通用人工智能最新進展，清北通用人工智能實驗班已正式啟動且開始面向全國招生，該班型的創立備受大家的關注。小編整理了一些有關通用人工智能的信息幫助大家更為深刻的了解該專業。具體詳情，請見下文。
通用人工智能最新進展
01
如果有一天，人類真的做出了能夠思考的機器，那么所產生絕不僅僅是巨大的社會影響，也將帶來巨量的市場機遇。1956年，達特茅斯會議正式吹響了進軍人工智能的號角，在后續的六十年里，浩浩蕩蕩的人工智能研究軍團從集結力量到潰敗逃散，歷經數次反復。
夢想敵不過慘烈的現實，人工智能內部開始分化，形成“問題求解、邏輯推理、知識工程、感知運動、機器人”等多個不同的方向，遺憾的是這些方向之間并不存在可能的統合方式。這也就意味著，整體上表現出類人智能的機器依舊不會從中誕生。于是，人工智能技術應用被人詬病便不足為奇了：任何被認為“智能”的技術，產品化后便不再“智能”。
直到通用人工智能的出現，上述尷尬困境才被推翻。
02 什么是通用人工智能
盡管人工智能術語最初用于表達與人類智能相似的機器智能，但在跌宕起伏的發展歷程中，其內涵已經產生了分化：目前幾乎等同為機器學習、統計分析的代名詞，專注具體應用而遠離了智能探索的初衷，這是早期對智能問題過于樂觀估計的結果。
在這種情況下，一部分依舊堅守夢想的學者開始使用通用人工智能（Artificial General Intelligence，AGI）作為正式用語。也就是說，人工智能領域目前存在兩個迥然不同的派別：專用人工智能（Special-purpose AI或Narrow AI）與通用人工智能。
然而，人工智能（AI）這一提法沿用至今，逐漸與專用人工智能等同。但實際上，人工智能包括專用人工智能和通用人工智能兩個不同的子領域，即：
人工智能（AI）= 專用人工智能（SAI）+ 通用人工智能（AGI）
人工智能本質上為類人智能，即追求設計和開發像人腦那樣工作的軟件或硬件系統。對于“智能”理解的差異，使人工智能分化為專用和通用兩個不同分支。其實，專用和通用存在根本性差異：專用人工智能的目標是行為層面上“看起來像有智能”，通用人工智能關注系統從內在層面上“如何才能實現真正的智能”。
專用人工智能先做后思，即開始并不深究智能也不對智能做清晰的定義，而是通過技術迭代漸進式地提升智能化的程度，分為符號主義、聯結主義和行為主義三個派別。通用人工智能則認為智能的存在代表著可以被認知的理性原則，采取先思后做的路徑。
事實上，通用人工智能內部也存在不同學說和派別。在本文中，基于的“智能的一般理論”及其“非公理邏輯推理系統（NARS）”的工程實現，便是通用人工智能領域中極具代表性和影響力的學派，其創始人為美國天普大學的王培教授。
其對智能的操作性定義為：智能就是在知識和資源相對不足的條件下主體的適應能力。智能絕非全知全能或比定然人更聰明，正是基于知識和資源相對不足假設而非某種預設的高深叵測的算法，使得所構建的NARS系統“恰好”不但具有感知、運動等低層活動（配備機械軀體和傳感器），也具有類似人腦的情感、記憶、推理、決策乃至自我意識等高級認知活動。
同時，系統尤其強調經驗的可塑性，以及經驗與系統個性和自我發展的相互影響。然而，這些自生的高級認知活動是專用人工智能系統根本不具有的。一言以蔽之，那便是：能思考、有情感、有自我意識的智能系統已經存在。
03 常見誤解
（一）人工智能的分類
在各類刊物中，人工智能有三種分類：第一種，分為計算智能、感知智能和認知智能三種；第二種，分為弱人工智能和強人工智能兩種，而強人工智能也正是通用人工智能；第三種，則分為專用人工智能和通用人工智能兩種。
第一種分類常見于行業演講和報告中，既缺乏理論依據又具有誤導性。實際上，所謂的計算智能和感知智能并不是真正意義的智能，但卻錯誤地將智能實現分成三步，而且當前已經完成前兩步即將走完最后一步，殊不知認知智能的實現根本不是如此。第二種則始于哲學討論，“強—弱”意指智能的真假之分，而被大眾誤讀為智能的寬與窄之分。
事實上，三者之間不存在等同關系，只有第三種分類──“專用人工智能”和“通用人工智能”才是真正符合和適合當下語境交流的正確概念分類。
（二）“超級智能”
人們自覺正處于一個快速發展的時代。特別是在中國，技術的“指數發展”更符合個人生活體驗，“奇點”論在中國特別有市場。“奇點”的指數發展基于代際之間的迭代進化而實現，在物種進化的尺度上，人類智能的確由低智能動物發展而來，但這不意味著智能可以無限制發展下去。實際上，在任何領域中，按某個量已有增長趨勢而推之未來的預測都不可靠。
具體到人工智能，在硬件方面，“奇點”論認為智能機器通過制造出比自身智能水平更高的機器而實現“奇點”，然而至今也沒有任何一臺機器可以獨立創造出另一臺機器，更別說具備一定智能水平；在軟件方面，人們期待人工智能通過“給自己編制程序”來進化，此乃缺乏計算機知識所導致的誤解。
