通向通用人工智能尚需多长路？

在过去，人工智能曾被视为科幻话题，但如今，它已不再如此遥远。当下，我们在各种场景中都能感受到人工智能的存在，但目前的人工智能仍存在许多问题，尚不能完全取代人类，离通用人工智能的实现仍有相当距离。本文将探讨人工智能的现状，并展望通用人工智能的未来。人工智能曾是一个相当梦幻的话题。有人担忧人工智能可能会取代人类，甚至对人类构成威胁。然而，经过几年的发展，人工智能并没有达到我们想象中的智能水平。

在对人工智能发展现状进行讨论时，出现了“乐观论”、“悲观论”和“泡沫论”三种不同观点。乐观论描述了一个乌托邦式的场景，设想到家后各种设备通过网络和物联网实现智能互联，汽车无需司机，能与你对话等。悲观论者则担心人工智能会取代许多工作岗位，导致社会就业问题。泡沫论则认为，人工智能技术目前无法支持社会对其发展的高期望，存在一定的短期繁荣但也可能出现问题。

对于人工智能未来发展，笔者主张“泡沫论”，即认为人工智能对生活的改变不是彻底颠覆性的，而是在局部领域带来改进。例如，在在线教育、养老护理等领域，人工智能可以推动一些变革。但像自动驾驶这类项目，可能存在值得审慎对待的泡沫现象。在评估人工智能未来发展时，需要界定“专用人工智能”和“通用人工智能”等基本概念。

在当前基于大数据的人工智能系统中，其应对小概率和偶然性事件的能力仍有不足。面对充满变化的世界，人工智能系统往往难以有效应对。区分“专用人工智能”和“通用人工智能”，可以简单理解为前者只能完成特定任务，而后者则具备更广泛的功能。例如，围棋选手李世石拥有通用智能系统，而AlphaGo则是专用智能系统，仅能执行围棋相关任务。声音识别。然而，基于神经网络的图像识别系统与语音识别系统是两个独立的系统。

现今人们对人工智能的期望常建立在通用人工智能的想象之上。许多人热衷于美剧，有些机器人不仅具备人类特征，甚至开始反抗人类。这种想象在一定程度上受到科幻影视作品的影响，尤其受众广泛，无需过多科学背景即可理解，因而产生广泛影响。

对于人工智能的思考，不应只停留在软科幻的范畴，应更多关注硬科幻。硬科幻更贴近现实科学，更有利于科普，提升人们对现实世界的思考和理解能力。

目前基于大数据的人工智能在处理小概率和偶然事件时显现出相应不足。当面对瞬息万变的世界情势时，人工智能可能无法应对，如新型病毒、未知规模的洪水等。人工智能赋予人类过多依赖，可能导致人类头脑变得简单。

要谨记，尽管现代工具先进，也不可轻视传统方式。以军队为例，双方虽能运用最新网络技术，但一旦网络被破坏，只能转用最原始方法传递信息。对人工智能的合理想象并无不妥，但若过度强大化人工智能，同时忽略传统解决问题的能力，可能使人类陷入尴尬境地。

针对通用人工智能系统，其关键在于通用性，即处理全局性问题且具备在不同理论体系中抉择的能力。深度学习基于神经网络技术，确实需要大量数据支持，现实中如果无优质数据，深度学习也会陷入困境。

至于通用人工智能未能发展的原因，或许在于其困难之处。通用系统需能在各种理论体系中选择，而不同理论之间常存在矛盾，人类能够在冲突中找到平衡点，这是通用人工智能无法轻易做到的。例如，如何在保持整洁和易取性的书本之间做平衡。类有能力进行反思和道德判断，而系统则需要通过调整参数和试错来应对障碍。人类的深刻理解和道德反思基于规则和道理，而系统则需要大量数据和不断的猜测。

然而，当前的深度学习机制缺乏跨领域学习的能力，导致人工智能难以实现通用化和全局化。不同系统有不同的运作方式，人类可以适应变化，而人工智能则难以做到这一点。

由于协同能力不足，人工智能难以整合各种专用系统为通用系统。同时，人工智能缺乏总体调度和配置能力，无法像人类那样全面协调各方面的工作。

许多专家提出“卡特尔—霍恩—卡罗尔”三层智力模型，拆分通用智能为不同部分，如流体智力、晶体智力、量化推理等，以帮助研究人工智能与人类智能之间的差距。当前的人工智能发展并非基于人类智力的方向，因此其“拟人性”和通用化仍有很大距离。

总之，人工智能在发展过程中面临诸多挑战，需要不断探索以实现更为全面的智能。