通用人工智能系统（GPAIS）：性质、定义、分类、社会影响与负责任治理

人工智能（AI）的大多数应用是为受限且特定的任务设计的。然而，许多场景需要更通用的AI，能够解决广泛的任务而无需专门为其设计。术语通用人工智能系统（GPAIS）已被定义用来指代这些AI系统。迄今为止，足够强大以像人类一样执行任何智力任务甚至超越人类的人工通用智能的可能性仍是一种愿望、虚构，并被视为对我们社会的风险。虽然我们可能仍远未实现这一点，但GPAIS是现实存在的，并处于AI研究的前沿。本工作讨论了现有的GPAIS定义，并提出了一种新定义，该定义允许根据其性质和局限性对GPAIS类型进行渐进式区分。我们区分封闭世界和开放世界的GPAIS，基于若干因素刻画其自主性和能力程度，例如对新任务的适应、在未刻意训练领域中的能力、从少量数据学习的能力，或对其自身局限性的主动认知。我们提出了实现GPAIS的方法分类，描述了研究趋势，例如使用AI技术改进另一个AI（AI驱动的AI）或（单一）基础模型。作为一个主要例子，我们深入探讨了生成式AI（GenAI），将其与分类中呈现的概念对齐。我们探索了多模态，即融合各种类型的数据源以扩展GPAIS的能力。通过所提出的定义和分类，我们旨在促进解决通用任务的不同领域间的研究协作，因为它们共享许多共同方面。最后，我们讨论了GPAIS的现状、前景、社会影响以及监管和治理的必要性。