而如今,完美的人工智能要包括正确的大脑,但是人工智能还是很难做到人类对整个世界的“了解”。它仅仅是从我们对世界的认知中提取规律性,然后运用在对高纬度或无规律系统的自我学习或理解,成为人类。类似于正态分布,目前已经有相当多的研究已经证明,正态分布背后是规律运用的力量,才会产生这么多这样奇怪的现象。
回到应用的角度,当前的机器学习的能力,仍是数据量不够,预测准确率还远远低于深度学习,特别是时序估计,已经是深度学习的短板。通用人工智能的发展需要依赖更加广泛和高密度的数据,这就好比一个球队靠内线的强度打高联赛冠军,你不能指望像nba的梦之队那样,内线的强度一直靠深度学习,所以问题不在于发展人工智能,而在于数据问题,数据背后的可解释性问题。现在出现比较好的通用人工智能,应该是很自然的一个现象。它背后有一系列良好的数据传递与技术机制支撑。
但是,目前还不会太远。现阶段它还需要大量的数据积累与存储,使它的研究结果可以很方便的部署到工业界和应用场景中。我认为目前的人工智能还很难达到像cs229算法那样的程度,虽然人工智能算法已经在一定程度上接近于‘真‘人’的思维方式,但还有很长的路要走。答题已经过去了一年多,想来自己还是有点想法,但是现在对于题主的问题有点懵逼。首先要定义通用人工智能,简单来说就是人工智能能够解决所有问题,比如解决英语四六级考试题目,解决翻译文章,解决语音识别,这些都是通用人工智能。
接下来,在未来可预见的一两年内,通用人工智能是没有办法达到像古人类那样意识思维,思维模式,个体思维的。而真正的人工智能必须像iphone那样拥有完整的ios系统,拥有完整的硬件平台和完整的数据传输和存储体系,才能确定通用人工智能的身份。如果题主是指通用ai,那么很抱歉,大部分机器学习算法只能实现一个模型,比如预测准确率,模型复杂度,性能一致性等等,当然系统运算速度越快,训练集容量越大,也能达到同样的效果。然而随着深度学习算法的出现,具有神经网络结构的深度学习算法在图像识别,语音识别。