吴恩达：图灵测试不够用了，我会设计一个AGI专用版

84 0 0

文章摘要

吴恩达公开了2026年目标：设计一个名为“图灵-AGI测试”的新评估体系，专门用于衡量通用人工智能（AGI）的实用能力。他认为，传统的图灵测试已无法满足当前AI发展的需求，因为现代AI需要完成更复杂的经济性任务，而不仅仅是模拟人类对话。这一新测试的核心在于评估AI系统能否像人类一样高效完成知识型工作，例如客服培训、多日任务执行等场景。

现有基准测试存在明显局限性。当前流行的GPQA、AIME等测试集通常被模型开发者针对性优化，导致榜单成绩与实际能力脱节，例如Llama 4的“刷榜”事件暴露了此类测试的脆弱性。相比之下，图灵-AGI测试允许裁判自由设计任务，不预设范围，更能反映系统的通用性。测试将模拟真实工作环境，要求AI使用浏览器、Zoom等工具完成动态任务，且参与者无法提前预知内容，从而避免“应试技巧”干扰。

该设想试图解决AGI定义模糊的问题。吴恩达指出，行业对AGI的过度炒作需要校准，而新测试可能揭示现有技术与人类级智能的差距。即便所有AI系统短期内均未通过测试，也能促使领域回归务实发展——例如聚焦非AGI级别的实用应用开发，而非追逐营销噱头。从长期看，这一测试为AI团队提供了明确目标：构建能通过经济产出验证的智能系统，而非抽象地追求“人类水平”。

测试设计强调实际价值导向。通过将评估锚定在具体职业场景（如客服、数据分析），其标准直接关联生产力需求。若未来有系统通过测试，则证明其具备真正的社会应用价值。这一框架可能成为AGI研究的分水岭：既遏制不切实际的预期，又为实质性突破建立可信的评判依据。吴恩达暗示可能组织公开测试，以透明化行业进展，推动AI向稳健方向发展。