GPT和GAN已取得種種進(jìn)步，AGI卻依然是難以解決的問(wèn)題。究其核心，通用智能很難定義，可能無(wú)法實(shí)現(xiàn)。

谷歌Deepmind和Open AI的頂尖人才正在努力探索解決AGI的方法。許多研究人員似乎沒(méi)有注意到我認(rèn)為對(duì)解決通用智能至關(guān)重要的重要概念。Numenta的研究人員最近概述了四個(gè)基本概念，我也認(rèn)為這些概念對(duì)于實(shí)現(xiàn)AGI至關(guān)重要。這些概念在廣泛的AI研究領(lǐng)域值得認(rèn)真考慮。

1. 持續(xù)學(xué)習(xí)

機(jī)器學(xué)習(xí)算法是拿靜態(tài)數(shù)據(jù)集進(jìn)行訓(xùn)練的，訓(xùn)練過(guò)程結(jié)束后，就可以使用算法了。

比如說(shuō)，當(dāng)Open AI GPT3在2021年接受訓(xùn)練時(shí)，它可能知道新冠病毒，但是它不會(huì)知道烏克蘭持續(xù)的緊張局勢(shì);只有拿2022年互聯(lián)網(wǎng)文本數(shù)據(jù)進(jìn)行訓(xùn)練后，算法才知道烏克蘭。另一方面，你知道烏克蘭的緊張局勢(shì)。這是為什么?答案就是持續(xù)學(xué)習(xí)。

另一個(gè)例子，當(dāng)特斯拉的自動(dòng)駕駛系統(tǒng)(Autopilot)接受滑行停車方面的訓(xùn)練時(shí)，它會(huì)一直執(zhí)行滑行停車，直至它在更新后停止該功能，而不是由于它學(xué)習(xí)后明白這是錯(cuò)誤的。關(guān)鍵是：人腦不斷地學(xué)習(xí)和更新世界模型，而目前的AI算法不會(huì)。不斷學(xué)習(xí)有效的AI算法將是實(shí)現(xiàn)AGI 的一個(gè)突破。

2. 物理世界學(xué)習(xí)和探索

乍一看，通用智能似乎與物理學(xué)或物理世界沒(méi)多大關(guān)系。然而，AI算法要做出大體上智能的決策，或者在人類物理世界以智能方式行事，它必須能夠體驗(yàn)和試驗(yàn)現(xiàn)實(shí)世界物理元素。否則，AI執(zhí)行的復(fù)雜推理、決策或與世界相關(guān)的行動(dòng)可能導(dǎo)致孤立的行為。除此之外，我認(rèn)為AI算法不應(yīng)該在模擬的虛擬世界中加以訓(xùn)練，因?yàn)槿祟惒⒉煌耆私馕锢硎澜?。?jiǎn)而言之，人腦被認(rèn)為通過(guò)移動(dòng)來(lái)了解物理世界。隨后，突破性的AI算法將通過(guò)在物理世界中移動(dòng)來(lái)學(xué)習(xí)物理定律。

3. 泛化

孩子在見(jiàn)到一輛從未見(jiàn)過(guò)的新車，并做出相應(yīng)的反應(yīng)時(shí)，零樣本學(xué)習(xí)(ZSL)就發(fā)生了。這種泛化可能基于以前的學(xué)習(xí)或直覺(jué)，我認(rèn)為這與大腦可能使用的無(wú)模型方法有關(guān)。突破性的AI將具有某種結(jié)構(gòu)，允許一定程度的泛化或外推，又不產(chǎn)生災(zāi)難性的結(jié)果。

4. 參照系學(xué)習(xí)

Jeff Hawkins的千腦智能理論基于參照系概念。據(jù)我了解，參照系是大腦創(chuàng)建和存儲(chǔ)(維護(hù))的抽象概念(神經(jīng)元之間的連接)。根據(jù)該理論，大腦使用這些參照系來(lái)思考、規(guī)劃和預(yù)測(cè)。突破性的AGI算法可能有一種與參照系相似的結(jié)構(gòu)，以映射和存儲(chǔ)復(fù)雜概念。然而，目前ANN的設(shè)計(jì)可能允許這種連接存在，所需的突破將是基于持續(xù)學(xué)習(xí)、物理世界探索和泛化，使這種連接的形成、修改和分散實(shí)現(xiàn)自動(dòng)化。

如果AI研究人員和技術(shù)人員真心接受這些概念，我預(yù)計(jì)具有人類智能特征的AI可能會(huì)出現(xiàn)。但愿它們讀到這篇文章。

原文標(biāo)題：??4 Artificial General Intelligence Milestones We Need??，作者：Mike Hassaballa