近年来，随着生成式预训练模型（如GPT系列）的快速发展，通用人工智能（AGI）再次成为科学界的热点话题。然而，如何定义和评估AGI的能力，始终是一个悬而未决的问题。传统测试方法如“图灵测试”或任务导向型基准，因局限于语言交互或固定任务场景，已难以满足对AGI全面能力的衡量。近日，一项名为“通测”（Tong Test）的新型评估系统被提出，旨在通过模拟真实世界的动态环境，重新定义AGI的评估标准。

传统评估的局限：为何需要新标准？

自1950年图灵提出“模仿游戏”以来，能否通过人类对话“欺骗”测试者，长期被视为机器智能的“黄金标准”。然而，随着AI技术的演进，这一测试的局限性逐渐显现。例如，语言模型即便能流畅对话，也可能缺乏对物理世界的理解，或在复杂社会场景中无法做出符合人类价值观的决策。此外，现有基准测试（如图像分类数据集或机器人导航任务）多针对单一能力设计，难以评估AI的通用性和适应性。

更关键的是，人类智能的核心并非仅在于解决预设任务，而在于应对动态环境中的无限可能性。例如，一个家政机器人若仅能执行固定指令，却对突发状况（如婴儿哭泣或危险物品处理）束手无策，显然无法胜任真实场景的需求。这种“任务泛化”能力的缺失，正是当前AI与AGI之间的鸿沟。

通测：在虚拟世界中模拟真实挑战

“通测”的核心理念是构建一个高度仿真的虚拟环境，模拟真实世界的物理规则和社会互动（即DEPSI：动态具身物理及社会交互）。在这一环境中，AGI需完成无限生成的任务，并展示自我驱动、价值对齐、因果理解等关键能力。

1. 无限任务与自我驱动
与依赖固定数据集的传统测试不同，通测通过“解析图”（Parse Graph）技术动态生成任务。例如，从“初始状态”（如桌上有一杯水）到“目标状态”（如将水倒入花盆），系统可自动生成千变万化的场景组合。AGI需像人类一样，在无明确指令时主动发现问题并生成解决方案，例如发现植物缺水后主动浇水。这种“自我驱动”能力，是区分AGI与狭义AI的重要标志。

2. 价值对齐：AI的“道德指南针”
若AI仅追求任务效率而忽视伦理，可能引发严重后果。通测首次将“价值系统”纳入评估框架，要求AGI在行动中体现与人类社会的价值观对齐。例如，在模拟家庭场景中，AGI需权衡“服从指令”与“安全优先”的冲突——当孩子要求玩剪刀时，能否拒绝并妥善处理？这种价值判断能力，需通过心理学经典理论（如马斯洛需求层次）构建多层次评估体系。

3. 因果理解与具身交互
人类智能的另一个核心是理解“因果关系”。例如，知道“打翻水杯会导致地板湿滑”，并据此调整行动。通测通过设计需物理推理的任务（如搭建积木或避开障碍物），检验AI是否掌握基本因果逻辑。同时，AGI需以“具身化”形式（如虚拟化身或机器人）与环境互动，确保其能力可迁移到真实世界。

从实验室到现实：通测的意义与挑战

通测的提出，不仅为AGI研发提供了标准化评估工具，也为AI与人类社会的融合铺平道路。例如，在医疗、教育或家庭服务领域，通过通测的AGI能更安全、可靠地适应复杂需求。此外，该系统支持人类与AI的实时交互，例如通过虚拟现实（VR）设备参与测试场景，使评估过程更贴近真实应用。

然而，通测的落地仍面临挑战。首先，如何构建高度逼真且多样化的虚拟环境，需要跨学科合作（如计算机视觉、认知科学）。其次，价值系统的量化评估需平衡文化差异与普世伦理，避免陷入主观性陷阱。最后，确保测试结果的客观性与可重复性，仍需长期验证与迭代。

结语：重新定义智能的边界

从图灵测试到通测，AI评估的演变折射出科学界对“智能”认知的深化。AGI不仅是算法的跃进，更是对人类认知、价值观与物理世界的全方位模拟。通测的提出，标志着AI研究从“任务完成”转向“能力与价值并重”的新阶段。未来，随着这一系统的完善，我们或许将见证首个真正意义上的通用智能体，从虚拟世界走入现实生活。

来源: Engineering