主要观点：关于人工智能系统何时足够智能被称为人工通用智能（AGI）存在定义混乱，微软和 OpenAI 认为答案在于经济（产生 1000 亿美元利润），但难以创建通用 AGI 定义，不同人对 AGI 有不同理解，如谷歌 DeepMind 认为 100 人会有 100 种相关但不同定义。AGI 定义问题对 AI 系统的开发、监管和思考有实际影响，传统定义面临人类水平表现等棘手问题，微软和 OpenAI 因对 AGI 定义的分歧陷入谈判僵局。AGI 术语起源模糊，目标设定不断变化，从“做人类能做的一切”到“做最经济有价值的任务”，图灵测试已显陈旧，当前 AGI 定义多样且存在分歧，如 OpenAI 定义为在多数经济有价值工作中超越人类，马克·扎克伯格无简洁定义，Sam Altman 认为已知道如何构建传统理解的 AGI，Ilya Sutskever 将其视为神秘事物。Google DeepMind 提出五级 AGI 性能框架但遭批评，认为 AGI 定义不清难以科学评估。微软 - OpenAI 纠纷表明哲学推测转化为法律义务的问题，1000 亿美元利润阈值将商业成功与认知能力混淆。寻找更好的 AGI 基准存在问题，如数据污染等，尽管 AI 取得进步，但多数研究人员认为 AGI 未临近，专家预测常被 AI 能力快速发展所惊讶，行业内一些人也在慢慢收回 AGI 临近的主张。定义混乱对政策制定、公司吸引投资等有实际影响，应放弃追求模糊的 AGI 定义，关注具体能力如无大量再训练可学习新任务等。

关键信息：

• 不同机构和人物对 AGI 的定义不同，如 OpenAI、谷歌 DeepMind 等。
• 微软和 OpenAI 因 AGI 定义分歧陷入谈判。
• 寻找 AGI 基准存在数据污染等问题。
• 多数研究人员不认为 AGI 临近。

重要细节：

• John McCarthy 于 1956 年 coined 人工智能术语，AGI 较晚出现，Mark Gubrud 于 1997 年 first used 该术语，Shane Legg 和 Ben Goertzel 于 2002 年 independently reintroduced 它。
• 早期 AI 研究人员设想能在所有领域匹配人类能力的系统，目标设定不断变化。
• 图灵测试曾是机器智能的基准，但已显陈旧。
• Google DeepMind 提出五级 AGI 性能框架。
• 多数 AI 研究人员对 AGI 临近持怀疑态度，专家预测常被 AI 能力发展所惊讶。
• 定义混乱对政策、公司等有实际影响。