（文章來源：CDA數(shù)據(jù)分析師）
? ? ?? 目前大多數(shù)活躍在人們眼前的人工智能實際上都是弱人工智能。弱人工智能通常是一種自動化傳統(tǒng)人類工作的軟件，并且在大多數(shù)情況下，它在效率和耐力方面優(yōu)于人類。例如，在今天，我們可以向我們的智能手機詢問天氣并期待它準確的預測。

自動化成為弱人工智能沒有硬性要求的一條快速的路線； 機械工具導致計算機的出現(xiàn)，軟件開發(fā)也導致了弱人工智能的誕生。但是現(xiàn)在人類可以做一些弱人工智能無法做到的事情； 我們可以學習新的知識。我們可以使用比較和創(chuàng)造性思維來解決我們以前從未遇到過的問題。人類創(chuàng)造力的某些方面甚至尚未被完全理解和開發(fā)，這使得它們難以編程。

人工智能如果想要進行復雜、細致入微的對話，達到可以冒充人類的級別，那么就需要當時當場解決所出現(xiàn)的問題。它需要解決之前從未聽到過的口音，并且通過上下文理解詞匯，并創(chuàng)造出一些它自己從來沒有表達過的語句。

具有解決新問題能力的人工智能就不是狹義的人工智能。理論上來說它可以解決任何問題。因此，它被稱為通用人工智能或人工通用智能。機器學習是自1959年以來就一直存在的術語，意味著狹義的人工智能可以根據(jù)新的數(shù)據(jù)重新更改軟件。機器學習已經(jīng)有多種使用方式，例如識別異常信用卡的使用以通知用戶潛在的身份盜用。

心理學，神經(jīng)科學和哲學等領域的學術研究正在研究人類學習的方式，以闡明人類學習過程的過程?；谌祟愋袨樾睦韺W的強化學習，允許一個狹義的人工智能通過反復試驗來教授自己，并且在最近取得了一些成功。谷歌的Deep Mind已經(jīng)創(chuàng)建了一個人工智能，它可以通過機器學習教自己學習玩視頻游戲。AGI的發(fā)展變革正在迅速地發(fā)生，許多人認為真正的通用人工智能即將到來。

考慮AGI的另一種方法是將其視為通過策略解決新問題的方法。人工智能領域的最大突破之一是Deep Mind的Alpha Go，這種算法在圍棋上擊敗了人類玩家。圍棋比國際象棋要復雜得多，圍棋的棋盤結(jié)構排列組合可能比可見的宇宙中原子的總數(shù)還要多。人工智能不可能通過蠻力解決游戲中的問題； Alpha Go教會了自己在游戲中學習的策略。

眾所周知，人類意識難以定義和解釋。為了創(chuàng)造一種意識，并且這個意識是要基于軟件，那么人類首先需要了解意識。不然人們很難朝著一個非常不明確的目標前進。然而，大多數(shù)人認為這是技術發(fā)展的方向。對于許多人而言，任何有意識的人工智能都是非常復雜的自動化，基于這一爭議，這些人可能認為有意識的人工智能都是唯一應該被稱為人工智能的人工智能。

你可能會聽到真正的人工智能這個詞。但是有些人認為這是不可能的，直到我們可以正確的定義什么是意識之后，這場辯論才有可能解決。盡管目前還沒有人能實現(xiàn)具有自我意識的人工智能，但是搶先研發(fā)出人工智能這場競爭已經(jīng)被比作了核軍備競賽。

有些人，比如Sam Harris或Elon Musk，警告說人工智能可能是非常危險的，因為我們無法正確評估比人類具有更可靠記憶和處理能力意識的非人類的安全性。無論是否危險，創(chuàng)造有意識的人工智能的競賽正在進行中。谷歌的Deep Mind或中國的搜索引擎百度都在機器學習場景方面取得很大的進展，他們聲稱機器學習將會是有意識的人工智能誕生的導火索。