第1章 人工智能的历史、内涵与哲学基础
1.1 智能是什么
1.1.1 智能的心理学定义与测量
1.1.2 智能现象
1.2 人工智能的历史与发展趋势
1.2.1 人工智能的早期探索与概念提出
1.2.2 人工智能发展的历史阶段
1.3 智能的学科内涵
1.3.1 智能学科的基本定位与建设目标
1.3.2 智能学科与计算机学科的关系
1.3.3 人工智能与大数据、大算力、大模型的关系
1.3.4 智能的“暗物质”与“小数据、大任务”范式
1.4 智能的哲学思想
1.4.1 从“理”到“心”：中国传统哲学思想的启示
1.4.2 智能研究的哲学思想转变
第2章 通用人工智能的定义与特征
2.1 通用人工智能的定义
2.1.1 智能生物的心智空间
2.1.2 通用人工智能的停机问题与学习极限问题
2.2 通用人工智能的两个完备性
2.2.1 认知架构完备性
2.2.2 测试环境完备性
2.3 通用人工智能的3个基本特征
2.3.1 无限任务
2.3.2 自主生成任务
2.3.3 价值驱动
2.4 通用人工智能的8个关键问题
2.5 大模型是不是通用人工智能
2.5.1 大模型的特点
2.5.2 大模型相关评论与测试研究
第3章 通用人工智能测试与评级
3.1 经典人工智能测评方法与局限性
3.1.1 人类鉴别测试
3.1.2 基于数据集任务导向的基准测试
3.1.3 基于虚拟环境的任务导向基准测试
3.1.4 新型测试体系：探索人工智能的能力维度
3.1.5 测试体系的应用：工业生产中的智能评价体系
3.2 通用人工智能定义、评级与测试的现状及比较
3.2.1 通用人工智能定义的比较
3.2.2 通用人工智能评级的比较
3.2.3 通用人工智能测试的比较
3.3 人类智能发展对通用人工智能测试的启示
3.3.1 智力理论与发展阶段
3.3.2 智力测试与儿童智力测验
3.3.3 经典儿童能力测验中的实验任务
3.4 构建通用人工智能评测系统
3.4.1 通智测试的整体设计思路
3.4.2 动态具身物理社会交互环境
3.4.3 无限任务生成系统
3.4.4 基于能力与价值双系统的评级框架
3.4.5 以“四论”为标准阐释基于能力与价值双系统的评级框架
第4章 通用人工智能训练与测试平台
4.1 测试环境的完备性
4.2 具身智能体仿真平台的现状与挑战
4.2.1 具身智能体仿真平台
4.2.2 机器人底层控制仿真平台
4.2.3 现有具身智能体仿真平台的局限性
4.3 通用人工智能训练与测试平台：机器人仿真
4.3.1 自主生成无限场景
4.3.2 机器人场景理解
4.3.3 任务与运动规则
4.3.4 多模态交互接口
4.4 通用人工智能训练与测试平台：虚拟人仿真
4.4.1 训练数据离线生成
4.4.2 虚拟人感知与执行
4.4.3 物理仿真组件
4.4.4 平台接口
4.5 通用人工智能评测实践：通用-专项-行业应用
4.5.1 通用能力测试
4.5.2 专项能力测试
4.5.3 行业应用能力测试
第5章 TongAI理论框架：通用人工智能的一种实现途径
5.1 为机器立心
5.2 认知架构：通用人工智能的表示框架
5.3 “认知-能力-价值”框架体系
5.3.1 CUV框架体系概览
5.3.2 “认知-能力-价值”框架体系的理论构建
5.3.3 价值体系构建
5.3.4 CUV体系的同步迭代与演化
5.4 通信式学习：基于认知架构的统一学习模式
5.4.1 通信理论基础
5.4.2 认知架构的扩展
5.4.3 通信式学习
5.5 伦理道德与信任的形成
第6章 通用人工智能安全与治理
6.1 通用人工智能发展对人类和社会的影响
6.1.1 人类正迈向智能时代
6.1.2 智能时代的风险与挑战
6.1.3 智能时代的使命
6.2 人工智能安全框架
6.2.1 可控性和安全性设计原则
6.2.2 模型安全评测
6.2.3 人工智能对齐：让AI与人类“心有灵犀”
6.2.4 人工智能对齐技术：如何让AI学会“听话”
6.2.5 人工智能对齐验证与确认：确保AI“言行一致”
6.2.6 价值对齐：让AI成为社会的“好公民”
6.3 人机共生：探索中国式AGI安全治理
6.3.1 为天地立心：社会模拟探索AGI的社会尺度
6.3.2 CUV体系辅助AGI治理：构建并引领人机共生的新文明
参考文献
展开
