关于人工智能未来的讨论，越来越受到通用人工智能（AGI）、技术奇点和超级智能等概念的影响。这些概念经常被用来描述深刻变革的情景，却并不总是得到清晰的理解。
在本文中，PwC Portugal的AI Tech Lead Ricardo Pacheco Almeida追溯了这些思想的起源，并梳理了实现超人类智能所需走过的道路。
你知道吗？AGI、技术奇点和超级智能描述的是人工智能可能未来的不同视角。
- AGI指能够以人类水平的表现完成广泛认知任务的系统；
- 技术奇点指这种能力开始自主且加速演进的时刻；以及
- 超级智能代表这样一个阶段：机器在几乎所有智力活动中，都系统性地超越人类的表现。
对领导者和组织而言，理解这些区别不仅仅是一项学术活动。AGI的定义方式，会影响领导者和组织如何理解其未来潜力，以及它在监管、投资、风险管理和战略规划等领域的相关影响。
因此，本文并不打算预测这些现象的出现可能对社会、环境、经济和政治带来的影响，而是着重澄清概念——这是未来任何讨论的基础。
从统计型人工智能的早期到GenAI
要理解AGI、技术奇点和超级智能，不妨回到人工智能尚未主导公共讨论的时代。当我学习创新经济学时，距离ChatGPT等商业模型的出现还有数年，当时这一研究领域并不像今天这样频繁地讨论人工智能。
人工智能（AI）这一概念已有数十年的历史。尽管多年来出现过多次“炒作热潮”，例如1997年Deep Blue击败国际象棋世界冠军Garry Kasparov时，人工智能仍主要被视为一组本质上基于统计学的预测、分类和模式识别技术，也就是“传统”机器学习的典型应用场景。
当时，人们已经在推测技术如何可能催生超越人类的智能。两派思想以截然不同的愿景出现：一派在欧洲，另一派在美国。
Soft-Singularity：全球大脑
在比利时，从1990年代开始，控制论学者Francis Heylighen发展了涌现与全球大脑（或Soft-Singularity）的概念：这是一种被动发生的事件，意识会从数十亿人类与机器之间交换的海量数据和连接中涌现。这一现象将与人类神经元的工作方式相同：单个神经元并不具备任何智能能力，但它们共同构成了大脑。整体超越各部分之和。
换句话说，人们期待互联网基于其所包含的信息量，自行“苏醒”并拥有意识。因此，它将是一种集体的、分布式的元智能，联网的人类本身也会成为其中的一部分，而它的涌现仅取决于现有连接的数量。
Hard-Singularity：技术奇点
如果说欧洲的愿景依赖被动涌现，即智能会从人类与机器之间的连接中自然产生，那么美国的愿景提出的则是更有意为之、也可能更具颠覆性的路径。技术奇点（或Hard-Singularity）的概念在硅谷出现，并由Ray Kurzweil等未来学家推广开来（例如在2005年的The Singularity is Near和2024年的The Singularity is Nearer两本书中）。
“奇点”一词是借自物理学和数学的隐喻。严格来说，它指的是某个变量（例如黑洞中的密度）趋于无穷大，以致表面上的物理定律不再有意义的那个点。这一事件将成为历史上的一个断裂点：技术演进快得令人眩晕，导致人类的预测模型崩溃，使未来无法预见。
这里的核心概念是“智能爆炸”，最初由数学家兼统计学家I.J. Good提出：我们创造出能够设计自身改进版本的AGI的那一刻。这一过程将开启递归自我改进的循环：1.0版本创造2.0版本；更聪明的2.0版本以更快的速度创造3.0版本，如此往复。这一循环会以电子速度重复数千次，最终产生在几天甚至几小时内就超出人类理解能力的超级智能（ASI）。
在I.J. Good和Ray Kurzweil之后数十年，这一思想不仅依然存在，而且变得更加紧迫。它是“AI 2027”报告背后的主导思想。该报告由Daniel Kokotajlo、Scott Alexander、Thomas Larsen、Eli Lifland和Romeo Dean于2025年发布，试图在假设能够自我改进的AGI得到开发的前提下，预测2027年将会是什么样子。
什么是AGI？
与技术奇点和超级智能有关的所有情景，都从一个前提出发：AGI的出现。但具体而言，AGI是什么？我们又走到了这条道路的哪一步？
定义AGI已被证明十分复杂，科学共识分化成了不同企业各自的定义。截至目前，OpenAI以经济影响（替代人类劳动）来定义它，Anthropic关注风险与安全等级（ASL），而Meta（通过Yann LeCun）则拒绝使用这个术语，认为当前模型缺乏“世界模型”和对“物理”的理解。
我通常采用的是Google DeepMind研究实验室提出的视角，其核心前提是“关注能力，而非过程”。这意味着，一个系统要被视为AGI，只需以相当的能力执行任务，并不需要具备“感受能力”，也不需要模仿人类思维。归根结底，无论是什么任务，AGI都应该能够完成——从制作一份内容准确的希腊神话演示文稿，到打电话预订城里最合适的餐厅。
“关于AGI、奇点和超级智能的不同视角，作为看待生成式人工智能未来的不同角度，依然具有意义。它们都可以作为制定长期战略的工具和灵感来源，尤其是在生成式人工智能影响最大的行业中。”
Ricardo Pacheco Almeida，PwC Portugal的AI Tech Lead
AGI的五个等级
为了阐明AGI如何随时间演进，Google DeepMind提出了一种模型，将其描述为一个演进尺度，而非二元式的断裂点。该模型基于两个维度，由此形成五个分类等级：
- 性能（能力的深度）；以及
- 通用性（任务的广度）。
AGI演进分类矩阵
等级1（初现AGI）
具备通用性，但总体表现仅与不具备专业技能的人类相当的系统。DeepMind将当前的前沿模型归于这一等级，例如OpenAI、Anthropic和Google的最新模型。
等级2（胜任AGI）
系统在广泛任务中达到与50%的具备专业技能的成年人相当的表现水平的门槛。
等级3和4（专家与大师）
能力分别提升至具备专业技能的成年人的第90和第99百分位。
等级5（超人类AGI）
在所有任务上超越100%人类的系统。
我们可以认为，达到等级5时，我们面对的将是超级智能：一种总体上在所有任务中的表现都优于所有人类的虚拟实体。能够使用具有这种潜力的技术，将对我们所知的一切产生极其深远的影响。
未来会出现多智能体AGI吗？
AGI的演进可能并不依赖一个越来越强大的单一模型，而是依赖由多个专业化智能体组成、协调行动的系统。现在的问题是：我们如何到达那里？通过一个越来越强大的单一模型，还是通过另一条路径？
随着GenAI智能体的近期出现——它们可以被定义为使用GenAI来作出决策和使用工具的软件程序——DeepMind提出，AGI可能会从拥有多种专业能力和可用工具的智能体系统中自然产生，而不是来自一个极其先进的单体大脑。这一日益流行的视角被称为“多智能体AGI或集体智能”。
有趣的是，这种智能从多个专业化智能体协作中涌现的愿景，让人想起Heylighen的全球大脑，但存在一个根本区别：它不依赖互联网的被动涌现，而是依赖有意识设计的系统。
在热情与忧虑之间摇摆的讨论中，澄清这些概念至关重要，只有这样，领导者、组织和决策者才能以知情且负责任的方式理解人工智能的演进。这种认识应当引导我们在本世纪以战略性、审慎且前瞻性的方式对待人工智能。