人工智能的定义

人工智能（Artificial Intelligence）是一门令人兴奋的科学，它研究我们如何使计算机表现出智能行为，例如做一些人类所擅长的事情。最初，查尔斯·巴贝奇（Charles Babbage）发明了计算机，用于按照一套明确定义的程序（即算法）来对数字进行运算。现代计算机虽然比19世纪提出的原始计算机模型要先进得多，但仍然遵循着相同的受控计算理念。因此，如果我们知道实现某些目标所需的每一个步骤及其顺序，就有可能编写出程序，使计算机按照我们的想法去做这些事。✅ “根据照片判断一个人的年龄”是一件无法明确编程的任务，因为我们并不知道当我们在做这件事时，是如何经过某些清晰的步骤，从而在脑海中得到一个数字的。然而，对于有些任务，我们并不能知道明确的解法。例如从一个人的照片中来判断他/她的年龄。我们之所以能做这件事，是因为我们见过了很多不同年龄的人，但我们无法明确自己的大脑具体是通过哪些步骤来完成这项任务的，所以也无法编写明确的程序让计算机来完成。这种类型的任务正是人工智能（简称AI）感兴趣的。✅想一想，如果人工智能得以实现，哪些任务可以被交给计算机完成？考虑金融、医学和艺术领域，这些领域如今是如何从人工智能中受益的？

[title]人工智能简介和历史[heading1]“智能”的定义与图灵测试当我们谈到“智能”这个概念的时候，一大问题是它没有明确的定义。有人说“智能”与抽象思维或自我意识有关，但我们依然无法恰当地定义它。想要了解“智能”一词的模糊性，可以尝试去回答一个问题：“猫是有智力的吗？”不同的人往往会给出不同的答案，因为并没有一个国际公认的测试来证明这一说法的真假。如果你认为有这样的测试，那就试试让你的猫去做个智商测试吧……✅想一想你是如何定义“智能”的。一只能解开迷宫并获得食物的乌鸦是有智力的吗？人类的小孩是有智力的吗？当谈到通用人工智能（AGI）时，我们需要一些方法来判断我们是否创造了一个真正的智能系统。[阿兰·图灵](https://en.wikipedia.org/wiki/Alan_Turing)提出了一种名为“[图灵测试](https://en.wikipedia.org/wiki/Turing_test)”（Turing Test）的方法，该方法目前也被用作“智能”的定义。图灵测试将某一计算机系统和真人进行比较，由于任何自动的检测方法都有可能被计算机系统绕开，图灵测试使用人类评审员来判断结果。如果这位人类评审员在文本对话中无法区分真人和计算机系统，那么这个计算机系统就会被认为是“智能”的。

[title]报告：GPT-4通用人工智能的火花[heading1]10.方向与结论[heading2]10.1智能、AI和AGI的定义在本文中,我们使用了一组心理学家在1994年提出的智能定义[GOT97]作为探索GPT-4人工智能的指导框架。这个定义涵盖了智能的一些重要方面,如推理、问题解决和抽象,但它也是模糊和不完整的。它没有指定如何衡量或比较这些能力。此外,它可能不反映人工系统的特定挑战和机遇,这些系统可能具有与自然系统不同的目标和限制。因此,我们承认这个定义不是关于智能的最终说法,而是我们研究的有用起点。目前有丰富而持续的文献试图提出更正式和全面的智能、人工智能和人工通用智能的定义[Goe14,Cho19],但它们都存在问题或争议。例如,Legg和Hutter[Leg08]提出了一个以目标为导向的人工通用智能定义:智能衡量代理的能力,在广泛的场景中实现目标。然而,这个定义不一定囊括了智能的全部,因为它排除了可以在没有任何内在动机或目标的情况下执行复杂任务或回答问题的被动或反应性系统。可以想象一个通用人工智能,如一个出色的神谕,没有代理或偏好,但可以提供任何主题或领域的准确和有用的信息。此外,目标在广泛的环境中实现的定义也意味着一定程度的普适性或最优性,这可能不现实(肯定人类智能在任何方面都不是普适或最优的)。要识别先验知识的重要性(而不是普适性)在Cholet于[Cho19]提出的定义中得到了强调,该定义将智能围绕着技能获取效率展开,或者换句话说,强调了1994年定义的一个关键弱点:从经验中学习(这也是LLMs的关键弱点之一)。来自Legg和Hutter[LH07]的另一个人工通用智能的候选定义是:一个可以做任何人类能做的事情的系统。然而,这个定义也存在问题,因为它假定人类智力或能力有一个单一的标准或度量,这显然不是事实。人类具有不同的技能、才能、偏好和局限性,没有一个人能做到其他任何人能做的一切。此外,这个定义还暗示了一定的人类