通用人工智能（GeneralArtificialIntelligence），是指具有自主感知、認知、決策、學習、執(zhí)行、社會合作等能力的通用人工智能體。具有高效的學習和泛化能力，能夠根據(jù)復雜的動態(tài)環(huán)境獨立生成和完成任務，符合人類的情感、倫理和道德觀念。

如果能建立足夠多的不同的AI應用程序，并且每個應用程序都能解決一個特定的問題，那么這些應用程序最終將共同成長為AGI的一種形式。這種方法的問題是，這種所謂的“狹義”人工智能應用程序不能以通用的形式存儲信息。因此，這些信息不能用于其他狹窄的人工智能應用程序來擴展其廣度。因此，雖然語言處理和圖像處理的應用程序可以拼接在一起，但這些應用程序不能像人腦集成聽覺和視覺一樣集成。

如果能建立足夠大的機器學習機器(ML)系統(tǒng)，并且有足夠的計算機能力，它會自發(fā)地顯示AGI。當我們對ML的實際工作原理進行更深入的研究時，這意味著我們有一個訓練集，包括我們假設的ML系統(tǒng)可能會遇到的所有情況。專家試圖獲得特定領域的知識，但幾十年前就已經(jīng)明確證明了這一點。不可能創(chuàng)建足夠的案例和示例數(shù)據(jù)來克服系統(tǒng)的潛在理解不足。

為了獲得真正的AGI，必須將注意力從不斷擴大的數(shù)據(jù)集轉(zhuǎn)移到一個更具生物意義的結(jié)構(gòu)。這種結(jié)構(gòu)包括三個基本組成部分:以實體為中心的環(huán)境內(nèi)部心理模型；對時間的感知可以根據(jù)當前的行動感知未來的結(jié)果；還有想象力，可以考慮各種潛在的行動，評估和選擇結(jié)果。簡而言之，AGI必須開始表現(xiàn)出與人類相同的情境和常識理解，以體驗周圍的世界。

為了實現(xiàn)這一目標，人工智能的計算系統(tǒng)必須更接近人腦中的生物過程，其算法必須允許其構(gòu)建具有無限連接的抽象“事物”，而不是像今天的人工智能那樣需要巨大的陣列、訓練集和計算機能力。這樣一個統(tǒng)一的知識庫可能會集成到移動感知艙，包括視覺、聽覺、運動和語音模塊。這種pod將使整個系統(tǒng)在所采取的每一個動作中都能體驗到快速的感官反饋。隨著時間的推移，它將導致一個端到端的系統(tǒng)。隨著它接近真正的AGI，它將開始學習。

即使有這樣的系統(tǒng)，AGI的實際出現(xiàn)也可能是漸進的，而不是一蹴而就的，主要有兩個原因。首先，也許也是最重要的。開發(fā)AGI顯然是一項非常復雜和艱巨的任務，包括計算機科學、神經(jīng)科學和心理學，需要在計算機科學、神經(jīng)科學和心理學等多個不同領域取得巨大進展。雖然這意味著多年的研究和發(fā)展涉及到許多科學家和工程師的貢獻，但幸運的是，目前正在進行大量的研究。隨著許多領域的研究，AGI的各個組成部分將隨著它們的研究而出現(xiàn)。

然后，由于AGI的許多功能本身具有市場價值，即時滿足可能會減緩AGI的出現(xiàn)。例如，開發(fā)功能可以改善Alexa的理解方法，或者新的視覺能力可以改善自動駕駛汽車，個人開發(fā)將很快被推向市場，因為它們在商業(yè)上是可行的。但是，如果這些更專業(yè)、可以單獨銷售的人工智能系統(tǒng)能夠建立在共同的底層數(shù)據(jù)結(jié)構(gòu)上，它們就可以開始相互交互，建立一個更廣泛的環(huán)境，真正可以理解和學習。隨著這些系統(tǒng)的進步，它們將能夠一起工作。

隨著這些方面的增加，人工智能系統(tǒng)將在個別領域表現(xiàn)出更像人類的表現(xiàn)，并隨著系統(tǒng)的增強而發(fā)展成為超人的表現(xiàn)。但是性能在所有領域都不可能同時相同。這表明，在某個時刻，我們將接近AGI的閾值，然后等于閾值，然后超過閾值。在那之后的某個時刻，我們將擁有一臺明顯優(yōu)于人類智能的機器，人們將開始同意AGI的存在。最終，由于市場需要它，AGI必須實現(xiàn)。

標簽：通用人工智能,AI人工智能,人工智能,機器學習