欢迎加入
「易源易彩交流群」
「易源易彩交流群」
QQ扫码进群
（QQ群号：860213912）
注册得好礼
新用户微信注册享20元算力, >立即注册
关注公众号得算力
新用户关注易彩微信公众号享20元算力，
邀请有礼
邀请1人得5元算力，可累计叠加, 查看规则
摘要
上海交通大学教授、上海人工智能实验室双聘研究员翟广涛提出，构建一个完善的人工智能评测体系，实际上等同于实现通用人工智能（AGI）。他指出，当前人工智能评测标准多聚焦于特定任务性能，难以全面反映智能系统的综合能力。翟广涛强调，唯有建立涵盖认知、学习、推理、迁移等多维度能力的评测框架，才能推动人工智能向更高层次发展。这一观点为人工智能研究提供了新思路，也为未来技术突破指明了方向。
关键词
人工智能，评测体系，通用智能，翟广涛，上海交大
当前，人工智能评测体系的发展仍处于相对初级的阶段。尽管人工智能技术在过去几十年中取得了显著进展，评测标准却大多局限于特定任务的性能表现，例如图像识别的准确率、自然语言处理的语义理解能力等。这种“任务导向”的评测方式虽然在推动具体应用场景中发挥了重要作用，但其局限性也日益显现。由于评测维度单一，难以全面衡量人工智能系统的综合智能水平，这在一定程度上制约了人工智能向更高层次的演进。
此外，评测体系的标准化和通用性问题也亟待解决。不同研究机构和企业往往采用各自为政的评测方法，缺乏统一的衡量标准，导致技术成果难以横向比较和有效整合。翟广涛教授指出，这种碎片化的评测现状不仅影响了技术的协同创新，也使得人工智能系统在跨领域迁移和泛化能力方面存在明显短板。因此，构建一个能够覆盖认知、学习、推理、迁移等多维度能力的评测体系，已成为推动人工智能迈向通用智能的关键一步。
通用人工智能（Artificial General Intelligence，简称AGI）是指具备与人类相当甚至超越人类的广泛认知能力的人工智能系统。与当前广泛应用的“弱人工智能”（Narrow AI）不同，AGI不仅能在特定任务中表现出色，还能够自主学习、理解复杂概念、进行逻辑推理，并在不同情境中灵活迁移知识。这种能力使得AGI具备更强的适应性和泛化能力，能够应对现实世界中多样化的挑战。
翟广涛教授强调，通用人工智能的核心特征在于其“通用性”——即不依赖于特定任务或数据集，而是在广泛的任务空间中展现出稳定而高效的智能行为。这种智能不仅包括感知和决策能力，更涵盖了自我反思、创造性思维以及跨领域知识整合的能力。实现AGI不仅是人工智能研究的终极目标，也意味着技术将从“工具”向“伙伴”转变，真正成为人类社会发展的协同力量。
构建一个完善的人工智能评测体系，是实现通用人工智能不可或缺的前提条件。翟广涛教授指出，评测体系不仅是衡量技术进展的标尺，更是引导研究方向的重要工具。一个真正有效的评测体系应当具备多维度、动态性和可扩展性，能够全面评估人工智能系统在认知、学习、推理、迁移等方面的能力。
当前，许多评测标准仍停留在静态任务的性能评估层面，缺乏对系统综合智能水平的深入挖掘。而要推动人工智能向AGI迈进，评测体系必须超越“任务完成”的狭义框架，转向对“智能本质”的探索。例如，评测应涵盖系统在新环境中的适应能力、对未知问题的解决能力以及跨模态知识迁移的能力等。只有通过这样的评测体系，才能真正识别出具备通用智能潜力的技术路径，并为未来人工智能的发展提供科学依据和方向指引。
构建一个能够全面衡量通用人工智能（AGI）能力的评测体系，面临着前所未有的复杂性与挑战。首先，AGI的核心在于其跨任务、跨领域的泛化能力，而当前主流的人工智能评测标准大多聚焦于特定任务的表现，如ImageNet图像识别、GLUE自然语言理解等基准测试，这些评测方式虽然在推动弱人工智能发展方面卓有成效，却难以有效评估具备自主学习和迁移能力的通用智能系统。
其次，评测维度的多样性也是一大难题。AGI不仅需要具备感知和决策能力，还应涵盖推理、创造、情感理解等更高级的认知功能。如何将这些抽象能力转化为可量化的指标，是评测体系建设中的关键瓶颈。此外，评测体系还需具备动态演化的能力，以适应技术快速发展的节奏，并能对未知环境下的表现进行合理评估。
最后，评测体系的标准化问题也不容忽视。目前全球范围内缺乏统一的评测框架，不同机构采用的评测方法差异巨大，导致研究成果难以横向比较。这种碎片化状态严重制约了AGI评测体系的科学性和权威性，也成为实现真正通用人工智能道路上亟待突破的障碍。
翟广涛教授指出，构建完善的AI评测体系不仅是技术层面的问题，更是对“智能本质”的哲学思考。他强调，评测体系应当从单一任务性能评价转向多维度综合能力评估，涵盖认知、学习、推理、迁移等多个核心维度。这一转变要求评测标准具备更强的包容性和前瞻性，能够适应未来不断演进的技术形态。
