随着大语言模型（LLMs）的进展，最近人们越来越多地讨论通用人工智能（AGI），包括它的发展趋势和可能的面貌。这些讨论既有乐观的期待，也有对未来充满担忧的声音。但遗憾的是，这些讨论往往过于抽象，导致大家在讨论中各说各话，难以达成共识。因此，我一直在寻找具体的例子和历史先例来更实际地探讨这个话题。当被问及我对 AGI 的看法时，我通常会举自动驾驶为例。在这篇文章中，我想解释这样做的原因。
首先，让我们来看看 AGI 的一个常见定义：
AGI：一种能在大部分具有经济价值的工作中超越人类能力的自主系统。
这个定义涉及两个关键要求：
- 首先，它是一个完全自主的系统，即它可以独立运行，几乎不需要或完全不需要人类的监督。
- 其次，它能在大多数具有经济价值的工作中独立运作。
为了具体化这一点，我经常参考美国劳工统计局的职业索引。具备这两种属性的系统，我们可以称之为 AGI。
我在这篇文章中想指出的是，我们在自动化驾驶领域的最新进展是一个很好的早期案例，用以研究社会对日益增长的自动化技术的反应，同时也可以预览通用人工智能将会带来的影响和感受。之所以选择自动驾驶，是因为它在社会中非常显著且易于接触（想象一下，街上的车辆无人驾驶！），在经济上占据重要地位，目前涉及大量的人力（比如 Uber 和 Lyft 的司机），而且自动化驾驶是一个挑战性很大的问题。我们在自动化驾驶方面的进展超越了经济的许多其他领域，这一点已经引起了社会的广泛关注和反响。当然，还有其他行业也经历了显著的自动化，但我对它们不太了解，或者它们没有达到上述几个关键点。
探讨部分自动化
在人工智能的众多挑战中，自动驾驶技术的发展并非一蹴而就，而是逐步实现的结果。这个过程中出现了许多起辅助作用的“工具型 AI”。在汽车自主性领域，现在许多车辆都配备了“二级”驾驶辅助功能——这种 AI 能与人类司机协同工作，共同完成从起点到终点的行驶任务。虽然这种系统并不是完全自动驾驶，但它能处理大量驾驶中的基础操作细节。例如，在某些情况下，它甚至可以自动完成停车等操作。在这一过程中，人类司机主要承担监督角色，但原则上可以随时接管驾驶，或下达高层指令（比如请求变道）。在某些方面（如车道跟踪和快速决策），这种 AI 的表现甚至超过了人类，但在一些罕见的场景中可能仍有不足。
这与我们在其他行业看到的许多工具型 AI 的发展情况类似，特别是在大语言模型（LLMs）近期带来的技术突破后。例如，作为程序员，当我使用 GitHub Copilot 来自动填写代码块，或利用 GPT-4 编写更复杂的函数时，我实际上是将一些基础细节交给了自动化系统处理，但同样，我也可以随时介入调整。换句话说，Copilot 和 GPT-4 就像是二级编程自动化。
在整个行业中，存在许多类似的二级自动化应用，不仅限于基于 LLMs 的系统——从 TurboTax 到亚马逊仓库中的机器人，再到翻译、写作、艺术、法律和营销等领域的众多工具型 AI。
全自动化
随着这些系统可靠性的提高，它们渐渐实现了完全自动化，就像今天的 Waymo 一样。在旧金山，现在你可以通过一个应用叫一辆 Waymo 车，而不是 Uber。一辆无人驾驶的汽车会来接你，带你前往目的地。这一切都非常神奇。你无需懂得驾驶技术，也不需要保持注意力集中，可以在车内放松休息，甚至打个小盹，而系统则会负责将你从 A 点安全运送到 B 点。像我和许多其他人一样，我现在更倾向于使用 Waymo 而非 Uber 进行城市间的出行。Waymo 提供更加稳定、可预测的驾驶体验，驾驶平稳，你可以在车内听音乐、和朋友聊天，无需分心考虑司机可能对谈话内容的想法。
全自动化的混合经济
尽管自动驾驶技术已经问世，但依然有很多人倾向于同时使用 Uber。这是为什么呢？
首先，许多人根本不知道他们可以叫 Waymo。即便知道，他们中的许多人对自动系统还不够信任，更喜欢人类司机驾驶。即使对技术有信心，一些人也可能更喜欢人类司机，比如他们享受与司机的交谈和互动，以及结识新朋友。不仅仅是个人喜好，从现在应用程序里不断增加的等待时间可以看出，Waymo 的供应还远远不能满足需求。车辆数量不足可能部分是因为 Waymo 在谨慎处理和监控风险及公众舆论。我猜想，Waymo 可能还受到监管机构对街道上运行车辆数量的限制。另一个限制因素是，Waymo 不可能立刻完全取代 Uber，他们需要逐步建立基础设施，生产汽车，扩大运营规模。
我认为，其他行业的自动化也会经历类似过程 – 有些人或公司会立即采用，但许多人可能 1) 不了解这些技术，2) 知道后可能不信任，3) 即使信任，也更倾向于与人类合作。
此外，需求大于供应，通用人工智能 (AGI) 也会因为开发者的自我约束、法规限制以及资源短缺（比如需要建设更多 GPU 数据中心）而受到限制。
全球化的全自动化
