通用人工智能（AGI）代表着人工智能发展的下一个重要里程碑，它有望让机器理解并处理各种任务。AGI的目标在人工智能社区引起了广泛关注，许多专家正致力于实现它。实现AGI被视为解锁人类进步和人工智能创新新可能性的关键一步。在ARC，我们相信游戏是实现这一目标的重要工具，它提供了一个试验平台，可以训练人工智能系统处理复杂性和适应性，这两者都是实现AGI的关键要素。
通用AI图像
游戏与AGI
游戏长期以来被认为是人工智能发展的重要组成部分，埃隆·马斯克和德米斯·哈萨比斯等行业领袖也对此表示认可。马斯克通过他的xAI计划，强调了游戏在训练人工智能系统中的作用，展示了游戏如何用于模拟现实世界的复杂性。
同样，DeepMind的德米斯·哈萨比斯也分享了他的愿景，指出像AlphaZero中使用的游戏环境不仅仅是为了精通游戏，更是为了开发可以应用于更广泛现实世界问题的人工智能算法。目标是创建通用人工智能，使其能够推理、适应并最终解决超出其最初训练范围的挑战。
ARC的方法是使用结构化框架，通过游戏加速AGI的进展。通过整合模型、基础设施、环境和数据（M.I.N.D.），ARC旨在创建一个生态系统，汇集AGI开发所需的所有组件。该组织认为，游戏的动态特性，其不断变化的规则和不可预测的环境，使其成为训练人工智能系统开发AGI所需核心能力的理想平台。
人类技能。由AI增强。
实现AGI的核心能力
对于ARC而言，AGI的定义是其在多个领域中表现出多种关键能力。其中一项主要能力是多模态，它涉及将不同类型的数据（如视觉、文本和音频）整合为连贯的理解。这对于AI与世界进行有意义的交互至关重要，因为现实世界的任务通常需要解释多种输入类型。
另一个关键能力是持续改进。AGI系统必须能够逐步学习，在每次新的交互中完善其知识，而不会丢失之前学到的信息。这确保了AI能够适应不断变化的环境，并在遇到不同情况时获取新技能。
适应性是另一个基本特征。AGI系统必须能够有效地应对新环境或现有环境中的意外变化。这在像游戏这样的动态环境中尤为重要，因为规则和场景可以迅速演变，需要AI改变其方法。
最后，推理是AGI的基本要求。虽然模式识别是一项重要技能，但真正的智能超越了这一点，它要求AI系统理解因果关系，做出预测，并根据推理设计问题的解决方案。AGI必须能够将不同信息点联系起来，并将这种理解应用于新的挑战。
ARC与Eliza Labs的新合作关系
在不同情境下测试AGI
除了展示正确的能力外，AGI还必须能够在各种环境中运行。这些环境测试AI在不同类型挑战中的表现。例如，多智能体协作是一种AGI必须与人类和AI智能体协作或竞争的情境。这测试了AI的协作、策略制定和有效沟通能力。
环境的非平稳性也是一个关键情境。AGI系统必须能够驾驭规则和任务不断演变的世界。在这种环境中，AI不能仅仅依赖预定义的解决方案；它必须学会即时调整和制定策略。
开放世界的复杂性通过要求AGI探索和管理多个目标来进一步挑战它。在开放世界设置中，AI必须优先处理任务并发现新目标，同时应对意外事件。这些类型的环境有助于模拟现实世界场景的不可预测性和复杂性。
最后，长期规划是另一个重要的测试。AGI必须能够做出导致长期成功的决策，而不仅仅是优化即时奖励。这项技能需要制定和执行多步骤计划的能力，即使反馈稀疏或延迟。
神经元代币 ($NRN)
ARC的进展和路线图
ARC在开发AGI所需组件方面取得了显著进展，通过其M.I.N.D.框架奠定了基础。该框架包括支持持续学习、不确定性建模和适应性的高级模型。ARC的基础设施还促进了数据的收集和使用，使AI系统能够随着时间的推移不断改进和适应。从单人游戏到多人游戏设置的环境整合，为这些能力提供了多样化的测试平台。
尽管取得了这些进展，实现AGI仍需弥补关键差距。这包括在推理、分层机器学习（HML）和处理不确定性方面的进一步发展。特别是HML，是一个很有前景的途径，可以将AI学习组织成可以在不同抽象级别运行的模块，从而使系统能够更好地管理复杂性并做出更细致的决策。
ARC的路线图包括旨在弥补这些差距的几项举措。其中一项举措是模型创新竞赛，将于2025年启动，旨在鼓励推理、适应性和泛化等领域的研究和开发。该组织还在与基础设施提供商合作，以满足AGI开发日益增长的计算需求。此外，ARC正在创建游戏环境，挑战AI的协作、规划和管理意外挑战的能力，同时还与其他项目合作，整合视觉、音频和语言等不同模态。
$NRN在AGI发展中的作用
ARC愿景的核心是Neuron代币（$NRN），它作为ARC正在构建的去中心化生态系统中的基础元素。该代币促进了研究人员、开发者、平台和组织的协作，有助于通过游戏加速AGI的发展。通过利用$NRN，ARC旨在推动AGI研究的开源、社区驱动方法，确保通过各种参与者的贡献来共享和加速进展。要了解更多关于ARC的倡议，请参阅X上的这篇帖子。
