除了人工智能(AI)的改進(jìn)和新應(yīng)用之外，大多數(shù)人都認(rèn)為，當(dāng)通用人工智能(AGI)出現(xiàn)時(shí)，人工智能的下一次飛躍將發(fā)生。我們將AGI寬泛地定義為機(jī)器或計(jì)算機(jī)程序理解或?qū)W習(xí)人類(lèi)可以完成的任何智力任務(wù)的假設(shè)能力。然而，對(duì)于何時(shí)以及如何實(shí)現(xiàn)這一目標(biāo)，人們幾乎沒(méi)有達(dá)成共識(shí)。

一種觀點(diǎn)認(rèn)為，如果可以構(gòu)建足夠多的不同AI應(yīng)用，每個(gè)應(yīng)用都解決一個(gè)特定的問(wèn)題，那么這些應(yīng)用最終將共同成長(zhǎng)為AGI的一種形式。這種方法的問(wèn)題在于，這種所謂的“狹義”人工智能應(yīng)用不能以通用形式存儲(chǔ)信息。因此，其他狹隘的人工智能應(yīng)用無(wú)法使用這些信息來(lái)擴(kuò)展其廣度。因此，雖然可以將語(yǔ)言處理和圖像處理的應(yīng)用拼接在一起，但這些應(yīng)用無(wú)法像人類(lèi)大腦集成聽(tīng)覺(jué)和視覺(jué)那樣整合。

其他人工智能研究人員認(rèn)為，如果能夠構(gòu)建一個(gè)足夠大的機(jī)器學(xué)習(xí)(ML)系統(tǒng)，并擁有足夠的計(jì)算機(jī)能力，其將自發(fā)地展示AGI。當(dāng)我們更深入地研究ML的實(shí)際工作原理時(shí)，這將意味著擁有一個(gè)包含我們假設(shè)的ML系統(tǒng)可能遇到的所有情況的訓(xùn)練集。專(zhuān)家系統(tǒng)試圖獲取特定領(lǐng)域的知識(shí)，但幾十年前就已經(jīng)清楚地證明了這一點(diǎn)，要?jiǎng)?chuàng)建足夠多的案例和示例數(shù)據(jù)來(lái)克服系統(tǒng)潛在的理解不足是不可能的。

這兩種方法的問(wèn)題在于，它們充其量只能創(chuàng)建出一個(gè)看起來(lái)很智能的人工智能。它們?nèi)匀灰蕾?lài)于預(yù)先確定的腳本和數(shù)百萬(wàn)個(gè)訓(xùn)練樣本。這樣的人工智能仍然無(wú)法理解文字和圖像代表存在于物理宇宙中的物理事物。它們?nèi)匀徊荒芎喜?lái)自多種感官的信息。因此，雖然可以將語(yǔ)言和圖像處理應(yīng)用結(jié)合起來(lái)，但仍然沒(méi)有辦法像人類(lèi)大腦將視覺(jué)、聽(tīng)覺(jué)和與環(huán)境的直接交互集成在一起那樣無(wú)縫整合。

AGI的成功需要什么?

為了獲得真正的AGI，研究人員必須將注意力從不斷擴(kuò)大的數(shù)據(jù)集轉(zhuǎn)移到一個(gè)更具有生物學(xué)意義的結(jié)構(gòu)上，該結(jié)構(gòu)包含意識(shí)的三個(gè)基本組成部分:以實(shí)體為中心的環(huán)境內(nèi)部心理模型;對(duì)時(shí)間的感知，可以根據(jù)當(dāng)前的行動(dòng)感知未來(lái)的結(jié)果;還有想象力，可以考慮多種潛在的行動(dòng)，并評(píng)估和選擇其結(jié)果。簡(jiǎn)而言之，AGI必須開(kāi)始表現(xiàn)出與人類(lèi)相同的情境和常識(shí)性理解，以體驗(yàn)周?chē)氖澜纭?/p>

為了實(shí)現(xiàn)這一目標(biāo)，人工智能的計(jì)算系統(tǒng)必須更接近于人類(lèi)大腦中的生物過(guò)程，而其算法必須允許它構(gòu)建具有無(wú)限連接的抽象“事物”，而不是像當(dāng)今的人工智能那樣需要龐大的陣列、訓(xùn)練集和計(jì)算機(jī)能力。這樣一個(gè)統(tǒng)一的知識(shí)庫(kù)可能會(huì)與移動(dòng)感知艙集成，其中包含視覺(jué)、聽(tīng)覺(jué)、運(yùn)動(dòng)和語(yǔ)音模塊。這樣的pod將使整個(gè)系統(tǒng)在其所采取的每個(gè)動(dòng)作中都能體驗(yàn)到快速的感官反饋，隨著時(shí)間的推移，這將導(dǎo)致一個(gè)端到端系統(tǒng)，隨著它接近真正的AGI，可以開(kāi)始學(xué)習(xí)、理解并最終更好地與人合作。

即使有這樣一個(gè)系統(tǒng)，AGI的實(shí)際出現(xiàn)也可能是漸進(jìn)的，而不是一蹴而就，這主要有兩個(gè)原因。首先，也許也是最重要的，開(kāi)發(fā)AGI顯然是一項(xiàng)非常復(fù)雜和艱巨的任務(wù)，需要在多個(gè)不同的領(lǐng)域取得重大進(jìn)展，其中包括計(jì)算機(jī)科學(xué)、神經(jīng)科學(xué)和心理學(xué)。雖然這意味著數(shù)年的研究和開(kāi)發(fā)，涉及眾多科學(xué)家和工程師的貢獻(xiàn)，但好在，大量的研究目前正在進(jìn)行中。隨著眾多領(lǐng)域的研究，AGI的各個(gè)組成部分將隨著它們的研究而出現(xiàn)。

然后，由于AGI的許多功能本身就具有市場(chǎng)價(jià)值，即時(shí)滿(mǎn)足可能會(huì)減緩AGI的出現(xiàn)。如開(kāi)發(fā)的功能可以改善Alexa的理解方式，或者新的視覺(jué)能力可以改善自動(dòng)駕駛汽車(chē)，并且由于在商業(yè)上可行，個(gè)人開(kāi)發(fā)會(huì)被迅速推向市場(chǎng)。然而，如果這些更專(zhuān)業(yè)、可單獨(dú)銷(xiāo)售的人工智能系統(tǒng)可以建立在一個(gè)共同的底層數(shù)據(jù)結(jié)構(gòu)上，它們就可以開(kāi)始相互交互，構(gòu)建一個(gè)真正能夠理解和學(xué)習(xí)的更廣泛的環(huán)境。隨著這些系統(tǒng)變得更加先進(jìn)，它們將能夠共同發(fā)揮作用，創(chuàng)造出更普遍的智能。

隨著這些方面的增加，人工智能系統(tǒng)將在個(gè)別領(lǐng)域表現(xiàn)出更像人類(lèi)的表現(xiàn)，并隨著系統(tǒng)的增強(qiáng)而發(fā)展到超人的表現(xiàn)。但性能不可能同時(shí)在所有領(lǐng)域都相同。這表明，在某一時(shí)刻，我們將接近AGI的閾值，然后等于閾值，然后超過(guò)閾值。在這之后的某個(gè)時(shí)刻，我們將擁有明顯優(yōu)于人類(lèi)智能的機(jī)器，人們將開(kāi)始同意，也許AGI確實(shí)存在。最終，AGI必須實(shí)現(xiàn)，因?yàn)槭袌?chǎng)需要它。