科幻中的通用人工智能并非当今的人工智能
几十年来,流行文化将人工智能描绘为有感知的机器人、自我意识的超级计算机,甚至是机器人起义的代理人。电影如《2001太空漫游》和《机械姬》塑造了公众对人工智能的认知,认为它们能像人类一样思考、感受和行动。然而,现实中的人工智能截然不同。现代人工智能工具更像是高度先进的自动补全系统,主要用于帮助人们收集信息和简化日常任务,应用于家庭、学校和工作场所等多种环境。这种虚构与现实的巨大差异使许多人对当今人工智能的本质感到困惑。\n\n从科学角度看,人工智能涵盖任何非人类系统,能够执行通常需要人类学习或决策能力的任务。在这一广泛范畴内,主要有两大类:通用人工智能(AGI)和生成式人工智能。AGI仍是一个假设性概念,主要存在于科幻和学术讨论中,指能够在认知、情感和道德层面执行所有人类任务、与人类无异的系统。然而,专家尚不确定此类技术是否以及何时能实现。科罗拉多州立大学副教授哈梅德·卡赫里-萨雷米指出,现有的人工智能模型更像是“更智能的自动更正机器”,而非真正的通用智能。\n\n公众当前接触的生成式人工智能系统——如ChatGPT、图像生成器和写作助手——并非由意识驱动,而是基于庞大数据集和统计模型预测最可能的下一个词或图像。这些系统依赖人工神经网络,一种受人脑结构启发的机器学习技术。神经网络识别模式并进行预测,能力包括预测用户偏好或构建连贯图像,尽管这对人类来说具有挑战性。然而,这种能力并不等同于真正的理解或领悟。人工智能基于数据生成想法,但缺乏对人类情感或道德背景的意识。\n\n当人工智能用于处理复杂的道德或哲学问题时,这一局限尤为显著。尽管生成的语言看似情感丰富,人工智能并不体验情感,也不理解其深层意义。正如卡赫里-萨雷米所言,人工智能系统通过操作数字和概率运行,而非通过推理。预测与认知的区别对于理解当前人工智能能力及其误解至关重要。\n\n公众对人工智能的态度复杂,皮尤研究中心最近的调查显示,半数美国人对人工智能日益普及感到担忧多于兴奋,只有10%表示更为兴奋。这些担忧源于对就业流失、人际关系削弱及潜在环境影响的恐惧。人工智能技术的快速普及——仅两个月用户数即达一亿——加剧了技术迷茫感。科罗拉多州立大学商学院副教授鲍里斯·尼古拉耶夫称,这种现象因人工智能的低成本、易获取和快速进步而独特,区别于以往技术革命。\n\n尽管好莱坞有夸张描绘,完全有意识的机器仍遥不可及。科学界尚无共识AGI是否可实现或即将到来。当前人工智能系统擅长生成文本、识别模式和预测结果,但它们不具备自我意识、道德自主性,也无法替代人类判断和情感。尼古拉耶夫指出,若AGI实现,将引发对创业、代理、价值创造及人类工作的深刻反思。目前,人工智能仍是工具——强大但本质上功能狭窄。 本文强调了通用人工智能(AGI)与生成式人工智能的根本区别,指出AGI仍属假设,而生成式人工智能驱动当前应用如ChatGPT。 文章以科罗拉多州立大学的研究和专家观点为中心,涉及人工智能研究者、开发者及日常用户等利益相关者。 即时影响包括人工智能工具的广泛采用,辅助信息处理,同时引发公众对伦理使用和就业安全的担忧。 历史上,人工智能的快速普及类似于以往变革性技术,但速度和可及性更快,加剧社会冲击。 未来情景分为乐观的创新提升生产力和风险的伦理困境及错误信息,需积极治理。 监管建议优先制定伦理人工智能使用指南(高优先级,中等复杂度)、加强公众人工智能能力与局限教育(中等优先级,低复杂度)、投资跨学科研究人工智能社会经济影响(高优先级,高复杂度)。 该结构化方法澄清了可验证的人工智能功能与推测性进展的区别,为理解人工智能不断演变的角色提供了细致框架。
发布时间: December 11, 2025 at 03:12 AM
