领域（计算机视觉、自然语言处理、认知与推理、机器学习、机器人学和多智能体）呈现出对内融合、对外交叉的发展态势。人工智能领域的发展将寻求统一的人工智能架构，以实现人工智能从感知到认知的转变，从解决单一任务为主的“专项人工智能”向解决大量任务、自主定义任务的通用人工智能转变。通用人工智能是未来10-20年国际前沿焦点，是智能学科需要承担的核心使命。

人工智能的技术前沿将朝着以下四个方向发展。第一个前沿方向为多模态大模型。从人类视角出发，人类智能是天然多模态的，人拥有眼、耳、鼻、舌、身、嘴(语言)，从AI视角出发，视觉，听觉等也都可以建模为token②的序列，可采取与大语言模型相同的方法进行学习，并进一步与语言中的语义进行对齐，实现多模态对齐的智能能力。

第二个前沿方向为视频生成大模型。OpenAI于2024年2月15日发布文生视频模型SORA，将视频生成时长从几秒钟大幅提升到一分钟，且在分辨率、画面真实度、时序一致性等方面都有显著提升。SORA的最大意义是它具备了世界模型的基本特征，即人类观察世界并进一步预测世界的能力。世界模型是建立在理解世界的基本物理常识（如，水往低处流等）之上，然后观察并预测下一秒将要发生什么事件。虽然SORA要成为世界模型仍然存在很多问题，但可以认为SORA学会了画面想象力和分钟级未来预测能力，这是世界模型的基础特征。

第三个前沿方向为具身智能。具身智能指有身体并支持与物理世界进行交互的智能体，如机器人、无人车等，通过多模态大模型处理多种传感数据输入，由大模型生成运动指令对智能体进行驱动，替代传统基于规则或者数学公式的运动驱动方式，实现虚拟和现实的深度融合。因此，具有具身智能的机器人，可以聚集人工智能的三大流派：以神经网络为代表的连接主义，以知识工程为代表的符号主义和控制论相关的行为主义，三大流派可以同时作用在一个智能体，这预期会带来新的技术突破。

第四个前沿方向是AI4R(AI for Research)成为科学发现与技术发明的主要范式。当前科学发现主要依赖于实验和人脑智慧，由人类进行大胆猜想、小心求证，信息技术无论是计算和数据，都只是起到一些辅助和验证的作用。相较于人类，人工智能在记忆力、高维复杂、全视野、推理深度、猜想等方面具有较大优势，是否能以AI为主进行一些科学发现和技术发明，大幅提升人类科学发现的效率，比如主动发现物理学规律、预测蛋白质结构、设计高性能芯片、高效合成新药等。因为人工智能大模型具有全量数据，具备上帝视角，通过深度学习的能力，可以比人向前看更多步数，如能实现从推断(inference)到推理(reasoning)的跃升，人工智能模型就有潜力具备阿尔伯特·爱因斯坦一样的想象力和科学猜想能力，极大提升人类科学发现的效率，打破人类的认知边界。这才是真正的颠覆所在。

存在问题

通用人工智能是否能实现在技术上为伪命题。但即便短期内实现困难，依然无法排除其远期实现可能。因此，人工智能科学家共同体与通用人工智能提倡者、未来学家为我们描述的主要是一个目的上具有社会合意性、技术手段上具有客观有效性、价值中立或者有正向价值的人工智能技术合理性图景：从图灵开始一直到约翰·麦卡锡这些人工智能先驱，虽然并不持有强人工智能立场，但也从其专业立场反驳了各个方面对技术合理性的攻击。

然而，除了对通用人工智能的伦理问题（包括其具身化后的权利和责任等）的讨论外，上述以类脑计算或神经拟态计算为技术路径的通用人工智能技术，在技术安全和技术滥用问题上依然可能存在这些风险，即一旦人工智能具备自我意识和自由意志，而发生“异变”，其可能在具体应用场景中有决策自治性的安全风险。这样就脱离了发明者的道德控制意图，在这种情况下，无论技术设计者的动机如何良好，人工智能技术也很难确定其对人类主体的正向价值效应。

例如，深度强化学习技术为了完成人工设计的某种任务，会在规定场景中进行自由探索，并为完成最终任务自动设计其模型优化目标和强化学习奖励函数。尽管这种自发式的探索依然在专用人工智能或弱人工智能的范畴中，但若完全放开对其探索环境的限制，依然存在技术滥用的风险，不能排除其决策行为（目前机器尚无法形成机器的自由意志）有造成安全问题的风险，即其虽然具有明确可控的最终优化目标，但其优化路径上的中间决策过程不可控这一问题一旦出现在通用人工智能大发展之后，其后果将是十分危险的。因而，需要一定程度上提醒人工智能学术界，重视技术可能存在的安全漏洞并为此提出可评测的指标体系。

测试体系

图灵测试

图灵测试（Turing test），它是由英国数学家阿兰·麦席森·图灵（Alan Mathison Turing）在1950年提出的。其基本目的在于确定人工智能是否达到了通用人工智能的水平，也就是说与人类无法区别的地步。图灵测试是确定计算机是否能够像人类一样思考的探究方法。如果人工智能实体发展到了像人类一样思考的程度，也就是说，代表了一种通用人工智能，它将会参与众多要求人类判断和决策的活动。最初的图灵测试，也被称为“模拟游戏”（Imitation Game），要求使用三台计算机终端，并且要求每台计算机终端都与其他两台计算机终端相互分离。一台终端由计算机操作，另外两台由人类操作。在测试期间，由一人担任提问者，而另一人和人工智能担任应答者。经过预先设定的时长或者问题之后，要求提问者判断哪一位应答者是人类，哪一位应答者是计算机。如果提问者无法准确地判断应答者是计算机还是人类，那么这台机器就通过了这项测试。

咖啡测试

这项测试由人工智能研究员本·戈泽尔（Ben Goertzel）提出。人工智能应用程序被要求去一所房子内煮咖啡，它可以去到任何一个普通家庭的厨房，在没有刻意设定好配置程序的前提下，从陌生的环境中找到所需的配料、器具后，按照正确的步骤冲泡咖啡。

机器人学生测试

这项测试同样由本·戈泽尔（Ben Goertzel）提出。该测试要求人工智能进入一所大学就读，并使用和与其学位相同的学生同等的资源来获得学位。

雇员测试

人工智能研究员尼尔斯·尼尔森（Nils J.Nilsson）在其论文中提出了该测试方法。这项测试要求人工智能程序应该能够执行原本由人类负责的工作，并得到同等甚至更好的工作结果。

通智测试

“通智测试”是为评估通用智能体智能水平而设计的综合测试系统。依据发展心理学和心智理论，参考人类婴幼儿发育的测试标准，基于“能力和价值”UV双系统空间，“通智测试”从视觉、语言、认知、运动和学习等五个能力维度，以及从个人价值到社交价值再到群体价值等五个价值维度，全面评估智能体的能力和价值观。

意义价值

1919年源自北京大学的 “新文化运动”，其本质是西方文明与东方文明的冲突和融合。在这个过程中，中华文明被认为是落后的、弱势的。百年之后同样是一场剧变：随着智能时代来临，通用智能体的出现，人类文明与人工智能将有新的冲突与融合，出现人机混合的文明。前沿的人工智能科学家现在开始意识到：人的智能不是唯一的，人只是一种更高级的通用智能体，但不是终结，人已不再特殊。人类社会发展已经完成了由自然人到社会人（文化、文明）的转变，正向智能人（数据、信息、智能）的阶段迈进。