对于人工智能行业的一些人来说，最终的成就是创造一个具有人工通用智能（AGI）的系统，或理解和学习人类所能完成的任何任务的能力。长期以来，AGI被归入科幻小说的范畴领域，有人认为AGI将带来具有推理、计划、学习、代表知识和用自然语言交流能力的系统。
不是每个专家都相信AGI是一个现实的目标，甚至是可能的目标。尽管如此，由Alphabet支持的研究实验室DeepMind近日发布了一个名为Gato的人工智能系统，为实现这一目标做出了贡献迈出了重要一步。Gato是被DeepMind描述的一个"通用"系统，一个可以被教导执行许多不同类型任务的系统。DeepMind研究人员训练Gato完成了604项任务，确切地说，包括给图像加标题，参与对话，用真正的机器人手臂堆积积木，以及玩 Atari 游戏。
Allen人工智能研究所的研究科学家Jack Hessel指出，一个能够解决许多任务的人工智能系统并不新鲜。例如，Google最近开始在Google搜索中使用一个名为多任务统一模型的系统，或称MUM，它可以处理文本、图像和视频，以执行从寻找单词拼写的跨语言变化到将搜索查询与图像联系起来的任务。像所有的人工智能系统一样，Gato通过实例学习，以标记的形式摄取了数十亿字、来自真实世界和模拟环境的图像、按下的按钮、关节扭力等等。
Gato不一定能很好地完成这些任务。例如，在与人聊天时，系统经常以肤浅或与事实不符的回答来回应。例如，在回答法国的首都是什么时说"马赛"，在给图片加标题时，Gato给人加错了性别。而且该系统在使用现实世界的机器人时，只有60%的时间能正确地堆放积木。但在上述604项任务中的450项，DeepMind声称，Gato在一半以上的时间里表现得比专家好。奇怪的是，从架构的角度来看，Gato与当今生产中的许多人工智能系统并没有明显的不同。它与OpenAI的GPT-3有共同的特点，即它是一个"变形器"。
追溯到2017年，Transformer已经成为复杂推理任务的首选架构，在总结文件、生成音乐、对图像中的物体进行分类和分析蛋白质序列方面表现出了良好的能力。
也许更值得注意的是，就参数数量而言，Gato比包括GPT-3在内的单任务系统要小几个数量级。参数是系统从训练数据中学到的部分，基本上定义了系统在某个问题上的技能，如生成文本。Gato只有12亿个，而GPT-3有超过1700亿个。DeepMind的研究人员特意将Gato保持得很小，以便该系统能够实时处理具体问题。
假设情况似乎如此，则必须克服许多不同的障碍，以使 Gato 在特定职责上优于尖端的单任务程序，例如 Gato 缺乏不断被教导的能力。与大多数基于 Transformer 的程序一样，Gato 的世界信息基于教练信息并保持静态。对于那些向 Gato 提出日期敏感问题的人来说，像现任美国总统这样的人很有可能会回答错误。
Transformer 以及 Gato，通过扩展在其上下文窗口或系统可以在给定进程的上下文中“记住”的数据量方面有另一个限制。即使是最有效的基于 Transformer 的语言模式也不能写一篇冗长的文章，更不用说指南了，因为没有记起关键细节，从而失去了对情节的监控。遗忘发生在任何过程中，无论是否编写或控制机器人，这就是为什么一些顾问将其称为机器学习的“阿喀琉斯之踵”。
人工智能已经准备好完成所有听起来完全不同的任务，这听起来令人兴奋，因为在我们看来，编写文本内容可能与控制机器人完全不同。然而实际上，这与 GPT-3 理解非凡的英语文本内容和 Python 代码之间的区别并没有太大的不同，Gato 接收有关这些职责的特定指导信息，与其他同类 AI 相同，它了解信息中的模式如何相互关联，同时研究将特定类型的输入与特定类型的输出关联起来。这并不是说这很简单，但是对于表面的观察者来说，这可能听起来就像人工智能也可以泡茶或简单地教其他十或五十种不同的职责，它可能不会这样做。我们都知道，目前的大规模建模方法可以毫不拖延地教授它许多职责。我觉得这是一种令人愉快的工作，但它肯定不会让我觉得它是通往某事道路上的一块严肃的垫脚石。
论文链接：https://www.deepmind.com/publications/a-generalist-agent
