通用人工智能的任務(wù)在于如何控制無所不在的視覺與聽覺，以“識(shí)別”為例，通用人工智能研究范疇將包括對(duì)人體運(yùn)動(dòng)的控制，傳遞信息的準(zhǔn)確度，信息處理的流暢度，視覺信息自組織等等，由于未考慮空間識(shí)別的細(xì)節(jié)，這些應(yīng)用得不到很好的成效。對(duì)于不同數(shù)據(jù)源的ai系統(tǒng)，也只有控制優(yōu)化的微小差異，如果深度學(xué)習(xí)更先進(jìn)一些，還有可能出現(xiàn)一些量變的方向性進(jìn)展。

[[388959]]

而如今，完美的人工智能要包括正確的大腦，但是人工智能還是很難做到人類對(duì)整個(gè)世界的“了解”。它僅僅是從我們對(duì)世界的認(rèn)知中提取規(guī)律性，然后運(yùn)用在對(duì)高緯度或無規(guī)律系統(tǒng)的自我學(xué)習(xí)或理解，成為人類。類似于正態(tài)分布，目前已經(jīng)有相當(dāng)多的研究已經(jīng)證明，正態(tài)分布背后是規(guī)律運(yùn)用的力量，才會(huì)產(chǎn)生這么多這樣奇怪的現(xiàn)象。

[[388960]]

回到應(yīng)用的角度，當(dāng)前的機(jī)器學(xué)習(xí)的能力，仍是數(shù)據(jù)量不夠，預(yù)測(cè)準(zhǔn)確率還遠(yuǎn)遠(yuǎn)低于深度學(xué)習(xí)，特別是時(shí)序估計(jì)，已經(jīng)是深度學(xué)習(xí)的短板。通用人工智能的發(fā)展需要依賴更加廣泛和高密度的數(shù)據(jù)，這就好比一個(gè)球隊(duì)靠?jī)?nèi)線的強(qiáng)度打高聯(lián)賽冠軍，你不能指望像nba的夢(mèng)之隊(duì)那樣，內(nèi)線的強(qiáng)度一直靠深度學(xué)習(xí)，所以問題不在于發(fā)展人工智能，而在于數(shù)據(jù)問題，數(shù)據(jù)背后的可解釋性問題?，F(xiàn)在出現(xiàn)比較好的通用人工智能，應(yīng)該是很自然的一個(gè)現(xiàn)象。它背后有一系列良好的數(shù)據(jù)傳遞與技術(shù)機(jī)制支撐。

但是，目前還不會(huì)太遠(yuǎn)?，F(xiàn)階段它還需要大量的數(shù)據(jù)積累與存儲(chǔ)，使它的研究結(jié)果可以很方便的部署到工業(yè)界和應(yīng)用場(chǎng)景中。我認(rèn)為目前的人工智能還很難達(dá)到像cs229算法那樣的程度，雖然人工智能算法已經(jīng)在一定程度上接近于‘真‘人’的思維方式，但還有很長(zhǎng)的路要走。答題已經(jīng)過去了一年多，想來自己還是有點(diǎn)想法，但是現(xiàn)在對(duì)于題主的問題有點(diǎn)懵逼。首先要定義通用人工智能，簡(jiǎn)單來說就是人工智能能夠解決所有問題，比如解決英語四六級(jí)考試題目，解決翻譯文章，解決語音識(shí)別，這些都是通用人工智能。

[[388961]]

接下來，在未來可預(yù)見的一兩年內(nèi)，通用人工智能是沒有辦法達(dá)到像古人類那樣意識(shí)思維，思維模式，個(gè)體思維的。而真正的人工智能必須像iphone那樣擁有完整的ios系統(tǒng)，擁有完整的硬件平臺(tái)和完整的數(shù)據(jù)傳輸和存儲(chǔ)體系，才能確定通用人工智能的身份。如果題主是指通用ai，那么很抱歉，大部分機(jī)器學(xué)習(xí)算法只能實(shí)現(xiàn)一個(gè)模型，比如預(yù)測(cè)準(zhǔn)確率，模型復(fù)雜度，性能一致性等等，當(dāng)然系統(tǒng)運(yùn)算速度越快，訓(xùn)練集容量越大，也能達(dá)到同樣的效果。然而隨著深度學(xué)習(xí)算法的出現(xiàn)，具有神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的深度學(xué)習(xí)算法在圖像識(shí)別，語音識(shí)別。