如我之前提到的，由于资源限制，这项技术的全球推广仍然非常昂贵、劳动密集，并且发展缓慢。目前，Waymo 只能在旧金山和凤凰城运行，但其方法本质上是通用且可扩展的，因此公司可能很快会向洛杉矶、奥斯汀等地扩展。此外，该产品可能还会受到其他环境因素的影响，比如在大雪天气下的驾驶。在极少数情况下，它甚至可能需要人类操作员的紧急援助。能力的拓展并非没有代价。例如，Waymo 进入一个新城市，需要投入资源来建立当地的业务，绘制街道地图，调整其感知系统和规划/控制器，以适应当地的特殊情况和规定。
从工作的角度看，许多职位可能只在特定的环境或条件下实现完全自动化，而拓展这些能力到更广泛的领域，需要付出努力和时间。在这两种情况下，尽管方法本质上是通用和可扩展的，但其发展只能逐渐进行。
社会对此的反应
我发现自动驾驶技术进入社会的一个引人入胜的方面是，就在几年前，大家还在纷纷讨论和怀疑它的可行性，甚至有很多恐慌和不确定的声音。但现在，自动驾驶不再是一个遥不可及的研究原型，而是真实存在的产品了——你可以用钱买到完全自动化的交通服务。在目前的运行范围内，自动驾驶行业已实现了完全自主。
然而，令人惊讶的是，这个变化似乎并没有引起太多人的关注。即便是技术圈内的人，很多都没有意识到这个变化。当 Waymo 的自动驾驶车辆在旧金山街头行驶时，你会发现许多人对此感到好奇。他们先是惊讶地盯着看，然后很快就继续他们的生活。可能当自动驾驶技术在其他行业得到应用时，世界并不会发生翻天覆地的变化。大多数人甚至可能刚开始都没意识到这个变革。即使意识到了，他们可能只是好奇地看一眼，然后无动于衷，态度从否认到接受各不相同。有些人可能会因此感到不满，做出一些反抗行为，就像有人曾经在 Waymo 车辆上放置交通锥以示抗议一样。当然，这方面的影响还远未完全显现出来，但当它发生时，我相信它将会成为一种广泛的趋势。
经济影响
谈到工作，Waymo 显然取代了司机的工作。但同时，它也创造了许多此前看不见的新职位——比如帮助收集神经网络训练数据的人工标注员、远程协助遇到问题的车辆的技术支持人员、负责建造和维护车队、地图等的工作人员。为了制造这些高度仪器化、高科技的汽车，一个涵盖各种传感器和相关基础设施的全新产业也随之诞生。
与此类似，工作本身也在发生变化：一些工作会消失，许多新的工作机会也会出现。这更像是对工作的一次重组或改造，而不仅仅是简单的消除，尽管消除部分可能更为显著。长远来看，总体的工作数量可能会减少，但这个过程比人们初看时想象的要缓慢得多。
竞争态势
我想探讨的最后一个话题是行业的竞争态势。几年前，自动驾驶领域涌现出众多公司。但今天，随着人们逐渐意识到这一领域的挑战性（按照我对当前人工智能及整体计算技术的看法，这个挑战刚好处于可实现的边缘），相关企业已经大幅度整合。在这之中，Waymo 已经率先展示了功能完备的自动驾驶技术。然而，仍有诸如 Cruise、Zoox，以及我的个人最爱 Tesla 等公司紧随其后。
考虑到我在这个领域的背景和经历，我认为自动驾驶产业的终极目标是实现全球范围内的完全自动化。在这一目标的追求上，Waymo 选择了先实现自动化再进行全球扩展的策略，而 Tesla 则是先在全球推广，再逐步提升自动化水平。作为这两家公司产品的用户，我对他们所取得的成就感到满意，同时也对整个技术领域保持高度期待。但这两家公司面临的挑战不同：一家主要是软件方面的工作，另一家则是硬件方面的工作。
对于哪家公司能更快取得进展，我有自己的判断。正如自动驾驶行业在 ~2015 年那样经历了快速增长和扩张，但最终只有少数几家公司在激烈竞争中存活下来，其他经济领域也可能会经历类似的变化。在这一过程中，将会大量使用工具型 AI（例如：目前的二级自动驾驶辅助系统 ADAS 特性），甚至出现一些开放平台（例如：Comma）。
通用人工智能（AGI）
所以，这些大体上是我对通用人工智能（AGI）的展望。想象一下，在我们的经济体系中，类似的事情以不同的速度发生，伴随着复杂且难以预测的相互作用和连带影响。虽然这个模型可能不尽完美，但我认为它是一个有用的参考。
在一种思维模式的范畴内，AGI 的发展趋势并不像是一种失控的、能够递归自我完善的超级智能，它不会逃入网络空间制造灾难，也不会像某些科幻场景那样将银河系转变为一片灰色的废墟。相反，它更像是目前正在快速发展的自动驾驶技术，这是经济中一个重要的、正在改变社会的自动化分支。
AGI 的发展是逐步的，社会既是观察者也是参与者。其扩展在多方面受到限制，包括对教育有素的人力资源、信息、材料和能源的监管和资源的限制。世界不会因此崩溃，而是在适应、变化和重新构建中前行。
以自动驾驶为例，交通的自动化将使道路更安全，城市空气将变得更清新，交通更为畅通，而路边的停车场和停车车辆将逐渐消失，让出更多空间给行人。我个人非常期待看到 AGI 在各个领域带来的类似变革。
