通用人工智能标准、评级、测试与架构

本书聚焦通用人工智能的学科内涵与发展趋势，以一套基于“能力与价值双系统”的通用人工智能认知架构与测试模式为核心，梳理形成“一个定义、两个完备性、三个特征、八个关键问题”的理论框架。 本书共6章，从人工智能的历史、内涵与哲学基础切入，依次介绍通用人工智能的定义与特征、测试与评级、训练与测试平台，以及TongAI理论框架，最后给出对发展通用人工智能的建议。本书既有助于科技领域的管理者和投资者提纲挈领，把握前瞻性科技目标，也可为专业研究人员提供通用人工智能标准、评级、测试、架构的参照系与发展指南。同时，本书还可供希望了解通用人工智能基本概念与关键问题的大众读者参考。

朱松纯，北京通用人工智能研究院院长，北京大学人工智能研究院院长、智能学院院长，清华大学与北京大学讲席教授。曾三次问鼎计算机视觉领域国际最高奖项——马尔奖，也是斯隆奖、赫尔姆霍茨奖得主，两次担任国际计算机视觉与模式识别会议（CVPR）主席。长期致力于构建计算机视觉、认知科学乃至人工智能科学的统一数理框架。 彭玉佳，美国加利福尼亚大学洛杉矶分校博士，北京大学心理与认知科学学院助理教授、人工智能研究院研究员，北京通用人工智能研究院研究员。入选第七届中国科协青年人才托举工程，承担国家自然科学基金青年科学基金项目。任PsychologicalReview 和Journal of Anxiety Disorder 客座编辑，及Behaviour Research and Therapy和《心理科学》编委。主要研究领域为计算精神病学、认知神经科学、社会认知和人工智能。 王亦洲，博士，北京大学博雅特聘教授、博士生导师。现任北京大学前沿计算研究中心副主任。主要研究领域为计算机视觉、人工智能、统计建模与计算、认知计算、医学影像分析和计算艺术。 韩佳衡，研究生毕业于北京大学智能学院，获理学硕士学位；本科毕业于北京大学信息科学技术学院计算机科学技术系，获理学学士学位。曾在北京通用人工智能研究院前沿研究中心担任实习研究助理，主要研究领域为通用人工智能评级与测试、情感计算等。

第1章 人工智能的历史、内涵与哲学基础 1 1.1 智能是什么 1 1.1.1 智能的心理学定义与测量 2 1.1.2 智能现象 4 1.2 人工智能的历史与发展趋势 7 1.2.1 人工智能的早期探索与概念提出 8 1.2.2 人工智能发展的历史阶段 9 1.3 智能的学科内涵 12 1.3.1 智能学科的基本定位与建设目标 12 1.3.2 智能学科与计算机学科的关系 15 1.3.3 人工智能与大数据、大算力、大模型的关系 17 1.3.4 智能的“暗物质”与“小数据、大任务”范式 19 1.4 智能的哲学思想 23 1.4.1 从“理”到“心”：中国传统哲学思想的启示 23 1.4.2 智能研究的哲学思想转变 26 第2章 通用人工智能的定义与特征 29 2.1 通用人工智能的定义 30 2.1.1 智能生物的心智空间 30 2.1.2 通用人工智能的停机问题与学习极限问题 37 2.2 通用人工智能的两个完备性 41 2.2.1 认知架构完备性 41 2.2.2 测试环境完备性 42 2.3 通用人工智能的3个基本特征 43 2.3.1 无限任务 43 2.3.2 自主生成任务 44 2.3.3 价值驱动 45 2.4 通用人工智能的8个关键问题 50 2.5 大模型是不是通用人工智能 58 2.5.1 大模型的特点 58 2.5.2 大模型相关评论与测试研究 62 第3章 通用人工智能测试与评级 73 3.1 经典人工智能测评方法与局限性 74 3.1.1 人类鉴别测试 74 3.1.2 基于数据集任务导向的基准测试 82 3.1.3 基于虚拟环境的任务导向基准测试 83 3.1.4 新型测试体系：探索人工智能的能力维度 85 3.1.5 测试体系的应用：工业生产中的智能评价体系 87 3.2 通用人工智能定义、评级与测试的现状及比较 91 3.2.1 通用人工智能定义的比较 91 3.2.2 通用人工智能评级的比较 93 3.2.3 通用人工智能测试的比较 95 3.3 人类智能发展对通用人工智能测试的启示 101 3.3.1 智力理论与发展阶段 102 3.3.2 智力测试与儿童智力测验 104 3.3.3 经典儿童能力测验中的实验任务 112 3.4 构建通用人工智能评测系统 121 3.4.1 通智测试的整体设计思路 121 3.4.2 动态具身物理社会交互环境 124 3.4.3 无限任务生成系统 131 3.4.4 基于能力与价值双系统的评级框架 138 3.4.5 以“四论”为标准阐释基于能力与价值双系统的评级 框架 149 第4章 通用人工智能训练与测试平台 161 4.1 测试环境的完备性 162 4.2 具身智能体仿真平台的现状与挑战 163 4.2.1 具身智能体仿真平台 164 4.2.2 机器人底层控制仿真平台 170 4.2.3 现有具身智能体仿真平台的局限性 174 4.3 通用人工智能训练与测试平台：机器人仿真 175 4.3.1 自主生成无限场景 176 4.3.2 机器人场景理解 177 4.3.3 任务与运动规则 179 4.3.4 多模态交互接口 182 4.4 通用人工智能训练与测试平台：虚拟人仿真 184 4.4.1 训练数据离线生成 184 4.4.2 虚拟人感知与执行 185 4.4.3 物理仿真组件 187 4.4.4 平台接口 188 4.5 通用人工智能评测实践：通用-专项-行业应用 190 4.5.1 通用能力测试 191 4.5.2 专项能力测试 204 4.5.3 行业应用能力测试 227 第5章 TongAI理论框架：通用人工智能的一种实现途径 243 5.1 为机器立心 243 5.2 认知架构：通用人工智能的表示框架 245 5.3 “认知-能力-价值”框架体系 248 5.3.1 CUV框架体系概览 248 5.3.2 “认知-能力-价值”框架体系的理论构建 251 5.3.3 价值体系构建 263 5.3.4 CUV体系的同步迭代与演化 275 5.4 通信式学习：基于认知架构的统一学习模式 278 5.4.1 通信理论基础 278 5.4.2 认知架构的扩展 279 5.4.3 通信式学习 281 5.5 伦理道德与信任的形成 285 第6章 通用人工智能安全与治理 291 6.1 通用人工智能发展对人类和社会的影响 292 6.1.1 人类正迈向智能时代 292 6.1.2 智能时代的风险与挑战 294 6.1.3 智能时代的使命 299 6.2 人工智能安全框架 303 6.2.1 可控性和安全性设计原则 304 6.2.2 模型安全评测 306 6.2.3 人工智能对齐：让AI与人类“心有灵犀” 315 6.2.4 人工智能对齐技术：如何让AI学会“听话” 323 6.2.5 人工智能对齐验证与确认：确保AI“言行一致” 329 6.2.6 价值对齐：让AI成为社会的“好公民” 334 6.3 人机共生：探索中国式AGI安全治理 339 6.3.1 为天地立心：社会模拟探索AGI的社会尺度 340 6.3.2 CUV体系辅助AGI治理：构建并引领人机共生的 新文明 342 参考文献 347