人工智能通用智能的五个哀悼阶段

摘要

本文探讨了人们对人工智能通用智能（AGI）的期望与现实之间的差距，以及面对这种差距时的不同心理反应。作者Gary Marcus借用悲伤的五个阶段理论，分析了当前AI领域对AGI的认知偏差，呼吁回归对AGI的严肃定义，避免通过重新定义标准来过早宣布胜利。

内容框架与概述

文章开篇明确了AGI的定义，引用Ben Goertzel和Shane Legg的经典定义，将AGI描述为一种灵活且通用的智能，其资源性和可靠性与人类智能相当或超越。作者提供了具体的衡量标准，包括观看电影并描述情节、在任意厨房胜任厨师工作、将自然语言中的数学证明转化为符号形式等实际应用场景。

随后，作者运用悲伤的五个阶段理论框架，系统性地分析了人们对AGI现状的不同反应：否认阶段的人们拒绝承认当前AI与AGI之间的巨大差距；讨价还价阶段的人试图通过重新定义AGI标准来降低期望；愤怒阶段针对那些过早宣称AGI已实现的观点；抑郁阶段面对AGI目标的遥远而感到沮丧；最终达到接受阶段，承认差距并继续努力。

文章还详细剖析了三种典型的AGI目标重新定义方式：经济重新定义（以完成80%有价值工作或盈利1000亿美元为标准）、提前宣布胜利（声称当前语言模型已能完成几乎所有人类信息任务）、以及回避定义（在讨论AGI影响时拒绝明确标准）。作者强调坚持原始AGI定义的重要性，指出当前AI技术虽然在某些方面表现出色，但在灵活性和通用性上仍距真正的通用智能有相当长的路要走。

核心概念及解读

AGI的严格定义：Gary Marcus坚持使用Ben Goertzel和Shane Legg的经典定义，即AGI应是一种灵活且通用的智能，其能力在资源性和可靠性上与人类智能相当或超越。这个定义强调智能的通用性和可靠性，而非单一任务的出色表现。

悲伤理论在技术认知中的应用：借用悲伤的五个阶段理论（否认、讨价还价、愤怒、抑郁、接受）来描述技术社区对AGI发展现状的心理反应，这种比喻揭示了人们对技术突破的渴望与现实之间的认知失调。

目标重定义的认知偏差：通过经济标准（完成80%经济工作、盈利1000亿美元）或能力宣称（当前语言模型已完成大部分信息任务）来重新定义AGI，反映了人们试图通过降低标准来缩短现实与理想的距离，这种做法可能导致对真实进展的误判。

灵活性与通用性的核心地位：真正的AGI不仅需要在特定任务上表现出色，更重要的是具备跨领域的灵活适应能力和通用解决问题的能力，这是当前AI系统的主要短板所在。

认知失调的心理机制：从否认到接受的心理过程，反映了技术社区在面对AGI遥远目标时的集体心理调适，承认差距并非否定进步，而是为更清晰的发展路径奠定基础。

原文信息

此文档由 AI 自动整理