要想了解人工智能，必须先了解AGIZ！

2022年的机器学习就业市场是Halodi Robotics新任AI副总裁Eric Jang的一篇自我祝贺文章。这篇文章自夸地讨论了Jang利润丰厚的求职，他将其描述为市场研究。然而，引起我注意的不是可疑的解毒剂市场分析(其中包括许多未经证实的主张和假设)，而是Jang断言每家成功的技术公司都将是一家AGI公司并需要“AGI战略”。

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。

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。

通用人工智能：意识的复杂性

尽管我们不了解大脑或思想，但实际上从那里开始就变得更加困难：一般的智力很可能需要意识。意识是你对世界的体验。温度计可以准确地告诉你温度，但它感觉不到温暖。知道和体验的区别，就是意识，我们几乎没有理由相信电脑能像椅子一样体验世界。

所以现在我们有了我们无法理解的大脑，无法解释的心灵，至于意识，我们甚至没有一个好的理论来解释仅仅是物质如何可能有一种体验。然而，尽管如此，相信通用人工智能的人工智能人士相信，我们可以在计算机中复制人类的所有能力。在我看来，这似乎是一种魔幻思维。

我这样说并不是轻视任何人的信仰。他们很可能是正确的。我只是认为通用人工智能的想法是一个未经证实的假设，而不是一个明显的科学真理。建造这样一个生物，然后控制它的欲望，是人类古老的梦想。在现代，它已经有几个世纪的历史了，也许始于玛丽·雪莱的《弗兰肯斯坦》，然后体现在后来的1000个故事中。但实际上它比那要古老得多。早在我们有文字的时候，我们就有这样的想象，比如塔洛斯的故事，一个由希腊科技之神赫菲斯托斯创造的机器人，以保卫克里特岛。

PyTorch 等一起构成了目前 AI 学习的主流框架。Google Brain 自 2011 年成立起开展了面 向科学研究和谷歌产品开发的大规模深度学习应用研究，其早期工作即是 TensorFlow 的 前身 DistBelief。DistBelief 在谷歌和 Alphabet 旗下其他公司的产品开发中被改进和广泛使 用。2015 年 11 月，在 DistBelief 的基础上，谷歌大脑完成了对“第二代机器学习系 统”TensorFlow 的开发并对代码开源。相比于前作，TensorFlow 在性能上有显著改进、构 架灵活性和可移植性也得到增强。 Tensorflow 与 Pytorch 虽然本身是开源模块，但因为深度学习框架庞大的模型与复杂 度导致其修改与更新基本完全是由谷歌完成，从而谷歌与 Facebook 也通过对 Tensorflow 与 PyTorch 的更新方向直接主导了产业界对人工智能的开发模式。

Microsoft 在 2020 年以 10 亿美元注资 OpenAI，获得 GPT-3 语言模型的独家许可。 GPT-3 是目前在自然语言生成中最为成功的应用，不仅可以用于写“论文”，也可以应用于 “自动生成代码”，自今年 7 月发布后，也被业界视为最强大的人工智能语言模型。而 Facebook 早在 2013 年创立了 AI 研究院，FAIR 本身并没有像 AlphaGo 和 GPT-3 那样 著名的模型和应用，但是它的团队已经在 Facebook 本身感兴趣的领域发表了学术论文， 包括计算机视觉、自然语言处理和对话型 AI 等。2021 年，谷歌有 177 篇论文被 NeurIPS (目前人工智能算法的最高期刊)接收并发表，Microsoft 有 116 篇，DeepMind 有 81 篇， Facebook 有 78 篇，IBM 有 36 篇，而亚马逊只有 35 篇。