（图片来源：CFP）

刘志毅/文 随着科技发展，我们正经历着一个时代的风云突变，其中通用人工智能（AGI）尤为引人瞩目。近年来，AGI在多个领域均展现出惊人的潜能，从而引发各种技术创新。特别地，基于AGI的生成式界面开始受到广泛关注，它以其深厚的技术基础和丰富的应用前景，正在重塑未来的产品蓝图。

首先，让我们关注生成式界面的革命。这不仅仅是一个简单的互动界面改变。这背后隐藏着一个更大的哲学观点，即用户与机器之间的交互应该尽可能地自然和直观。通用智能为此提供了可能性。例如，在人机交互领域，早期研究表明，为了提高机器的适应性和灵活性，需要让机器能够更好地理解人类的情境、情感和需求。如今，我们看到了更多先进的模型，如神经注意力机制、变分自编码器等，它们被用于捕捉复杂的人类行为和意图。生成式界面的多元化形态正在不断扩展。过去，我们习惯于通过文本的对话方式与机器人进行互动。然而，新的技术发展使得与机器的交互变得更为多样。例如：Perplexity的生成用户界面为我们带来了一种新的视觉体验，使得人机交互更为直观和高效；InflectionAI的语音发声技术，则使得机器能够更好地理解人类的语音，并作出相应的反应。

同时，跨学科的研究还推动了与机器的交互方式朝向更为自然、亲密的方向发展，从而拉近了人与机器之间的距离。

其次，新的编辑体验也得到了极大的推动。随着技术的进步，人们对于编辑工作的要求也变得越来越高。传统的编辑工作流已经被打破，新的方法是将AI技术与人的直观感知相结合。在过去，编辑工作流程多半基于固定的规则，但随着深度学习的应用，编辑不再仅仅是按照固定的规则进行，而是基于海量的数据进行预测和优化。例如，基于大数据的预测模型可以更准确地理解用户的需求和意图，从而为用户提供更为贴切的内容建议。例如微软旗下的Copilot为我们提供了一种全新的编辑方式，它不仅提高了编辑的效率，还为编辑带来了前所未有的创意灵感；Di－rector‘sMode的出现，更是将编辑推向了一个新的高度。通过这种模式，人们可以更为直观地进行编辑工作，从而得到更加满意的结果。此外，通过Prompt操作声音的技术，也为编辑提供了更为丰富的选择。

再者，代理系统的复杂度正日益增加。在这里，机器不仅仅是执行命令，而是能够进行自主决策和执行。这涉及到复杂的技术问题，如强化学习和多智能体系统。例如，强化学习允许机器通过与环境的互动来自我学习和优化，而多智能体系统则允许多个机器相互协作，共同完成复杂的任务。随着技术的进步，代理系统不再只是简单地完成人们交代的任务，而是具备了更高的自主权。例如它们可以自主地访问外部工具，进行数据分析和处理；它们还可以根据实际情况，自主地进行决策和执行，从而为人们解决各种问题。更为重要的是，这些代理系统正逐渐具备了与人类进行深度交互的能力，从而使人与机器之间的合作更加紧密。

最后，从更大的视角看，通用人工智能正在系统范围内进行优化。系统范围的优化意味着将整个系统看作一个整体，而不仅仅是优化单个部分。这需要对整个系统的结构、流程和机制进行深入的理解和分析。例如，复杂网络理论为我们提供了理解大规模、复杂系统的工具，而信息论则为我们提供了评估和优化系统性能的方法。例如一些公司正在研发如何在整个系统范围内提高工作效率的技术，而不仅仅是优化单个用户的工作流程。此外，通过自主选择支持票据或拉取请求，通用人工智能可以有效地解决整个系统的问题，从而使整个系统的工作效率得到极大的提升。通过学习和自我优化，通用人工智能还可以不断地提高自身的性能，为未来的发展创造更多的可能性。

综上所述，通用人工智能正逐渐成为现代社会的核心技术，其在生成式界面、编辑体验、代理系统以及系统范围内优化等方面的应用，都为我们展现出了一个充满无限可能的未来。

（本文作者系上海交通大学计算法学与人工智能伦理研究中心执行主任、中国人工智能学会AI伦理工作委员会委员）