通用人工智慧(AGI)：人工智慧的下一個階段

除了人工智慧(AI)的改進和新應用之外，大多數人都認為，當通用人工智慧(AGI)出現時，人工智慧的下一次飛躍將發生。我們將AGI廣泛地定義為機器或電腦程式理解或學習人類可以完成的任何智力任務的假設能力。然而，對於何時以及如何實現這一目標，人們幾乎沒有共識。

一種觀點認為，如果可以建構足夠多的不同AI應用，每個應用都解決一個特定的問題，那麼這些應用最終將共同成長為AGI的一種形式。這種方法的問題在於，這種所謂的「狹義」人工智慧應用不能以通用形式儲存資訊。因此，其他狹隘的人工智慧應用無法使用這些資訊來擴展其廣度。因此，雖然可以將語言處理和影像處理的應用拼接在一起，但這些應用無法像人類大腦整合聽覺和視覺那樣整合。

其他人工智慧研究人員認為，如果能夠建立一個足夠大的機器學習(ML)系統，並擁有足夠的電腦能力，將自發地展示AGI。當我們更深入研究ML的實際運作原理時，這將意味著擁有一個包含我們假設的ML系統可能遇到的所有情況的訓練集。專家系統試圖獲取特定領域的知識，但幾十年前就已經清楚地證明了這一點，要創建足夠多的案例和範例數據來克服系統潛在的理解不足是不可能的。

這兩種方法的問題在於，它們充其量只能創造出一個看起來很聰明的人工智慧。它們仍然依賴預先確定的腳本和數百萬個訓練樣本。這樣的人工智慧仍然無法理解文字和圖像代表存在於物理宇宙中的物理事物。它們仍然不能合併來自多種感官的訊息。因此，雖然可以將語言和影像處理應用程式結合起來，但仍然沒有辦法像人類大腦將視覺、聽覺和與環境的直接互動整合在一起那樣無縫整合。

AGI的成功需要什麼?

為了獲得真正的AGI，研究人員必須將注意力從不斷擴大的資料集轉移到一個更具有生物學意義的結構上，該結構包含意識的三個基本組成部分:以實體為中心的環境內部心理模型;對時間的感知，可以根據當前的行動感知未來的結果;還有想像力，可以考慮多種潛在的行動，並評估和選擇其結果。簡而言之，AGI必須開始表現出與人類相同的情境和常識性理解，以體驗周圍的世界。

為了實現這一目標，人工智慧的計算系統必須更接近人類大腦中的生物過程，而其演算法必須允許它構建具有無限連接的抽象“事物”，而不是像當今的人工智能那樣需要龐大的陣列、訓練集和電腦能力。這樣一個統一的知識庫可能會與行動感知艙集成，其中包含視覺、聽覺、運動和語音模組。這樣的pod將使整個系統在其所採取的每個動作中體驗到快速的感官回饋，隨著時間的推移，這將導致一個端到端系統，隨著它接近真正的AGI，可以開始學習、理解並最終更好地與人合作。

即使有這樣一個系統，AGI的實際出現也可能是漸進的，而不是一蹴而就，這主要有兩個原因。首先，也許也是最重要的，開發AGI顯然是一項非常複雜和艱鉅的任務，需要在多個不同的領域取得重大進展，其中包括電腦科學、神經科學和心理學。雖然這意味著數年的研究和開發，涉及許多科學家和工程師的貢獻，但好在，大量的研究目前正在進行中。隨著眾多領域的研究，AGI的各個組成部分將隨著它們的研究而出現。

然後，由於AGI的許多功能本身就具有市場價值，即時滿足可能會減緩AGI的出現。如開發的功能可以改善Alexa的理解方式，或者新的視覺能力可以改善自動駕駛汽車，並且由於在商業上可行，個人開發會被迅速推向市場。然而，如果這些更專業、可單獨銷售的人工智慧系統可以建立在一個共同的底層資料結構上，它們就可以開始相互交互，建構一個真正能夠理解和學習的更廣泛的環境。隨著這些系統變得更加先進，它們將能夠共同發揮作用，創造出更普遍的智慧。

隨著這些方面的增加，人工智慧系統將在個別領域中表現出更像人類的表現，並隨著系統的增強而發展到超人的表現。但性能不可能同時在所有領域都相同。這表明，在某一時刻，我們將接近AGI的閾值，然後等於閾值，然後超過閾值。在這之後的某個時刻，我們將擁有明顯優於人類智慧的機器，人們將開始同意，也許AGI確實存在。最終，AGI必須實現，因為市場需要它。

以上是通用人工智慧(AGI)：人工智慧的下一個階段的詳細內容。更多資訊請關注PHP中文網其他相關文章！