如今，人工智能正在在努力做一些人類做的事情，并且試圖做得更好。比如，人工智能可以比人類醫(yī)生更好地檢測癌癥，構建比人類***更好的人工智能算法，并在**象棋和圍棋等游戲中擊敗世界**。類似于這樣的例子可能會讓我們相信，或許，人工智能會比我們人類做得更好。

人工智能在不同領域的卓越表現(xiàn)和不斷改進的能力已經成為一種現(xiàn)實，但這同時也引發(fā)了全球科技界和公眾的希望和謹慎態(tài)度。雖然許多人認為人工智能的興起可以提高我們的生活水平和文明地位，從而大大地造福人類，但也有一些人認為這種發(fā)展可能會導致全球的厄運。

雖然，關于發(fā)展通用人工智能或人工超級智能究竟是有利還是有害的爭論仍然存在，但是關于這種**形式的人工智能何時才會出現(xiàn)也未有定論。這些都是重要的問題，值得進行大量的報道和討論。然而，在擔心人工智能的未來之前，有必要首先了解一下通用人工智能究竟是什么，實現(xiàn)它需要什么條件，以及現(xiàn)有的人工智能水平距離通用人工智能還有多遠。

人工智能發(fā)展的現(xiàn)狀如何？

互聯(lián)網上充斥著各種令人驚嘆的故事，描述了現(xiàn)在的各種人工智能應用，在經歷了多年人工智能研究之后達到了頂峰。和上面提到的能夠比人類醫(yī)生更準確地診斷癌癥的人工智能系統(tǒng)類似的例子還出現(xiàn)在很多其他的領域，在這些領域里，專用的人工智能正在復制類似人類的推理和認知。

例如，社交媒體網站使用的深度學習算法越來越擅長識別對象和人，甚至還能夠識別這些對象和人的詳細特征。由深度學習推動的現(xiàn)代計算機視覺技術現(xiàn)在可以識別發(fā)布到社交媒體的圖像中的人、圖像中人物的位置、他們的表情以及他們可能穿著的任何配飾。這使人工智能系統(tǒng)能夠感知與人類相似的圖像，不僅可以簡單地從圖像中識別人物，還可以分析細微的模式以識別那些不那么顯而易見的屬性。一個例子是斯坦福大學的一項研究，該研究表明，通過分析人的面部圖像，神經網絡能夠識別人的性取向——而這種能力不太可能出現(xiàn)在人類身上。

執(zhí)行類似人類功能的人工智能系統(tǒng)的另一個實例是自然語言處理（NLP），人工智能可以理解以自然語言傳遞的語音或文本。作為智能手機中聊天機器人和虛擬助手等應用程序（如Siri、Cortana等）的一部分，人工智能能夠**理解文本和語音的含義。自然語言生成也取得了進步，這是一種生成正常人類語言信息的技術，被用于需要機器響應人們語音或文本的眾多應用程序之中。

隨著這些發(fā)展，人類智能和人工智能之間的差距似乎正在快速縮小。這可能會讓你覺得強大的人工智能系統(tǒng)或通用人工智能系統(tǒng)的未來可能不會太遙遠。然而，至關重要的是，要理解通用人工智能可不僅僅是在特定任務上勝過人類這么簡單。

通用人工智能究竟是什么？

簡而言之，通用人工智能（AGI）可以定義為可以完成任何人類可以完成任務的機器。盡管上面提到的應用顯示出人工智能可以比人類更有效地完成很多任務，但是它們并不是通用人工智能，也就是說，它們只是在某個單一的功能上表現(xiàn)出色，而對于任何其他的事情都無能為力。因此，盡管人工智能應用在完成某項特定任務時可以相當于一百個訓練有素的人類，但是在完成任何其他的任務方面，它可能會輸給一個年僅五歲的孩子。例如，計算機視覺系統(tǒng)雖然擅長理解視覺信息，卻無法將這種能力轉化并應用于其他任務。相反，人類雖然有時無法非常熟練地執(zhí)行這些任務，但是和當今任何現(xiàn)有的人工智能程序相比，人類能夠執(zhí)行更廣泛的任務。

人工智能要想實現(xiàn)任何功能，都必須使用大量的數(shù)據進行訓練，而人類需要的學習經驗明顯要少得多。而且，人類——以及未來可能具有通用人工智能的機器人——可以更好地將一種學習體驗應用到其他類似的學習體驗之中。具有通用人工智能的機器人不僅需要的訓練數(shù)據相對較少，而且還能夠將從一個領域獲得的知識應用于另一個領域。例如，一個經過訓練，使用NLP處理一種語言的通用人工智能代理可能學習使用相同詞根和類似語法的語言。這種能力將使人工智能系統(tǒng)的學習過程和人類相似，能夠極大地減少培訓時間，同時讓機器獲得多個領域的能力。

人工智能是否能夠實現(xiàn)通用智能？

人工智能系統(tǒng)，尤其是通用人工智能系統(tǒng)，參考了人腦。由于我們自己對大腦及其功能沒有**的了解，因此很難對其進行建模并復制它的工作方式。然而，正如Church-Turing論文所述，創(chuàng)建能夠復制人類大腦復雜計算能力的算法從理論上說是可能的，用簡單的話說——如果有無限的時間和記憶，任何一種問題可以通過算法解決。這是有道理的，因為深度學習和人工智能的其他子集基本上是存儲器的函數(shù)，擁有無限（或足夠大量）的存儲器則意味著可以使用算法來解決復雜度*的問題。

我們距離實現(xiàn)通用人工智能還有多遠？

雖然復制人腦的功能從理論上說是可能的，但是目前尚不可行。因此，在能力方面，我們在突飛猛進。然而，在時間方面，人工智能開發(fā)新功能的速度越來越快，這意味著當人工智能研究界在通用人工智能開發(fā)方面取得了突破時，我們可能會接近拐點。**近一項面向人工智能專家的調查結果顯示通用人工智能或奇點可能會在2060年出現(xiàn)。

因此，盡管在能力方面，我們遠未實現(xiàn)通用人工智能，但人工智能研究的指數(shù)級推進可能**終會在我們的一生中或本世紀末發(fā)明通用人工智能。通用人工智能的發(fā)展是否對人類有益還有待于辯論和猜測。對世界上**真實世界中的通用人工智能出現(xiàn)所需的時間也只是一種估計。但是確定無疑的是——通用人工智能的發(fā)展將觸發(fā)一系列事件并帶來不可逆的變化（好的或者是壞的），它將永遠重塑我們所知道的世界和生活。