Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 自动驾驶:通用人工智能(AGI)的案例研究 [译]
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
自动驾驶:通用人工智能(AGI)的案例研究 [译]
Prompt 语宙 > 强化 AI 学习 > 自动驾驶:通用人工智能(AGI)的案例研究 [译]
强化 AI 学习

自动驾驶:通用人工智能(AGI)的案例研究 [译]

宝玉的分享
最近更新: 2024年10月11日 下午12:16
AI编程 Copilot Cursor GitHub Copilot OpenAI
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 自动驾驶被用作AGI案例:先从二级辅助到全自动,清晰呈现能力跃迁路径。
  • Waymo的实测体验说明:自动化可提升稳定性与可预测性,但供给、信任和监管仍是瓶颈。
  • AGI落地不会一蹴而就,开发者自我约束、法规与GPU资源都会限制扩张速度。

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。

阅读目录
  • 探讨部分自动化
  • 全自动化
  • 全自动化的混合经济
  • 全球化的全自动化
  • 社会对此的反应
  • 经济影响
  • 竞争态势
  • 通用人工智能(AGI)

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:

  1. 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。
  2. 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。

🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
GitHub Copilot ↗
GitHub Copilot:GitHub推出的AI编程工具,面向AI 编程辅助场景提供便捷实用的在线功能支持,
Copilot ↗
微软推出的网页版Copilot助手。
亚马逊 ↗
亚马逊是全球最大的综合性电子商务平台和云计算服务提供商。其核心功能涵盖一个极其庞大且高度整合的生态系统: 1.
❓ 常见问题解答(FAQ)
为什么用自动驾驶类比AGI?

因为自动驾驶兼具高可见度、高经济价值和高复杂度,且已出现从辅助到全自动的真实演进,能更具体地观察社会对自动化的反应,也更适合类比AGI的落地过程。

文中说的二级自动化是什么意思?

指人类与AI协同完成任务的阶段:系统能处理大量基础细节,但人类仍可随时接管或下达高层指令。文章用驾驶辅助和Copilot、GPT-4编程辅助来说明这一点。

Waymo案例对AGI有什么启示?

它说明即使技术已可用,真正普及仍受信任、认知、监管、基础设施和算力等因素制约。AGI若出现,也大概率会经历类似的渐进式扩张,而非瞬间替代所有工作。

🔬 语宙深潜追问 · 进阶实操拆解
自动驾驶对 AGI 落地有何启示?

它说明“能力接近可用”不等于“社会可部署”。即便模型在局部任务上表现很强,真正落地仍取决于安全验证、责任界定、法规许可和用户信任;AGI 也会经历类似的技术—制度双重门槛。

AGI 为什么会被算力和监管共同限制?

算力决定训练与推理的上限,监管决定能否进入高风险场景。越接近自主决策系统,越需要审计、对齐和责任追踪;因此未来竞争不只是模型能力,还包括基础设施、合规能力和部署治理。

🗳️ 读者观点微投票 · 您的实战立场是?
自动驾驶的路径,最像 AGI 的哪一步?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
💻 所属权威专题:Claude & AI 编程 / MCP →
  • 通向通用人工智能的里程碑:评估进展的新框架 [译]
  • 软件开发的未来展望 [译]
  • 我们已经迈入了通用人工智能的时代 [译]
  • AI 与训练 AI 替代自己的工人的矛盾 [译]
🏛️ 宝玉的分享 · 前沿大模型翻译与提示词工程实战分享专栏,聚焦海外一手 AI 技术动态与工程实践。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
Google 用 AI 单月修复上千 Chrome 漏洞,超越过去两年总和
阿里云百炼CLI全面开源:一行命令编排AI Agent全栈能力,引爆开发者生态
DevDocs – 开源的技术文档爬取和处理工具
HiDream-O1-Image-1.5 – 智象未来推出的商用图像生成模型
FunSearch:利用大语言模型在数学科学领域探索新奇发现 [译]
TAGGED:AI编程CopilotCursorGitHub CopilotOpenAI
分享
Email 复制链接 打印
Share
宝玉的分享 头像
By宝玉的分享
Follow:
前沿大模型翻译与提示词工程实战分享专栏,聚焦海外一手 AI 技术动态与工程实践。
上一篇 让 AI 来评估你的简历 [译] 让 AI 来评估你的简历 [译]
下一篇 在 Copilot 的协助下编程白皮书——2023 年的数据显示了代码质量面临的挑战 [译] 在 Copilot 的协助下编程白皮书——2023 年的数据显示了代码质量面临的挑战 [译]
Ad image
Ad image

最近更新

WordPress 7.2版本更新与默认随机重定向、Secrets API撤回及MCP核心能力拆解封面图
官方博客竟把关闭过滤器写错了!WordPress 7.2前瞻全拆解:默认/random/暗藏隐私与SEO风险、Secrets API紧急撤回与3项MCP只读能力落地
AI 工具
Anthropic上市募资与算力长约的隐喻:现金光环上升,数据中心暗链延伸,治理水晶承受张力与阻力冲击。
募资超1070亿美元却背负9000亿算力长约!Anthropic史上最大IPO背后的三大隐忧:1040亿年内亏损、地方抵制潮与PBC治理死结
AIGC 资讯
微软Copilot与Claude/ChatGPT价格战隐喻:发光玻璃表格堡垒守住Excel,数据流高效汇聚,企业AI竞争升级
3000万付费仅吃下4.5亿席位不到7%!微软Ignite正面叫板Claude与ChatGPT:月均30美元VS 205美元价格战与Excel保卫战全拆解
AIGC 资讯
联想AI推理时代的端边云全栈算力插画:玻璃拟态服务器核心发光,光流连接云端与边缘节点,呈现营收与订单增长动能。
AI营收暴涨80%且握5300亿服务器订单!联想Q2单季营收首破2000亿、净利狂飙166%:端边云全栈算力如何接住推理时代红利?
AIGC 资讯

相关推荐

Agent TARS – 字节跳动开源的多模态 AI Agent 项目
AIGC 资讯

Agent TARS – 字节跳动开源的多模态 AI Agent 项目

Prompt 语宙研究院
AI办公效率 AI智能体 AI编程 开源大模型
苹果 41 页诉状怒撕OpenAI,为何唯独放过了传奇设计师伊夫?
AIGC 资讯

苹果 41 页诉状怒撕OpenAI,为何唯独放过了传奇设计师伊夫?

Prompt 语宙研究院
AI智能体 AI编程 OpenAI
LLaMA-Mesh – 清华联合英伟达推出的自然语言生成复杂的3D模型项目
AIGC 资讯

LLaMA-Mesh – 清华联合英伟达推出的自然语言生成复杂的3D模型项目

Prompt 语宙研究院
3D与空间智能 AI编程 Llama 大模型微调
GPT-4 不懂自己哪里错了:对解决问题时迭代提示法的深入分析 [译]
强化 AI 学习

GPT-4 不懂自己哪里错了:对解决问题时迭代提示法的深入分析 [译]

宝玉的分享
ChatGPT OpenAI 大模型微调
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.