歷史的車輪滾滾向前，人工智能經(jīng)歷了3次寒冬的洗禮，潮起潮落。通用人工智能這個詞匯已如同“舊事王謝堂前燕，飛入尋常百姓家”。

現(xiàn)在的人工智能學(xué)習(xí)算法以機器學(xué)習(xí)和深度學(xué)習(xí)算法為主。這兩種類型的算法以數(shù)據(jù)為基礎(chǔ)，通過計算機強大的算力來尋找樣本間的共性，從而找出隱藏在數(shù)據(jù)背后的客觀規(guī)律，但這種規(guī)律仍然不能為人類完全所知，它們通過參數(shù)來間接體現(xiàn)。

以數(shù)據(jù)為基礎(chǔ)并且參數(shù)背后的規(guī)律不能具體化是現(xiàn)在人工智能算法主要局限性。因為這樣即使一個人類已知的規(guī)律，對算法來說也需要大量的運算才能得到一個近似解，而且這個近似解往往達不到人類要求的精確度。所以現(xiàn)在人們在應(yīng)用這些算法時都會進行人為干預(yù)，比如對數(shù)據(jù)進行特征工程處理，對算法運行過程加入一些人類已知的規(guī)則等。

通用人工智能（AGI）是具有一般人類智慧，可以執(zhí)行人類能夠執(zhí)行的任何智力任務(wù)的機器智能。通用人工智能是一些人工智能研究的主要目標(biāo)，也是科幻小說和未來研究中的共同話題。一些研究人員將通用人工智能稱為強AI（strong AI）或者完全AI（full AI），或稱機器具有執(zhí)行通用智能行為（general intelligent action）的能力。與弱AI（weak AI）相比，強AI可以嘗試執(zhí)行全方位的人類認(rèn)知能力。

測試人類水平的通用人工智能具有以下幾種方式：

圖靈測試（圖靈提出）：一名人類參與者與一臺機器和一名人類進行對話，參與者看不見目前對話的是人類還是機器。如果在很長一段時間內(nèi)，參與者無法判斷與他對話的是人類還是機器，那么機器就通過了測試。

咖啡測試（沃茲尼亞克提出）：一臺機器需要具備在普通的美國家庭中弄清楚如何煮咖啡的能力：找到咖啡機，找到咖啡，加水，找到一個馬克杯，按下正確的按鈕開始煮咖啡。

機器人大學(xué)學(xué)生考試（哥茲柔提出）：一臺機器就讀于一所大學(xué)，選擇并通過和人類相同的課程，最終取得學(xué)位。

就業(yè)測試（尼爾森提出）：機器從事一份經(jīng)濟上起著重要作用的工作，在工作中的表現(xiàn)至少和人類一樣好。

扁平家具測試（Tony Severyns提出）：需要一臺機器來打開和組裝一件扁平家具。它必須閱讀說明并按照描述組裝項目，正確安裝所有部分。

來源：博客園，機器之心，知乎綜合整理

責(zé)任編輯：lq