通用人工智能

历史的车轮滚滚向前，人工智能经历了3次寒冬的洗礼，潮起潮落。通用人工智能这个词汇已如同“旧事王谢堂前燕，飞入寻常百姓家”。

现在的人工智能学习算法以机器学习和深度学习算法为主。这两种类型的算法以数据为基础，通过计算机强大的算力来寻找样本间的共性，从而找出隐藏在数据背后的客观规律，但这种规律仍然不能为人类完全所知，它们通过参数来间接体现。

以数据为基础并且参数背后的规律不能具体化是现在人工智能算法主要局限性。因为这样即使一个人类已知的规律，对算法来说也需要大量的运算才能得到一个近似解，而且这个近似解往往达不到人类要求的精确度。所以现在人们在应用这些算法时都会进行人为干预，比如对数据进行特征工程处理，对算法运行过程加入一些人类已知的规则等。

通用人工智能（AGI）是具有一般人类智慧，可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标，也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI（strong AI）或者完全AI（full AI），或称机器具有执行通用智能行为（general intelligent action）的能力。与弱AI（weak AI）相比，强AI可以尝试执行全方位的人类认知能力。

测试人类水平的通用人工智能具有以下几种方式：

图灵测试（图灵提出）：一名人类参与者与一台机器和一名人类进行对话，参与者看不见目前对话的是人类还是机器。如果在很长一段时间内，参与者无法判断与他对话的是人类还是机器，那么机器就通过了测试。

咖啡测试（沃兹尼亚克提出）：一台机器需要具备在普通的美国家庭中弄清楚如何煮咖啡的能力：找到咖啡机，找到咖啡，加水，找到一个马克杯，按下正确的按钮开始煮咖啡。

机器人大学学生考试（哥兹柔提出）：一台机器就读于一所大学，选择并通过和人类相同的课程，最终取得学位。

就业测试（尼尔森提出）：机器从事一份经济上起着重要作用的工作，在工作中的表现至少和人类一样好。

扁平家具测试（Tony Severyns提出）：需要一台机器来打开和组装一件扁平家具。它必须阅读说明并按照描述组装项目，正确安装所有部分。

来源：博客园，机器之心，知乎综合整理

责任编辑：lq