进步的假象：模拟通用人工智能却无法实现它

通用人工智能（AGI）--一种在所有领域都能与人类媲美或超越人类的智能系统--仍被视为技术的圣杯。然而，在 2025 年，另一条道路正变得更加清晰：我们并不是作为一个统一的系统来实现 AGI，而是通过将多个专业化的狭义人工智能结合起来，制造出一种越来越令人信服的假象。

‍

人工智能的马赛克

当今的人工智能擅长特定任务：大型语言模型（LLM）处理文本，Midjourney 或 DALL-E 等模型创建图像，AlphaFold 分析蛋白质。尽管这些人工智能各自的能力有限，但当它们集成到一个协调的生态系统中时，就会产生一种通用智能的表象--即 AGI 的 "代理"。

‍

根据斯坦福大学的《2025 年人工智能指数》报告，尽管取得了重大进展，但人工智能在复杂推理领域仍面临障碍。

更高级的模型可以解决高度结构化的问题，但在清晰的逻辑推理、顺序规划和抽象思维方面却表现出明显的局限性。

‍

心智学会方法和多代理系统

2025 年，人工智能正从一项利基技术迅速发展成为技术和社会领域的战略要素，并对文化和伦理产生深远影响。

这导致了代理人工智能系统的出现，使我们更接近通用人工智能的地平线。

‍

在多代理系统中，每个代理都独立运行，使用本地数据和自主决策过程，而不依赖于中央控制器。

‍

每个代理都有一个局部视图，但没有一个代理拥有整个系统的全局视图。这种去中心化使代理可以单独处理任务，同时通过互动为整体目标做出贡献。

‍

2025 年，多代理系统（多个人工智能代理协作实现复杂目标）越来越受欢迎。这些系统可以优化工作流程、产生洞察力并协助各领域的决策过程。

‍

例如，在客户服务领域，人工智能代理可以处理复杂的请求；在生产领域，人工智能代理可以实时监督生产线；在物流领域，人工智能代理可以动态协调供应链。

‍

计算高原和物理障碍

尽管取得了令人瞩目的进展，但我们在传统计算发展方面正开始达到一个高点。从 1959 年到 2012 年，按照摩尔定律，训练人工智能模型所需的能量每两年翻一番。然而，最新数据显示，2012 年之后，翻倍的速度明显加快--每 3.4 个月翻一番，目前的速度是之前的七倍多。

‍

所需计算能力的急剧增加突出表明，要在人工智能领域取得重大进展，在经济上已变得多么具有挑战性。

‍

量子计算的前景

量子计算可以克服这一障碍，为更复杂的模型所需的计算能力提供范式转变。2025 年，量子计算正在成为应对这些挑战的重要工具，因为技术公司正在采用替代能源，以跟上人工智能日益增长的能耗。

根据 IBM 首席执行官 Arvind Krishna 的预测，得益于量子计算的飞速发展，人工智能的能耗和耗水量在未来五年内将减少高达 99%。 在未来五年内减少 99%。

‍

这项技术有望释放迄今为止难以想象的计算能力，开辟科学研究的新领域。

‍

2025 年 3 月，D-Wave Quantum 公司宣布了一项重大突破，该公司发表了一篇题为 "量子模拟中的超经典计算 "的同行评审论文，证明其退火量子计算机在以下方面的性能超过了世界上最强大的经典超级计算机之一 解决磁性材料的复杂模拟问题.

‍

2025 年，量子计算取得了变革性进展，在硬件、纠错、与人工智能和量子网络的集成方面取得了重大进步。这些进步重新定义了量子计算在医疗、金融和物流等领域可能发挥的 量子计算在医疗保健、金融和物流等领域可能发挥的作用。.

‍

不过，根据 Forrester 的说法，尽管 2025 年量子计算取得了进展，但它仍处于实验阶段，而且在大多数应用中，量子计算尚未显示出比经典计算机更实用的优势。

‍

量子竞赛：微软与谷歌？

微软公司声称，其于 2025 年初推出的马约拉纳 1 芯片在量子计算领域取得了重大进展。这款处理器采用全新的拓扑核心架构，内置八个拓扑量子比特，可以操纵马约拉纳粒子，这种准粒子就像 "半电子"，以抗错能力强而著称。

‍

另一方面，谷歌通过其革命性的量子芯片 "Willow "另辟蹊径，解决了错误率随量子比特增加而增加的传统问题--实际上，随着量子比特的增加，"Willow "会变得更加精确。