News Article

内容
几十年来,流行文化将人工智能描绘为有感知的机器人、自我意识的超级计算机,甚至是机器人起义的代理人。电影如《2001太空漫游》和《机械姬》塑造了公众对人工智能的认知,认为它们能像人类一样思考、感受和行动。然而,现实中的人工智能截然不同。现代人工智能工具更像是高度先进的自动补全系统,主要用于帮助人们收集信息和简化日常任务,应用于家庭、学校和工作场所等多种环境。这种虚构与现实的巨大差异使许多人对当今人工智能的本质感到困惑。\n\n从科学角度看,人工智能涵盖任何非人类系统,能够执行通常需要人类学习或决策能力的任务。在这一广泛范畴内,主要有两大类:通用人工智能(AGI)和生成式人工智能。AGI仍是一个假设性概念,主要存在于科幻和学术讨论中,指能够在认知、情感和道德层面执行所有人类任务、与人类无异的系统。然而,专家尚不确定此类技术是否以及何时能实现。科罗拉多州立大学副教授哈梅德·卡赫里-萨雷米指出,现有的人工智能模型更像是“更智能的自动更正机器”,而非真正的通用智能。\n\n公众当前接触的生成式人工智能系统——如ChatGPT、图像生成器和写作助手——并非由意识驱动,而是基于庞大数据集和统计模型预测最可能的下一个词或图像。这些系统依赖人工神经网络,一种受人脑结构启发的机器学习技术。神经网络识别模式并进行预测,能力包括预测用户偏好或构建连贯图像,尽管这对人类来说具有挑战性。然而,这种能力并不等同于真正的理解或领悟。人工智能基于数据生成想法,但缺乏对人类情感或道德背景的意识。\n\n当人工智能用于处理复杂的道德或哲学问题时,这一局限尤为显著。尽管生成的语言看似情感丰富,人工智能并不体验情感,也不理解其深层意义。正如卡赫里-萨雷米所言,人工智能系统通过操作数字和概率运行,而非通过推理。预测与认知的区别对于理解当前人工智能能力及其误解至关重要。\n\n公众对人工智能的态度复杂,皮尤研究中心最近的调查显示,半数美国人对人工智能日益普及感到担忧多于兴奋,只有10%表示更为兴奋。这些担忧源于对就业流失、人际关系削弱及潜在环境影响的恐惧。人工智能技术的快速普及——仅两个月用户数即达一亿——加剧了技术迷茫感。科罗拉多州立大学商学院副教授鲍里斯·尼古拉耶夫称,这种现象因人工智能的低成本、易获取和快速进步而独特,区别于以往技术革命。\n\n尽管好莱坞有夸张描绘,完全有意识的机器仍遥不可及。科学界尚无共识AGI是否可实现或即将到来。当前人工智能系统擅长生成文本、识别模式和预测结果,但它们不具备自我意识、道德自主性,也无法替代人类判断和情感。尼古拉耶夫指出,若AGI实现,将引发对创业、代理、价值创造及人类工作的深刻反思。目前,人工智能仍是工具——强大但本质上功能狭窄。
关键见解
本文强调了通用人工智能(AGI)与生成式人工智能的根本区别,指出AGI仍属假设,而生成式人工智能驱动当前应用如ChatGPT。
文章以科罗拉多州立大学的研究和专家观点为中心,涉及人工智能研究者、开发者及日常用户等利益相关者。
即时影响包括人工智能工具的广泛采用,辅助信息处理,同时引发公众对伦理使用和就业安全的担忧。
历史上,人工智能的快速普及类似于以往变革性技术,但速度和可及性更快,加剧社会冲击。
未来情景分为乐观的创新提升生产力和风险的伦理困境及错误信息,需积极治理。
监管建议优先制定伦理人工智能使用指南(高优先级,中等复杂度)、加强公众人工智能能力与局限教育(中等优先级,低复杂度)、投资跨学科研究人工智能社会经济影响(高优先级,高复杂度)。
该结构化方法澄清了可验证的人工智能功能与推测性进展的区别,为理解人工智能不断演变的角色提供了细致框架。