是不是AGI一定要像类人思维一样决策与行动？也许不一定，我们可能需要一个超越人的AGI，当然现阶段，许多AI公司正在朝类人思维的AGI迈进…CyberDaily
虽然许多人对通用人工智能 (AGI) 有各种抽象的想法，但这项技术如今已经走到了一个重要的十字路口。事实上，对AGI前途无量感到震惊的科学家们，已经着手探讨并如何塑造 AGI 的未来。
关于技术未来的分歧，特别是那些影响其他融合技术，以及分担世界数字化转型负担的技术，通常因为以寻找高效和具有成本效益的选择而夭折告终。有很多原因导致了AGI的发展并不是如今我们看到的这样。归根结底，我们人类一直梦想着实现AGI已经很长很长的时间。几个世纪以来人工智能的先驱们，不断输出许多伟大的想法，从巨型智能机器人到试图在钟罩中创造智能生物。
激烈之争
几个世纪以来，人工智能研究一直围绕着人类创造智能事物的愿望展开，就像他们所知道的最聪明的生物一样聪明，他们的意思这种生物就是他们自己。人工智能的当代概念建立在人类思维可以机械化的理念之上。然而，在这一点上，我们这个时代的一些最聪明的人认为，人工智能的理想发展路径可能不是复制人类的思维。而且这些差异不仅限于理论思想：许多当代学派正在完成了具体的科学进步，以使未来的人工智能成为他们认为对人类最有益的东西。
深度学习的重大进步，特别是受到人脑的启发，但在某些关键点上有所不同，支持新的想法，即可能有其他方法可以实现通用人工智能，甚至更多。
即使在今天，我们还没有接近“通用人工智能”（AGI）的目标，它在理论上拥有人类思维的所有能力。现在，关于人工智能有一些困难但至关重要的问题，比如以目前的发展速度，通用人工智能还需要多长时间才能成为现实？未来的人工智能会像人脑一样工作吗，还是到那时我们会找到更好的方法来构建智能机器？
从 14 世纪开始，理论家们就假设智能机器有朝一日可以像我们一样思考。采用这种理想主义目标的主要原因是我们没有认识到比人脑更大的认知能力。人脑是实现高水平认知处理的神奇设备。然而，最近，关于实现通用人工智能和实现这一目标的最佳方式出现了相当多的辩论和思想流派。深度学习的重大进步，特别是受到人脑的启发，但在某些关键点上与人脑有所不同，支持了新的想法，即可能有其他方法可以实现通用人工智能，而且远不止这些。
什么是通用人工智能 (AGI)？
通用人工智能的概念设想机器可以像人类一样思考和学习。这样的机器可以理解情境，并将所学知识应用到完全不同的任务中来完成体验。
自 50 年代人工智能作为一门积极的研究学科开始以来，工程师们设计了许多智能机器人，它们可以完成任何任务并轻松地从一个机器人切换到另一个机器人。自从他们提出第一个人工智能的原始示例以来，他们的梦想就是有一天开发出能够理解人类语言、推理、计划、理解和显示常识的机器。
到目前为止，我们取得了什么成就？
想想看，我们想创造出具有人类所有心智能力的虚拟实体，但在这一点上，世界上最聪明的人工智能甚至无法与一个 3 岁的孩子斗智斗勇。例如，虽然婴儿可以本能地将他的经验应用到其他领域而不会受到考验，但现代人工智能样本（人类智能最先进的产品之一）在面对一项未经专门训练的任务时往往会变成离水的鱼，而无所适从，不知如何是好。
研究人员正处于此之上，并致力于应对破坏通用人工智能发展的挑战。几种旨在复制人类智能某些方面的方法，主要集中在深度学习上，似乎现在很流行。其中最重要的是，神经网络被认为是最先进的学习技术训练数据集中的相关性。
强化学习是机器学习独立完成具有明确规则的任务的有力工具。同时，生产性竞争网络使计算机能够采取更具创造性的方法来解决问题。但只有少数方法结合了部分或全部这些技术。这导致今天的人工智能应用只能解决受限任务，这是人工智能的最大障碍。
人工智能的未来：我们希望我们的机器人有多人性化？
科学的十字路口：是否像人类，这是个问题
今天的深度学习算法无法对信息进行语境化和概括，这是类人思维的一些最大要求。那些怀疑深度学习能力能否将人类引向通用人工智能的人认为，机器不应该严格地试图复制人脑的神经元系统。该学派认为，仅将人类思维的某些方面传授给机器是很重要且可以实现的，例如使用信息的符号表示通过将知识传播到更广泛的问题集来进行预测。
深度学习技术达到人工智能的最大障碍是它们无法为机器添加推理和高级语言处理能力。虽然深度学习允许使用标记数据训练算法，但它无法将人工智能所需的深度知识获取到机器上。
深度学习难以推理或概括信息，因为算法只知道显示的内容。训练一个图像识别模型需要数千甚至数百万张带标签的照片。但即使输入了所有这些训练数据，人工智能模型也无法执行不同的任务，例如自然语言理解。
尽管存在局限性，但该学派并不主张远离深度学习。相反，他们认为发明者应该寻找将深度学习与人工智能的经典方法相结合的方法。其中包括对数据使用更多的符号解释，例如知识图谱。知识图使用深度学习模型来了解人们如何与信息交互并随着时间的推移而改进，同时将连接语义相关数据片段的数据上下文化。
人工智能的概念设想技术最终将使人们受益并改变世界。该学派主张，当今人工智能的产品化发展，远未促成通用人工智能这一伟大理念。他们认为，有必要专注于构建具有深厚知识的系统，而不是深度学习来实现人工智能。
人工智能的未来：深度学习模型在与人脑不同的轨道上工作；鉴于足够的数据和计算能力，不可能说他们能走多远。
为什么不像上帝一样？
深度学习可以赋予机器超人能力的想法与我们探索过的学派的想法相反。根据反对派的说法，复制类人思维的努力可能会无意中限制机器未来的能力。深度学习模型在与人脑不同的轨道上工作。鉴于足够的数据和计算能力，不可能说他们能走多远。
一些科学家认为，深度学习技术赋予人工智能模型超人能力的能力不容忽视。他们指出，机器可以学习人类在输入足够数据时无法解释的抽象。
强化学习是一门深度学习学科，可能是一条提高一般智力的希望途径。在学习新任务时，这些算法的工作原理与人类思维类似。令人兴奋的是，研究结果表明，机器可以在合成环境的实验中展示他们从一项任务中学到的知识推广到另一项任务的能力。
按照这种思路，目前通用人工智能的最大障碍是深度学习模型训练过程的速度。尽管如此，人们相信创新者可以克服这个问题。这所学校认为这将是优化模型正在处理的数据集的关键，这样算法就不需要查看数百万个实例来找出正在发生的事情。然而，我们今天的数据和处理能力有限，深度学习还没有达到成熟阶段。
如你所见，通用人工智能的未来是如此光明。曾经试图将人类养在罐子里的人类，现在相信有可能创造出比我们自己更聪明、更先进的生物。我想要贝里夏娃这个想法，因为我高度怀疑更多的人类思维会让世界变得更美好。
尽管我们今天研究的学派对人工智能的未来提出了一些假设，但现今的决策者将会是当时决策者认为更有用和更需要的东西。这将取决于我们的文明发展的进步水平。
