我們距離通用人工智能可能還有多遠(yuǎn)？

其實(shí)人工智能的目標(biāo)就是找尋那個(gè)通用人工智能，而類(lèi)腦計(jì)算是實(shí)現(xiàn)它的一個(gè)重要途徑 。 通用智能和當(dāng)下的智能到底有什么實(shí)質(zhì)性的區(qū)別， 作為本文結(jié)尾， 我們來(lái)看一下：

對(duì)數(shù)據(jù)的使用效率：?比如大腦對(duì)數(shù)據(jù)的應(yīng)用效率和 AI 算法并非一個(gè)等級(jí)， 你看到一個(gè)數(shù)據(jù)， 就可以充分的提取里面的信息，比如看到一個(gè)陌生人的臉， 你就記住他了， 但是對(duì)于目前的 AI 算法， 這是不可能的， 因?yàn)槲覀冃枰罅康恼掌斎胱屗莆者@件事。 我們可以輕松的在學(xué)完蛙泳的時(shí)候?qū)W習(xí)自由泳， 這對(duì)于 AI，就是一個(gè)困難的問(wèn)題， 也就是說(shuō)，同樣的效率， 人腦能夠從中很快提取到信息， 形成新的技能， AI 算法卻差的遠(yuǎn)。

這是為什呢？ 可能這里的掛件體現(xiàn)在一種被稱(chēng)為遷移學(xué)習(xí)的能力。雖然當(dāng)下的深度學(xué)習(xí)算法也具備這一類(lèi)舉一反三的遷移學(xué)習(xí)能力， 但是往往集中在一些真正非常相近的任務(wù)里， 人的表現(xiàn)卻靈活的多。這是為什么呢？ 也許， 目前的 AI 算法缺少一種元學(xué)習(xí)的能力。 和為元學(xué)習(xí)， 就是提取一大類(lèi)問(wèn)題里類(lèi)似的本質(zhì)， 我們?nèi)祟?lèi)非常容易干的一個(gè)事情。 到底什么造成了人工神經(jīng)網(wǎng)絡(luò)和人的神經(jīng)網(wǎng)路的差距， 還是未知的， 而這個(gè)問(wèn)題也構(gòu)成一個(gè)非常主流的研究方向。

能耗比：如果和人類(lèi)相比， 人工智能系統(tǒng)完成同等任務(wù)的功耗是人的極多倍數(shù)（比如阿法狗是人腦消耗的三百倍， 3000MJ vs 10MJ 5 小時(shí)比賽）。 如果耗能如此劇烈， 我們無(wú)法想象在能源緊張的地球可以很容易大量普及這樣的智能。 那么這個(gè)問(wèn)題有沒(méi)有解呢？ ?當(dāng)然有， 一種， 是我們本身對(duì)能量提取的能力大大增強(qiáng)， 比如小型可控核聚變實(shí)用化。 另一種， 依然要依靠算法的進(jìn)步， 既然人腦可以做到的， 我們相信通過(guò)不斷仿生機(jī)器也可以接近。 這一點(diǎn)上我們更多看到的信息是， 人工智能的能耗比和人相比， 還是有很大差距的。

不同數(shù)據(jù)整合：?我們離終極算法相差甚遠(yuǎn)的另一個(gè)重要原因可能是現(xiàn)實(shí)人類(lèi)在解決的 AI 問(wèn)題猶如一個(gè)個(gè)分離的孤島， 比如說(shuō)視覺(jué)是視覺(jué)， 自然語(yǔ)言是自然語(yǔ)言， 這些孤島并沒(méi)有被打通。 相反，人類(lèi)的智慧里， 從來(lái)就沒(méi)有分離的視覺(jué)， 運(yùn)動(dòng)或自然語(yǔ)言， 這點(diǎn)上看， 我們還處在 AI 的初級(jí)階段。 我們可以預(yù)想， 人類(lèi)的智慧是不可能建立在一個(gè)個(gè)分離的認(rèn)知孤島上的， 我們的世界模型一定建立在把這些孤立的信息領(lǐng)域打通的基礎(chǔ)上， 才可以做到真正對(duì)某個(gè)事物的認(rèn)知， 無(wú)論是一個(gè)蘋(píng)果， 還是一只狗。

溝通與社會(huì)性：?另外， 人類(lèi)的智慧是建立在溝通之上的， 人與人相互溝通結(jié)成社會(huì)， 社會(huì)基礎(chǔ)上才有文明， 目前的人工智能體還沒(méi)有溝通， 但不代表以后是不能的， 這點(diǎn)， 也是一個(gè)目前的 AI 水平與強(qiáng) AI（超級(jí)算法）的距離所在。

有的人認(rèn)為， 我們可以直接通過(guò)模擬大腦的神經(jīng)元，組成一個(gè)和大腦類(lèi)似復(fù)雜度的復(fù)雜系統(tǒng)， 讓它自我學(xué)習(xí)和進(jìn)化， 從而實(shí)現(xiàn)強(qiáng) AI。 從我這個(gè)復(fù)雜系統(tǒng)專(zhuān)業(yè)的角度看， 這還是一個(gè)不太現(xiàn)實(shí)的事情。因?yàn)閺?fù)雜系統(tǒng)里面最重要的是涌現(xiàn)，也就是說(shuō)當(dāng)組成一個(gè)集合的元素越來(lái)越多，相互作用越來(lái)越復(fù)雜， 這個(gè)集合在某個(gè)特殊條件下會(huì)出現(xiàn)一些特殊的總體屬性，比如強(qiáng) AI，自我意識(shí)。 但是我們幾乎不可能指望只要我們堆積了那么多元素， 這個(gè)現(xiàn)象（相變）就一定會(huì)發(fā)生。

至于回到那個(gè)未來(lái)人工智能曲線發(fā)展展望的話(huà)題， 我們可以看到， 這些不確定的因素都會(huì)使得這條發(fā)展曲線變得不可確定。 然而有一點(diǎn)是肯定的， 就是正在有越來(lái)越多非常聰明的人， 開(kāi)始迅速的進(jìn)入到這個(gè)領(lǐng)域， 越來(lái)越多的投資也在進(jìn)來(lái)。 這說(shuō)明， AI 已經(jīng)是勢(shì)不可擋的稱(chēng)為人類(lèi)歷史的增長(zhǎng)極， 即使有一些不確定性， 它卻不可能再進(jìn)入到一個(gè)停滯不前的低谷了， 我們也許不會(huì)一天兩天就接近終極算法， 但卻一定會(huì)在細(xì)分領(lǐng)域取得一個(gè)又一個(gè)突破。無(wú)論是視覺(jué)， 自然語(yǔ)言， 還是運(yùn)動(dòng)控制。

能否走向通用人工智能的確是人工智能未來(lái)發(fā)展最大的變數(shù)， 或許， 我們真正的沉下心來(lái)去和大腦取經(jīng)還是可以或多或少的幫助我們。 因?yàn)楸举|(zhì)上， 我們?cè)谌斯ぶ悄艿难芯可纤鞯模?依然是在模擬人類(lèi)大腦的奧秘。 我們?cè)浇咏祟?lèi)智慧的終極算法， 就越能得到更好的人工智能算法。