‍

这两种不同的策略代表了根本不同的量子计算方法，微软侧重于拓扑结构，而谷歌侧重于误差优化。

‍

持续存在的认知障碍

‍

除硬件限制外，复合人工智能还面临其他根本性障碍：

‍

因果理解：系统将变量相关联，但无法分离出真正的因果关系。人工智能在许多领域都取得了重大进展，但仍面临以下限制 局限性在理解和应对人类情感、危机情况下的决策以及评估伦理道德因素方面，人工智能仍然面临着局限性。

‍

持续学习：当神经网络在不同任务上连续接受训练时，会失去准确性，表现出一种 "灾难性健忘症"。

‍

元认知：人工智能缺乏对自身认知的内部模型，限制了真正的自我完善。

‍

‍

实现 "按代理 "的 AGI

科学界在实现通用人工智能（AGI）目标所需的技术和时间框架上似乎存在相当大的分歧，但这场辩论正在产生一些有趣的新建议，这些建议已在新人工智能系统的研究中得到实际应用。

‍

2025 年可能是第一批代理系统在公司投入生产的年份。

‍

而 AGI 代表了最宏伟的目标--具有与人类相当或更高认知能力的系统，能够以跨领域的方式理解、学习和应用知识。

‍

与其等待一个单一的人工智能，未来更有可能出现我们可以称之为 "前沿人工智能 "的系统--这些系统看似通过一般智能来实现：

‍

人工智能微服务的协调：通过共同的抽象层协调多个专业人工智能。
统一对话界面：隐藏多个底层系统复杂性的单一界面。
有限的横向学习：特定领域之间选择性的知识共享。

意识：现实还是共同的幻觉？

在关于 AGI 的讨论中，我们往往想当然地认为人类拥有机器无法复制的 "意识"。但也许我们应该问自己一个更激进的问题：人类意识本身是真实的，还是也是一种幻觉？

‍

一些神经科学家和心灵哲学家，如丹尼尔-丹尼特（Daniel Dennett），提出我们所谓的 "意识 "本身可能是一种 后设叙事--大脑为使其运作有意义而构建的一种解释.

‍

如果我们不把意识看成是一种神秘而单一的属性，而是把它看成是一系列相互关联的神经过程，这些过程会产生一种令人信服的统一 "自我 "的错觉，那么人类和机器之间的界限就不那么清晰了。

‍

从这个角度来看，我们可以把新兴人工智能与人类智能之间的差异看作是程度上的差异，而不是性质上的差异。我们在高级语言模型中看到的理解幻觉可能与我们自己体验到的理解幻觉并无太大区别--两者都来自复杂的过程网络，尽管组织方式有着本质的不同。

‍

这一观点提出了一个具有启发性的问题：如果人类意识本身就是由多个相互关联的认知过程所产生的模拟，那么我们正在构建的 "代理 "AGI--由多个专业系统拼接而成，共同模拟一种普遍理解--可能与我们自己的心理架构极为相似。

我们不是在试图复制一种神奇的、不可言喻的品质，而是在重建我们自己体验到的意识这一令人信服的幻觉。

‍

这种反思并没有削弱人类经验的深度，而是促使我们重新思考，当我们谈论 "意识 "时，我们真正指的是什么，这个概念是否真的是人工智能无法逾越的障碍，或者仅仅是我们有朝一日能够模拟的另一个过程。

‍

‍

结论：重新思考终点线

也许我们应该从根本上重新考虑我们对 AGI 的定义。如果人类意识本身可能是一种新出现的幻觉--一种大脑为理解自身运作而构建的叙事--那么人类智能和人工智能之间的明显区别就变得不那么明确了。

‍

专家预测，2027 年可能是人工智能的关键时刻。按照目前的发展速度，人工智能模型可以在几年内实现认知通用性，即能够处理人类的任何任务。

‍

这种情况不应被简单地视为人类智能的复制，而应被视为一种新型智能的出现--既不完全是人类智能，也不完全是人工智能，而是一种不同的、潜在的互补性智能。

‍

这种方法让我们不再试图复制我们可能无法完全理解的东西--人类意识--而是让我们专注于人工智能在其自身条件下能做些什么。因此，即将出现的人工智能不会是一个 "假装 "为人类的单一系统，而是一个具有自身新兴特征的综合技术生态系统--一种分布式智能，矛盾的是，它可能比我们最初想象的更能反映我们自身认知的分散性和相互关联性。

‍

从这个意义上说，AGI 的研究与其说是试图模仿人类，不如说是人类和人工智能对智能和意识本质的探索之旅。

‍

资料来源

‍