揭秘AGI：通用人工智能与AI的区别

这两年最火的人工智能，天天听到这几个词，AI、大模型、AIGC、AGI，它们是不是一回事？

很久以来就想写个短文谈谈个人理解，今天就来简单聊一下。

我们经常说的人工智能（AI），其实是“泛人工智能”的概念，广义上甚至可以说利用计算机技术帮助人类解决问题的技术都可以包括在人工智能的范畴内，通常大家指的是利用数据和计算机算法帮助解决某个或某些问题的技术。

近些年，互联网技术和智能终端设备的普及推广，以及全球数字化能力的提升，推动大数据技术快速发展，人类以及具备了生产、搜集、处理、利用海量数据的能力（数据基础）；半导体技术飞速发展，提供了能处理海量数据的高速计算能力（算力基础）；再加上神经网络和深度学习技术的发展提供的高效训练机制（算法基础）；在算力、算法、数据这三驾马车的加持下，人工智能技术才有了今天的突破性进展（大模型技术）。

人工智能技术，大致可以分为两类，分析式AI和生成式AI。

“分析式AI”：一类是基于相对小的模型和相对少量数据做分析和判断的，这类技术的本质是计算机按照人类预设的规则或者规则范式去对具体的标的数据做分析和判断，仍然逃不开只能解决“具体的确定性问题”的限制。也就是说人类让它干什么它就只会干什么，出来的都是预期的结果，如果结果和预期不一样，那就是代码写错了，有bug，要改。前些年逐步成熟的文本识别、人脸识别、图像识别、以及各种对视频和图片做分析算法都属于此类“智能”，也就是人类指定特征，算法按照特征的要求做分析和判断，主要解决“是或不是”的问题。

第二类才是我们现在说的以大模型技术为基础的具备自主理解和自主分析能力的”生成式AI“。大模型技术本质上就是前面说的用海量数据做训练学习的神经网络技术，它的本质是在训练数据达到某一层次时会”涌现“出类似人类智能的能力，类似我们说的”熟读唐诗三百首”之后自然就具备了自己写诗的能力，但只读了十首八首的时候却做不到。所以不管是ChatGPT的文字问答还是豆包帮你生成图片，本质上都是先理解了你的问题，然后根据大模型训练出来的能力给出答案（图片和视频生成，只是在文字答案的基础上多一步去调用图片或视频的生成能力，最核心的能力仍然是理解问题并给出解决问题的方案）

我们说的AIGC就是生成式人工智能，英文是Articifical Intelligence Generated Content。AIGC技术的使用场景可不仅仅是写文字、生成图片、视频等“内容生成”，就像前面讲的，它最核心的能力是“自主理解”、自主分析、自主决策，再加上与IT系统和现实世界的对接，它就可以做到最后的效果“自动执行”，成为真正能在做到闭环发现分析解决问题的闭环，推动通用人工智能AGI的实现。

AGI（Artificial Genral Intelligence通用人工智能)，我的理解是AIGC的更进一步。从分析式AI到生成式AI，人类从用技术来解决单一确定性问题，到了第二步可以解决很多非确定性问题的阶段，但仍然有很多它解决不了的问题。也就是说问题是不能穷举的（我们开发系统，需求总是要提前明确好才做开发，没有需求就不会有开发好的功能）。AGI时代呢，再进一步，就是AI基本达到人类的智力水平，它不能自主解决的问题越来越少。

简单总结一下，三个阶段的差异点就在于：

分析式AI：能按照人类给的规则解决少量具体问题；

生成式AI：具备自主理解和思考能力，能解决部分不确定性问题，但不能解决的问题也很多；

AGI时代：AI或机器人能达到人类的智商水平，并在很多方面超过人类，能自主解决绝大部分人类日常遇到的问题，不能解决的问题属于“例外”。