傳統(tǒng)計(jì)算機(jī)的核心是非常愚昧的。他們把事情做得超級(jí)直接，只能回答真實(shí)或錯(cuò)誤的問(wèn)題。這使計(jì)算機(jī)非常擅長(zhǎng)數(shù)學(xué)或執(zhí)行任何需要正確或錯(cuò)誤答案的智力任務(wù)。
但是如果你想要一臺(tái)電腦執(zhí)行一個(gè)根本沒(méi)有正確答案的任務(wù)呢？如果你想要一臺(tái)電腦繪畫或?qū)懸槐拘≌f(shuō)會(huì)怎么樣？一幅畫不可能是真的或假的。它只是。讓電腦了解這可能很困難。
但以前認(rèn)為不可能的事現(xiàn)在已成為現(xiàn)實(shí)。近，日本的AI 利用復(fù)雜的神經(jīng)網(wǎng)絡(luò)撰寫了一本幾乎獲得文學(xué)獎(jiǎng)的書。
當(dāng)然，它仍然需要人類的一些幫助。創(chuàng)造人工智能的團(tuán)隊(duì)為了寫小說(shuō)還必須給計(jì)算機(jī)以情節(jié)，角色和性別。但是句子 - 它們的結(jié)構(gòu)和華麗的語(yǔ)言 - 是自主編寫的。
電腦還需要一個(gè)以前寫作的數(shù)據(jù)庫(kù)才能開始，但這與人類大腦的工作方式?jīng)]有多大區(qū)別。隨著時(shí)間的推移，我們只能期待技術(shù)變得更加復(fù)雜。
想要了解關(guān)于AI的更多信息？
希望這篇文章能夠澄清關(guān)于人工智能的一些誤解，并且讓我們清楚地知道我們將來(lái)可以從機(jī)器人對(duì)手那里得到什么。我們離真正的人工智能還有很長(zhǎng)的路要走，但是我們每天都靠近。
從IBM的Jeopardy電腦，Watson到Westworld等電視節(jié)目，我們已經(jīng)開始共同探索和哲學(xué)化AGI的潛力。 
當(dāng)然，大多數(shù)關(guān)于我們流行文化中AGI的討論都集中在未來(lái)，而不是關(guān)于人工智能的現(xiàn)在的現(xiàn)實(shí)。下面，我們將討論AGI的當(dāng)前現(xiàn)情況以及我們?cè)?018年取得的突破。
我們有多接近真實(shí)的人工智能？
iPhone和其他硬件（如Siri或亞馬遜Alexa）內(nèi)置的軟件程序可能會(huì)使您相信我們非常接近真正的人工智能。
但為了真正以有價(jià)值的方式對(duì)此進(jìn)行評(píng)估，我們必須對(duì)AGI的真正含義達(dá)成共識(shí)。畢竟，如果我們不知道我們的目標(biāo)是什么，我們?cè)趺茨苓_(dá)到目標(biāo)呢？
真人工智能的定義
現(xiàn)在，我們擁有的每一項(xiàng)技術(shù)都具有某種“人工智能”，但它們大多只具備處理某些任務(wù)的能力。
Siri可以聽(tīng)你的聲音命令并為你執(zhí)行一些任務(wù)。但它可以執(zhí)行的任務(wù)于Apple為Siri創(chuàng)建的盒子。它只能從手機(jī)上的應(yīng)用程序中獲取信息。Siri可以為您提供天氣信息，為您瀏覽網(wǎng)頁(yè)，播放音樂(lè)等。
這雖然令人印象深刻，但并非真正的AGI。
具有真正AGI的機(jī)器將能夠執(zhí)行人類能夠完成的任何智力任務(wù)。這意味著如果你問(wèn)一個(gè)AGI機(jī)器人錘擊一個(gè)釘子，它不需要編程去做。它會(huì)自己嘗試 - 也許會(huì)失敗。它將能夠從錯(cuò)誤中吸取教訓(xùn)并嘗試，直到它找到正確的答案。
一個(gè)人不需要被教導(dǎo)如何走路。你只需通過(guò)反復(fù)試驗(yàn)就能搞清楚。具有AGI的計(jì)算機(jī)在理論上可以以相同的方式學(xué)習(xí)。

新2018年人工智能突破值得關(guān)注：
簡(jiǎn)而言之，今天的計(jì)算機(jī)仍然只會(huì)做你或程序員告訴它做的事 - 除此之外別無(wú)他法。它不能從錯(cuò)誤中學(xué)習(xí)，或者通過(guò)常識(shí)來(lái)理解任何東西。
但那可能很快就會(huì)改變。
可能的AGI突破2018年
盡管我們離真正的人工智能還有至少二十年的時(shí)間，但仍有一些令人難以置信的人和組織致力于使計(jì)算機(jī)像人腦一樣運(yùn)行。
Hiroshi Yamakawa和全腦建筑
過(guò)去幾年你可能在新聞和其他媒體上聽(tīng)過(guò)像“神經(jīng)網(wǎng)絡(luò)”和“機(jī)器學(xué)習(xí)”這樣的技術(shù)術(shù)語(yǔ)。機(jī)器學(xué)習(xí)只是指如果給計(jì)算機(jī)足夠大量的數(shù)據(jù)和足夠多的方式來(lái)解釋和指導(dǎo)這些數(shù)據(jù)，它就可以“思考”。 
IBM的Watson將整個(gè)互聯(lián)網(wǎng)作為其數(shù)據(jù)庫(kù)，通過(guò)機(jī)器學(xué)習(xí)能夠回答Jeopardy的問(wèn)題。
神經(jīng)網(wǎng)絡(luò)意味著創(chuàng)造一種機(jī)器學(xué)習(xí)，有效地模擬人腦中的神經(jīng)元網(wǎng)絡(luò)。 
這個(gè)領(lǐng)域還處于起步階段，但山川宏和他的全腦建筑倡議正在努力革新神經(jīng)網(wǎng)絡(luò)。截至目前，盡管存在多么復(fù)雜的神經(jīng)網(wǎng)絡(luò)現(xiàn)在仍然存在，但它們?nèi)匀粶?zhǔn)備好完成某項(xiàng)任務(wù)。沃森回答Jeopardy問(wèn)題 - 其他人是為面部識(shí)別或模仿人類手寫而設(shè)計(jì)的。
實(shí)質(zhì)上，它們反映了人類大腦功能的單一方面。Yamakawa認(rèn)為，我們需要進(jìn)一步擴(kuò)展我們的神經(jīng)網(wǎng)絡(luò)，將它們互相連接起來(lái)，讓它們像人腦一樣互相饋送。
Yamakawa的全腦神經(jīng)網(wǎng)絡(luò)將允許計(jì)算機(jī)完成任務(wù)，并以計(jì)算機(jī)設(shè)計(jì)階段未考慮的方式“思考”。它理論上會(huì)學(xué)習(xí)新的東西，并執(zhí)行自己意愿的新任務(wù)。
理想情況下，Yamakawa認(rèn)為，由于神經(jīng)網(wǎng)絡(luò)將設(shè)計(jì)在人腦之后，因此當(dāng)它變得真正人為智能化時(shí)，與計(jì)算機(jī)進(jìn)行通信和關(guān)聯(lián)將變得很容易。