我们距离实现通用人工智能还有多远？

如今，人工智能正在在努力做一些人类做的事情，并且试图做得更好。比如，人工智能可以比人类医生更好地检测癌症，构建比人类开发者更好的人工智能算法，并在国际象棋和围棋等游戏中击败世界冠军。类似于这样的例子可能会让我们相信，或许，人工智能会比我们人类做得更好。

人工智能在不同领域的卓越表现和不断改进的能力已经成为一种现实，但这同时也引发了全球科技界和公众的希望和谨慎态度。虽然许多人认为人工智能的兴起可以提高我们的生活水平和文明地位，从而大大地造福人类，但也有一些人认为这种发展可能会导致全球的厄运。

虽然，关于发展通用人工智能或人工超级智能究竟是有利还是有害的争论仍然存在，但是关于这种先进形式的人工智能何时才会出现也未有定论。这些都是重要的问题，值得进行大量的报道和讨论。然而，在担心人工智能的未来之前，有必要首先了解一下通用人工智能究竟是什么，实现它需要什么条件，以及现有的人工智能水平距离通用人工智能还有多远。

人工智能发展的现状如何?

互联网上充斥着各种令人惊叹的故事，描述了现在的各种人工智能应用，在经历了多年人工智能研究之后达到了顶峰。和上面提到的能够比人类医生更准确地诊断癌症的人工智能系统类似的例子还出现在很多其他的领域，在这些领域里，专用的人工智能正在复制类似人类的推理和认知。

例如，社交媒体网站使用的深度学习算法越来越擅长识别对象和人，甚至还能够识别这些对象和人的详细特征。由深度学习推动的现代计算机视觉技术现在可以识别发布到社交媒体的图像中的人、图像中人物的位置、他们的表情以及他们可能穿着的任何配饰。这使人工智能系统能够感知与人类相似的图像，不仅可以简单地从图像中识别人物，还可以分析细微的模式以识别那些不那么显而易见的属性。一个例子是斯坦福大学的一项研究，该研究表明，通过分析人的面部图像，神经网络能够识别人的性取向——而这种能力不太可能出现在人类身上。

执行类似人类功能的人工智能系统的另一个实例是自然语言处理(NLP)，人工智能可以理解以自然语言传递的语音或文本。作为智能手机中聊天机器人和虚拟助手等应用程序(如Siri、Cortana等)的一部分，人工智能能够精准理解文本和语音的含义。自然语言生成也取得了进步，这是一种生成正常人类语言信息的技术，被用于需要机器响应人们语音或文本的众多应用程序之中。

随着这些发展，人类智能和人工智能之间的差距似乎正在快速缩小。这可能会让你觉得强大的人工智能系统或通用人工智能系统的未来可能不会太遥远。然而，至关重要的是，要理解通用人工智能可不仅仅是在特定任务上胜过人类这么简单。

通用人工智能究竟是什么?

简而言之，通用人工智能(AGI)可以定义为可以完成任何人类可以完成任务的机器。尽管上面提到的应用显示出人工智能可以比人类更有效地完成很多任务，但是它们并不是通用人工智能，也就是说，它们只是在某个单一的功能上表现出色，而对于任何其他的事情都无能为力。因此，尽管人工智能应用在完成某项特定任务时可以相当于一百个训练有素的人类，但是在完成任何其他的任务方面，它可能会输给一个年仅五岁的孩子。例如，计算机视觉系统虽然擅长理解视觉信息，却无法将这种能力转化并应用于其他任务。相反，人类虽然有时无法非常熟练地执行这些任务，但是和当今任何现有的人工智能程序相比，人类能够执行更广泛的任务。

人工智能要想实现任何功能，都必须使用大量的数据进行训练，而人类需要的学习经验明显要少得多。而且，人类——以及未来可能具有通用人工智能的机器人——可以更好地将一种学习体验应用到其他类似的学习体验之中。具有通用人工智能的机器人不仅需要的训练数据相对较少，而且还能够将从一个领域获得的知识应用于另一个领域。例如，一个经过训练，使用NLP处理一种语言的通用人工智能代理可能学习使用相同词根和类似语法的语言。这种能力将使人工智能系统的学习过程和人类相似，能够极大地减少培训时间，同时让机器获得多个领域的能力。

人工智能是否能够实现通用智能?

人工智能系统，尤其是通用人工智能系统，参考了人脑。由于我们自己对大脑及其功能没有全面的了解，因此很难对其进行建模并复制它的工作方式。然而，正如Church-Turing论文所述，创建能够复制人类大脑复杂计算能力的算法从理论上说是可能的，用简单的话说——如果有无限的时间和记忆，任何一种问题可以通过算法解决。这是有道理的，因为深度学习和人工智能的其他子集基本上是存储器的函数，拥有无限(或足够大量)的存储器则意味着可以使用算法来解决复杂度最高的问题。

我们距离实现通用人工智能还有多远?