通用人工智慧（AGI）代表著人工智慧發展的下一個重要里程碑，它有望讓機器在廣泛的任務中理解和推理。這是人工智慧社群中引起極大興趣的目標，許多專家正致力於實現它。實現AGI被視為解鎖人類進步和人工智慧創新新可能性的關鍵一步。在ARC，我們相信遊戲是實現這一目標的重要工具，它提供了一個試驗平台，可以訓練人工智慧系統處理複雜性和適應性，這兩者都是實現AGI的關鍵要素。
通用人工智慧圖像
遊戲與AGI
遊戲長期以來一直被認為是人工智慧發展的重要組成部分，Elon Musk和Demis Hassabis等業界領袖也認同這一點。Musk透過他的xAI計畫，強調了遊戲在訓練人工智慧系統中的作用，展示了遊戲如何用於模擬現實世界的複雜性。
同樣，DeepMind的Demis Hassabis也分享了他的願景，指出AlphaZero中使用的遊戲環境不僅僅是掌握遊戲，更是開發可以應用於更廣泛現實世界問題的人工智慧演算法。目標是創建通用人工智慧，能夠推理、適應並最終解決超出其最初訓練範圍的挑戰。
ARC的方法涉及使用結構化框架，透過遊戲加速AGI的進展。透過整合模型、基礎設施、環境和數據（M.I.N.D.），ARC旨在創建一個生態系統，匯集AGI發展所需的必要組件。該組織相信，遊戲的動態性質，其不斷變化的規則和不可預測的環境，使其成為訓練能夠開發AGI所需核心能力的AI系統的理想平台。
人類技能。由人工智慧增強。
實現AGI的核心能力
對於ARC來說，AGI的定義是它在多個領域中執行並展現出幾項關鍵能力。其中一項主要能力是多模態，它涉及將不同類型的數據（例如視覺、文本和音訊）整合到一個連貫的理解中。這對於人工智慧與世界進行有意義的互動至關重要，因為現實世界的任務通常需要解釋多種輸入類型。
另一個關鍵能力是持續改進。AGI系統必須能夠逐步學習，在每次新的互動中完善其知識，而不會丟失之前學到的資訊。這確保了人工智慧能夠適應不斷變化的環境並在遇到不同情況時獲得新技能。
適應性是另一個基本特徵。AGI系統必須能夠有效地應對新環境或現有環境中意外的變化。這在遊戲等動態環境中尤為重要，在這些環境中，規則和場景可以快速演變，需要人工智慧改變其方法。
最後，推理是AGI的基本要求。雖然模式識別是一項重要技能，但真正的智慧超越了這一點，它要求人工智慧系統理解因果關係，做出預測，並根據推理設計解決問題的方案。AGI必須能夠將不同資訊點聯繫起來，並將這種理解應用於新的挑戰。
ARC與Eliza Labs的新合作夥伴關係
在不同情境下測試AGI
除了展現正確的能力外，AGI還必須能夠在各種環境中運作。這些環境測試了人工智慧在不同類型挑戰中的表現。例如，多代理協作是一個情境，AGI必須與人類和人工智慧代理協作或競爭。這測試了人工智慧的協作、策略制定和有效溝通的能力。
環境的非靜態性質也是一個關鍵情境。AGI系統必須能夠在規則和任務不斷演變的世界中導航。在這種環境中，人工智慧不能僅僅依賴預定義的解決方案；它必須學會即時調整和制定策略。
開放世界複雜性透過要求AGI探索和管理多個目標來進一步挑戰它。在開放世界設定中，人工智慧必須優先處理任務並發現新目標，同時處理意外事件。這些類型的環境有助於模擬現實世界情境的不可預測性和複雜性。
最後，長期規劃是另一個重要的測試。AGI必須能夠做出導致長期成功的決策，而不僅僅是為了立即獎勵而優化。這項技能需要能夠制定和執行多步驟計畫，即使回饋稀疏或延遲。
神經元代幣 ($NRN)
ARC的進展與藍圖
ARC在開發AGI所需組件方面取得了顯著進展，透過其M.I.N.D.框架奠定了基礎。該框架包括支援持續學習、不確定性建模和適應性的先進模型。ARC的基礎設施還促進了數據的收集和使用，使人工智慧系統能夠隨著時間的推移不斷改進和適應。從單人遊戲到多人遊戲環境的整合，為這些能力提供了多樣化的測試場地。
儘管取得了這些進展，實現AGI仍需要解決關鍵差距。這包括在推理、分層機器學習（HML）和處理不確定性方面的進一步發展。特別是HML，是將人工智慧學習組織成可以在不同抽象層次運作的模組的一個有前景的途徑，使系統能夠更好地管理複雜性並做出更細緻的決策。
ARC的藍圖包括旨在解決這些差距的幾項舉措。其中一項舉措是模型創新競賽，將於2025年啟動，以鼓勵在推理、適應性和泛化等領域的研究和開發。該組織還與基礎設施提供商合作，以滿足AGI開發日益增長的計算需求。此外，ARC正在創建遊戲環境，挑戰人工智慧的協作、規劃和管理意外挑戰的能力，同時還與其他專案合作，整合視覺、音訊和語言等不同模態。
$NRN在AGI發展中的作用
ARC願景的核心是神經元代幣（$NRN），它作為ARC正在構建的去中心化生態系統中的基礎元素。該代幣促進了研究人員、開發者、平台和組織之間的協作，有助於透過遊戲加速AGI的發展。透過利用$NRN，ARC旨在培養一種開源、社群驅動的AGI研究方法，確保進展由廣泛的參與者共同分享和加速。要了解更多關於ARC的舉措，請參閱X上的這篇文章。
