人工智能的“列车”正高速向我们驶来！

术语 AI 的第一次使用更准确地称为狭义 AI。它是一项强大的技术，但也非常简单明了：您获取一堆关于过去的数据，使用计算机对其进行分析并找到模式，然后使用该分析来预测未来。这种类型的人工智能每天都会多次触及我们的生活，因为它会从我们的电子邮件中过滤垃圾邮件并通过流量引导我们。但是因为它是用过去的数据训练的，所以它只适用于未来与过去相似的地方。这就是它可以识别猫和下棋的原因，因为它们在基本层面上不会每天发生变化。

术语AI的另一个用途是描述我们所谓的通用AI，或通常称为AGI。除了在科幻小说中，它还不存在，而且没有人知道如何制造它。通用人工智能是一种像人类一样智能多样的计算机程序。它可以自学之前从未接受过训练的全新事物。

在电影中，AGI 是《星际迷航》中的数据、《星球大战》中的 C-3PO 和《银翼杀手》中的复制人。虽然从直觉上看，狭义 AI 与一般 AI 是同一类东西，只是一种不太成熟和复杂的实现，但事实并非如此。通用 AI 有所不同。例如，识别垃圾邮件在计算上并不等同于真正的创造性，而通用智能则可以做到这一点。

我曾经主持过一个关于人工智能的播客，叫做“人工智能中的声音”。这很有趣，因为大多数伟大的科学实践者都是平易近人的，也愿意上播客。因此，我最终得到了超过100位伟大的AI思考者对这个话题的深入讨论。有两个问题我会问大多数客人。第一个问题是，“通用人工智能可能吗?”几乎所有人——只有四个例外——都说有可能。然后我会问他们我们什么时候能造出来。这些答案五花八门，有的五年就有了，有的长达500年。

AGI最近才被Shane Legg和研究员Ben Goertzel和Cassio Pennachin推广。2007年，Goertzel和Pennachin编辑了一本名为《通用人工智能》的书，该书呼吁更加坚持AI的最初愿景，这不仅仅是(正如Jang所建议的)“使……软件更具适应性和普遍有用的手段。”根据Goertzel和Pennachin的说法，AGI具有“自我理解和自主的自我控制”，具有“在各种情况下解决各种复杂问题的能力，并学会解决他们当时不知道的新问题的能力”。他们创造的时间。”换句话说，AGI是一个空白的问题解决者，其中对问题的了解独立于解决该问题的任何策略，并且解决方案可以理解和共享任何目标。这是应用问题解决的一项艰巨任务，因为您的解决方案不需要知道它正在解决问题，但您知道。

对于AGI的朋友来说，解决一切而不是解决问题的愿望很重要。根据DeepMind的联合创始人兼首席执行官Demis Hassabis于2017年共同撰写的一篇博客文章，DeepMind将不再专注于赢得围棋，而是专注于“开发先进的通用”解决方案。哈萨比斯补充说，通用解决方案“有朝一日可以帮助科学家解决一些最复杂的问题，例如寻找治疗疾病的新方法、大幅降低能源消耗或发明革命性的新材料。”

人工智能第三起的标志性 事件发生在 2016 年 3 月，谷歌 DeepMind 研发的 AlphaGo 在围棋人机大战中击败韩国职业九段棋手李世石。随后，大众开始熟知人工智能，各个领域的热情都被调动起来。这次 事件确立了以 DNN 神经网络算法为基础的统计分类深度学习模型，这类模型相比于过往 更加泛化，通过不同的特征值提取可以适用于不同的应用场景中。同时，2010 年-2015 年 移动互联网的普及也为深度学习算法带来了前所未有的数据养料。得益于数据量的上涨、 运算力的提升和机器学习新算法的出现，人工智能开始大调整。人工智能的研究领域也在 不断扩大，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、 推荐系统等。深度学习的发展，让人工智能进入新的发展高潮。

人工智能第三次浪潮带给我们一批能给商业化落地的场景，DNN 算法的出色表现让语 音识别与图像识别在安防、教育领域贡献了第一批成功的商业案例。而近年来基于神经网 络算法之上的 Transformer 等算法的开发让 NLP(自然语言处理)的商业化也提上了日程， 有望在未来 3-5 年看到成熟的商业化场景。