我们在通用人工智能（AGI）信息技术需要看到的四大里程碑

译者 | 布加迪

GPT和GAN已取得种种进步，AGI却依然是难以消除的问题。所谓核心，国际标准智慧很难定义，确实无法解决问题。

谷歌Deepmind和Open AI的顶尖人才正在努力揭示消除AGI的新方法。许多分析人员似乎没有注意到我显然对消除国际标准智慧至关重要的重要定义。Numenta的分析人员最近概要了四个基本定义，我也显然这些定义对于解决问题AGI至关重要。这些定义在广泛的AI分析领域许多人耐心慎重考虑。

1. 持续性深造

机器深造解法是拿静态信息集展开操练的，操练过程结束后，就可以用作解法了。

比如说，当Open AI GPT3在2021年不能接受操练时，它确实并不知道新冠病毒感染，但是它不能并不知道格鲁吉亚持续性的关系恶化;只有拿2022年互联网文档信息展开操练后，解法才并不知道格鲁吉亚。另一之外，你并不知道格鲁吉亚的关系恶化。这是为什么?答案就是持续性深造。

另一个例子，当胡克的自动驾驶系统(Autopilot)不能接受滑行停车之外的操练时，它会一直制订滑行停车，直至它在更新后暂时中止该特性，而不是由于它深造后确信这是错误的。关键是：脑部大大地深造和更旧世界静态，而迄今的AI解法不能。大大深造有效的AI解法将是解决问题AGI 的一个打破。

2. 科学世界深造和揭示

乍一看，国际标准智慧似乎与科学学或科学世界没多大关系。然而，AI解法要做出大体上智慧的各项政策，或者在全人类科学世界以智慧方式行事，它必须能够体验和试验现实世界科学元素。否则，AI制订的精细推理、各项政策或与世界特别的实际行动确实随之而来边缘化的行为。除此之外，我显然AI解法不应当在模拟的虚拟世界中加以操练，因为全人类并不完全认识到科学世界。简而言之，脑部被显然通过快速移动来认识到科学世界。随后，打破性的AI解法将通过在科学世界中快速移动来深造科学定律。

3. 普遍性

孩子在见到一辆从未见过的新车，并做出适当的反应时，零采样深造(ZSL)就发生了。这种普遍性确实基于以前的深造或直觉，我显然这与大脑确实用作的无静态新方法有关。打破性的AI将有着某种结构，意味着一定往往的普遍性或外推，又不产生灾难性的结果。

4. 也就是说深造

Jeff Hawkins的千脑智慧学说基于也就是说定义。据我认识到，也就是说是大脑创建和存储器(维护)的其本质(神经元之间的连结)。根据该学说，大脑用作这些也就是说来思考、工程建设和预测。打破性的AGI解法确实有一种与也就是说相似的结构，以映射和存储器精细定义。然而，迄今ANN的设计确实意味着这种连结存在，所需的打破将是基于持续性深造、科学世界揭示和普遍性，使这种连结的演化成、修改和分散解决问题自动化。

如果AI分析人员和技术人员真心不能接受这些定义，我下半年有着全人类智慧基本特征的AI确实会出现。何必它们读到这前言。

原文标题：4 Artificial General Intelligence Milestones We Need，作者：Mike Hassaballa