術(shù)語 AI 的第一次使用更準(zhǔn)確地稱為狹義 AI。它是一項(xiàng)強(qiáng)大的技術(shù)，但也非常簡單明了：您獲取一堆關(guān)于過去的數(shù)據(jù)，使用計(jì)算機(jī)對其進(jìn)行分析并找到模式，然后使用該分析來預(yù)測未來。這種類型的人工智能每天都會多次觸及我們的生活，因?yàn)樗鼤奈覀兊碾娮余]件中過濾垃圾郵件并通過流量引導(dǎo)我們。但是因?yàn)樗怯眠^去的數(shù)據(jù)訓(xùn)練的，所以它只適用于未來與過去相似的地方。這就是它可以識別貓和下棋的原因，因?yàn)樗鼈冊诨緦用嫔喜粫刻彀l(fā)生變化。

術(shù)語AI的另一個(gè)用途是描述我們所謂的通用AI，或通常稱為AGI。除了在科幻小說中，它還不存在，而且沒有人知道如何制造它。通用人工智能是一種像人類一樣智能多樣的計(jì)算機(jī)程序。它可以自學(xué)之前從未接受過訓(xùn)練的全新事物。

在電影中，AGI 是《星際迷航》中的數(shù)據(jù)、《星球大戰(zhàn)》中的 C-3PO 和《銀翼殺手》中的復(fù)制人。雖然從直覺上看，狹義 AI 與一般 AI 是同一類東西，只是一種不太成熟和復(fù)雜的實(shí)現(xiàn)，但事實(shí)并非如此。通用 AI 有所不同。例如，識別垃圾郵件在計(jì)算上并不等同于真正的創(chuàng)造性，而通用智能則可以做到這一點(diǎn)。

我曾經(jīng)主持過一個(gè)關(guān)于人工智能的播客，叫做“人工智能中的聲音”。這很有趣，因?yàn)榇蠖鄶?shù)偉大的科學(xué)實(shí)踐者都是平易近人的，也愿意上播客。因此，我最終得到了超過100位偉大的AI思考者對這個(gè)話題的深入討論。有兩個(gè)問題我會問大多數(shù)客人。第一個(gè)問題是，“通用人工智能可能嗎?”幾乎所有人——只有四個(gè)例外——都說有可能。然后我會問他們我們什么時(shí)候能造出來。這些答案五花八門，有的五年就有了，有的長達(dá)500年。

AGI最近才被Shane Legg和研究員Ben Goertzel和Cassio Pennachin推廣。2007年，Goertzel和Pennachin編輯了一本名為《通用人工智能》的書，該書呼吁更加堅(jiān)持AI的最初愿景，這不僅僅是(正如Jang所建議的)“使……軟件更具適應(yīng)性和普遍有用的手段?！备鶕?jù)Goertzel和Pennachin的說法，AGI具有“自我理解和自主的自我控制”，具有“在各種情況下解決各種復(fù)雜問題的能力，并學(xué)會解決他們當(dāng)時(shí)不知道的新問題的能力”。他們創(chuàng)造的時(shí)間?！睋Q句話說，AGI是一個(gè)空白的問題解決者，其中對問題的了解獨(dú)立于解決該問題的任何策略，并且解決方案可以理解和共享任何目標(biāo)。這是應(yīng)用問題解決的一項(xiàng)艱巨任務(wù)，因?yàn)槟慕鉀Q方案不需要知道它正在解決問題，但您知道。

對于AGI的朋友來說，解決一切而不是解決問題的愿望很重要。根據(jù)DeepMind的聯(lián)合創(chuàng)始人兼首席執(zhí)行官Demis Hassabis于2017年共同撰寫的一篇博客文章，DeepMind將不再專注于贏得圍棋，而是專注于“開發(fā)先進(jìn)的通用”解決方案。哈薩比斯補(bǔ)充說，通用解決方案“有朝一日可以幫助科學(xué)家解決一些最復(fù)雜的問題，例如尋找治療疾病的新方法、大幅降低能源消耗或發(fā)明革命性的新材料。”

人工智能第三起的標(biāo)志性 事件發(fā)生在 2016 年 3 月，谷歌 DeepMind 研發(fā)的 AlphaGo 在圍棋人機(jī)大戰(zhàn)中擊敗韓國職業(yè)九段棋手李世石。隨后，大眾開始熟知人工智能，各個(gè)領(lǐng)域的熱情都被調(diào)動起來。這次 事件確立了以 DNN 神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)的統(tǒng)計(jì)分類深度學(xué)習(xí)模型，這類模型相比于過往 更加泛化，通過不同的特征值提取可以適用于不同的應(yīng)用場景中。同時(shí)，2010 年-2015 年 移動互聯(lián)網(wǎng)的普及也為深度學(xué)習(xí)算法帶來了前所未有的數(shù)據(jù)養(yǎng)料。得益于數(shù)據(jù)量的上漲、 運(yùn)算力的提升和機(jī)器學(xué)習(xí)新算法的出現(xiàn)，人工智能開始大調(diào)整。人工智能的研究領(lǐng)域也在 不斷擴(kuò)大，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯、計(jì)算機(jī)視覺、自然語言處理、 推薦系統(tǒng)等。深度學(xué)習(xí)的發(fā)展，讓人工智能進(jìn)入新的發(fā)展高潮。

人工智能第三次浪潮帶給我們一批能給商業(yè)化落地的場景，DNN 算法的出色表現(xiàn)讓語 音識別與圖像識別在安防、教育領(lǐng)域貢獻(xiàn)了第一批成功的商業(yè)案例。而近年來基于神經(jīng)網(wǎng) 絡(luò)算法之上的 Transformer 等算法的開發(fā)讓 NLP(自然語言處理)的商業(yè)化也提上了日程， 有望在未來 3-5 年看到成熟的商業(yè)化場景。