不僅允許自我修改的程序設計語言早已存在多年（如Lisp和Prolog），而且至今未曾在計算機病毒程序中發現智能的產生跡象，盡管它們也已經自我復制并繁衍了多年。
智能本質上是一種對環境的適應能力。正所謂“魚和熊掌不可兼得”，若要實現這種適應，有得必然有失。或者換言之，在任意情況下都能夠全盤了解并做出最優選擇的“東西”一定不智能，而且不僅不智能同時也是不可能。因此，所謂“超級智能”是不會出現的。
（三）“人工智能將取代人類”
專用人工智能具有濃厚的客體性工具色彩并不能構成對人類的威脅，公眾真正擔心的正是通用人工智能。與專用人工智能完全不同，通用人工智能系統對所有應用場景均不預設任何算法，從而具有問題解決的通用性。
當然，并不是說通用人工智能系統的構建不是算法實現的，而是其內部的算法僅僅用于協調和保持系統自身各個耦合功能模塊的運行，并不直接作用于外在經驗的加工。
對現實應用問題的分析和解決，全部來自個體學習的經驗積累。這點與人類完全一致，剛開始運行的NARS系統，記憶空間沒有任何知識和技能，就好似人類嬰兒一般。在后續的系統與系統、系統與人的交互過程中才能逐漸學到本領。
而且，經驗的積累有一個理解和消化的過程，而單純地輸入“你必須喜歡人類”、“人類利益第一位”等高階信念是無效的，這就意味著系統的經驗建構是內生的，絕不是外界灌數據便能夠輕松做到。試想，如若不然，我們不就同樣可以把數理化知識一并給孩子們成功“填鴨”了么？
因此，通用人工智能系統的成長需要人類的協助，其獲得的經驗也與人類多有共同之處。
當然，正所謂“近朱者赤近墨者黑”，“好人”能夠教出“好的”通用人工智能系統，而“壞人”也能夠教出“壞的”通用人工智能系統。但無論如何，其與人類關系密切，并沒有充分的理由和必要在種群的整體層面上與人為敵，“人工智能將取代人類”只是我們自己的擔憂而已，就好似很多人明知道世界上沒有鬼，卻在夜行路上總是擔驚受怕一樣。
04 應用前景
由于通用人工智能技術具有通用性這一本質特點，理論上系統適用于任何有人類需要之處。但如下行業卻在系統應用的投入產出比上名列前茅，是最為理想的切入點。
（一）醫療
醫療領域中，有兩個NARS系統極具競爭力的應用場景：一是疑難病的輔助診斷。與當前基于概率的專用人工智能手段不同，通用人工智能是以證據積累為基礎的推理系統。
經過訓練的NARS系統，對于小概率事件的判別性和鑒別度遠強于它者；二是精神障礙的輔助診斷。出于人道考量，無法將患者的應激事件及其生活經歷重演，但卻可以置入NARS系統，讓軟件無限次地體會和模擬，并通過30余種人格參數的詳盡報告為醫生診斷提供重要的量化依據。
（二）教育
教育歷來是比較穩定的投資藍海。通用人工智能技術的教育應用，最為現實的途徑之一便是在保證課業學習質量的前提下實現學生減負：科學評估學生當前的知識結構，并按照大綱和考綱要求，自動制訂出個性化的學習方案。
該方案最大的特點是學習路徑為該生完善當前知識結構的最短路徑集合，用最精簡的方式完成最高效率的學習，即真正的：做得更少，學的更好。
（三）翻譯
隨著對外開放的穩固推進，中國在全球化進程中角色變得日益重要，高質量的機器翻譯必然成為業界寵兒。然而，當前專用人工智能下的機器翻譯技術毫無例外地使用深度神經網絡和強化學習技術作為支撐，雖較過去有明顯改善，但提升空間卻所剩無幾。
不同于專用人工智能的機器翻譯，通用人工智能系統的翻譯真正建立在理解的基礎之上，經過語言訓練的通用人工智能系統原則上可以實現接近人類水平的翻譯效果，能夠妥當地翻譯長句、復句、隱喻句等高難度的表達，這是專用人工智能技術所不能比擬的。
（四）應急
在危險作業和應急環境下（如消防、航天、自然災害等），專用人工智能的缺陷被充分暴露出來：一旦遇到知識庫中未曾存儲的突發情況，系統將無法相應或在合理時間內得到響應。
通用人工智能系統則不然，對于突發的新情況，通用人工智能系統雖不能保證相應解決方案的成熟性和完備性（人也同樣無法在危急關頭進行充分詳實的思考），但卻能保證規定時間內的合理相應。解決方案的有無此時關乎生命，犧牲胳膊的代價總比犧牲生命來得更加值當。
05 應用難點
世間沒有免費的午餐，通用人工智能的應用也是如此。事實上，與專用人工智能中算法和模型的決定性作用不同，通用人工智能是高度經驗依賴的。這就意味著對機器的教育決定著通用人工智能商用化的能力和水準。依舊與人類相仿，通用人工智能走向產業化一如孩子們從小到大的教育訓練一樣，沒有人一生下來就會算術、編程或經商、從政。
因此，在最粗線條的框架下，可以將通用人工智能近似為人類以便于理解。于是，對于通用人工智能技術的產業化而言，“教育決定一切”在此同樣適用。
以上是有關通用人工智能最新進展的相關內容，希望對伙伴們有所幫助，想要了解更多資訊，請繼續關注可圈可點網站。