在具体实施路径上，翟教授提出三点建议：一是建立动态评测机制，使评测体系能够随着技术进步不断更新；二是引入跨模态、跨任务的综合性测试场景，模拟真实世界的复杂性；三是推动国际协作，制定统一的评测标准，促进全球范围内的技术交流与成果共享。
翟广涛特别指出：“如果我们不能定义什么是真正的智能，就无法判断我们是否已经接近AGI。”因此，评测体系的完善过程本身，也将是对智能本质不断探索的过程。他的观点为人工智能评测研究提供了理论支撑，也为未来构建更具普适性的智能评估框架指明了方向。
在全球范围内，已有多个国家和机构尝试构建更具综合性的AI评测体系。例如，美国国防高级研究计划局（DARPA）近年来推出的“机器常识”项目，旨在通过一系列非结构化任务测试AI系统的推理与适应能力。该项目强调系统在面对新情境时的学习效率与泛化能力，标志着评测理念从“任务完成”向“智能水平”转变的趋势。
在国内，中国科学院自动化研究所联合多家高校推出了“通义千问”评测平台，该平台不仅测试模型的语言生成能力，还涵盖了逻辑推理、知识迁移、情感理解等多个维度。这种多维评测模式为衡量AI系统的综合智能水平提供了初步框架。
然而，这些尝试仍处于探索阶段，尚未形成统一标准。翟广涛教授认为，未来的评测体系应融合多学科视角，结合心理学、神经科学和计算机科学的研究成果，构建更加科学、系统、可扩展的评测框架。只有这样，才能真正推动人工智能迈向通用智能的新纪元。
一个完善的人工智能评测体系不仅是衡量技术进展的标尺，更是推动通用人工智能（AGI）迈向成熟的重要引擎。翟广涛教授指出，评测体系在本质上决定了研究方向和技术路径的选择。当前，多数AI评测仍聚焦于特定任务的表现，如图像识别准确率、自然语言理解能力等，这种“任务导向”的评估方式虽然有效推动了弱人工智能的发展，却难以全面反映系统的综合智能水平。
而要实现AGI，评测体系必须超越单一性能指标，转向多维度、动态化的能力评估。例如，评测应涵盖系统在新环境中的适应能力、对未知问题的解决能力以及跨模态知识迁移的能力等。只有通过这样的评测机制，才能真正识别出具备通用智能潜力的技术路径，并为未来人工智能的发展提供科学依据和方向指引。可以说，评测体系的构建过程本身就是对“智能本质”的探索过程，它不仅推动技术进步，也引导人类更深入地理解智能的本质与边界。
构建一个科学、系统、可扩展的人工智能评测体系，需要从多个层面入手，采取系统性策略。首先，应建立动态评测机制，使评测标准能够随着技术发展不断更新迭代，避免因技术快速演进而导致评测失效。其次，评测内容需覆盖认知、学习、推理、迁移等多个核心维度，引入跨模态、跨任务的综合性测试场景，模拟真实世界的复杂性，从而更全面地评估AI系统的综合能力。
此外，标准化建设是评测体系完善的关键环节。目前全球范围内缺乏统一的评测框架，不同机构采用的评测方法差异巨大，导致研究成果难以横向比较。因此，推动国际协作、制定统一的评测标准，成为提升评测权威性和普适性的必要举措。翟广涛教授特别强调，评测体系的构建应融合心理学、神经科学和计算机科学等多学科视角，形成更具包容性和前瞻性的评估模型，为AGI的发展奠定坚实基础。
展望未来，人工智能评测体系将呈现出更加智能化、开放化和协同化的发展趋势。随着技术的进步，评测手段将不再局限于静态任务的性能评估，而是向动态、实时、情境化的智能行为分析转变。例如，未来的评测可能通过虚拟现实或增强现实技术，构建高度仿真的交互环境，以更贴近真实世界的方式评估AI系统的适应能力和决策水平。
同时，评测体系也将趋向开放共享，借助开源平台和社区协作的力量，推动评测数据集、算法接口和评估标准的统一。这种开放模式不仅能加速评测体系的优化进程，也有助于全球范围内的技术交流与成果验证。更重要的是，评测体系将逐步走向协同化，即结合多方力量共同参与设计与实施，确保其科学性与实用性并重。
正如翟广涛教授所言：“如果我们不能定义什么是真正的智能，就无法判断我们是否已经接近AGI。”未来的评测体系不仅是技术发展的风向标，更是人类探索智能本质的重要工具，它将在推动人工智能迈向通用智能的新纪元中扮演不可或缺的角色。
翟广涛教授提出的观点明确指出，构建一个完善的人工智能评测体系不仅是衡量技术进展的标尺，更是实现通用人工智能（AGI）的关键所在。当前AI评测多聚焦于特定任务性能，如图像识别准确率、自然语言理解能力等，这种“任务导向”方式难以全面反映系统的综合智能水平。要推动AGI发展，评测体系必须具备多维度、动态性和可扩展性，涵盖认知、学习、推理、迁移等多个核心维度。同时，评测标准需融合心理学、神经科学和计算机科学等多学科视角，形成更具包容性和前瞻性的评估模型。未来，评测体系将趋向智能化、开放化与协同化，借助虚拟现实、开源平台等手段，更真实地模拟复杂环境，为人工智能迈向通用智能提供坚实支撑。