通用人工智能
通用人工智能（AGI）是具有一般人类智慧，可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标，也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI（strongAI）或者完全AI（fullAI），或称机器具有执行通用智能行为（generalintelligentaction）的能力。与弱AI（weakAI）相比，强AI可以尝试执行全方位的人类认知能力。
人们提出过很多通用智能的定义（例如能够通过图灵测试），但是没有一个定义能够得到所有人的认同。然而，人工智能的研究者们普遍同意，以下特质是一个通用人工智能所必须要拥有的：
自动推理，使用一些策略来解决问题，在不确定性的环境中作出决策知识表示，包括常识知识库自动规划学习使用自然语言进行沟通以及，整合以上这些手段来达到同一个的目标还有一些重要的能力，包括机器知觉（例如计算机视觉），以及在智能行为的世界中行动的能力（例如机器人移动自身和其他物体的能力）。它可能包括探知与回避危险的能力。许多研究智能的交叉领域（例如认知科学、机器智能和决策）试图强调一些额外的特征，例如想象力（不依靠预设而建构精神影像与概念的能力）以及自主性。基于计算机系统中的确已经存在许多这样的能力，例如计算创造性、自动推理、决策支持系统、机器人、进化计算、智能代理，然而这些系统并未达到人类的水平。
测试人类水平的通用人工智能具有以下几种方式：
图灵测试（图灵提出）：一名人类参与者与一台机器和一名人类进行对话，参与者看不见目前对话的是人类还是机器。如果在很长一段时间内，参与者无法判断与他对话的是人类还是机器，那么机器就通过了测试。咖啡测试（沃兹尼亚克提出）：一台机器需要具备在普通的美国家庭中弄清楚如何煮咖啡的能力：找到咖啡机，找到咖啡，加水，找到一个马克杯，按下正确的按钮开始煮咖啡。机器人大学学生考试（哥兹柔提出）：一台机器就读于一所大学，选择并通过和人类相同的课程，最终取得学位。就业测试（尼尔森提出）：机器从事一份经济上起着重要作用的工作，在工作中的表现至少和人类一样好。扁平家具测试（TonySeveryns提出）：需要一台机器来打开和组装一件扁平家具。它必须阅读说明并按照描述组装项目，正确安装所有部分。通用人工智能也引发起一连串哲学争论，例如如果一台机器能完全理解语言并回答问题的，这台机器是不是有思维的？
关于通用人工智能的争论，不同于更广义的一元论和二元论的争论。其争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那么这台机器是不是有思维的？哲学家希尔勒认为这是不可能的。他举了著名的中文房间（Chineseroom）的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。
关于这个争论，也有哲学家持不同的观点。丹尼尔丹尼特在其著作《意识的阐释》（ConsciousnessExplained）里认为，人也不过是一台有灵魂的机器而已，为什么我们认为：“人可以有智能，而普通机器就不能”呢？他认为像上述的数据转换机器是有可能有思维和意识的。
通用人工智能/强人工智能虽说是人工智能研究的最终目标，可是就现状来看，弱人工智能仍是研究发展的重点。通用人工智能的实现，离不开机器与意识、感性、知识和自觉等人类特征的相互连结，目前还有很长的路要走。
描述和图片来源:
https://en.wikipedia.org/wiki/Artificial_general_intelligenceGoertzel,B.(2007).Artificialgeneralintelligence(Vol.2).C.Pennachin(Ed.).NewYork:Springer.https://pdfs.semanticscholar.org/782a/ceec18dd97923ea8d1eb93c326133ba980c2.pdf发展历史现代人工智能研究开始于1950年代中期。最早的一批人工智能研究者相信强人工智能不仅是可能的，而且将在几十年内出现。人工智能先驱HerbertSimon在1965年写道：“在20年之内，机器就能够做到一个人能做到的任何事。”启发这一预言的是斯坦利·库布里克和亚瑟·查理斯·克拉克在《2001太空漫遊》（2001:ASpaceOdyssey）创作的角色，HAL9000。当时的人工智能研究者确信，能够在2001年制造出这样的机器。值得一提的是，人工智能先驱MarvinMinsky，在创作HAL9000的工作中，他担任了尽量将其制作得与当时主流研究界预言一致的项目顾问，他在1967年曾说：“在一代人之内，制造‘人工智能’的问题就将被基本解决。”1960年后，HerbertSimon发表了多项人工智能领域的著作，如“Thesciencesofartificial”和“Motivationalandemotionalcontrolsofcognition”等，相比于计算机学家，Simon更多的关注了决策，认知，动机等方面的人为行动相关的因素。MarvinMinsky在1967年发表了著作“Computation:FiniteandInfiniteMachines”，介绍了多种抽象计算的概念。
然而，到了1970年代早期，研究者们意识到他们远远低估了其中的困难。资助AI项目的机构开始对强人工智能产生怀疑，向研究者们施压要求他们转向更有用的技术，所谓的“应用AI”。在1980年代初，日本的第五代电脑开始重新对强人工智能恢复兴趣，制定的十年计划中包括一些强人工智能的目标，比如“进行日常对话”。同时，专家系统的成功和它一起促成了工业界和政府的资金重新开始注入这个领域。然而，人工智能的市场在1980年代晚期发生剧烈崩塌，而第五代计算机的目标从未实现。再一次，人工智能研究者们对于强人工智能即将到来的预言在20年之内被证明超出了他们的能力。到了1990年代，人工智能研究者背上了无法实现自己承诺的名声，他们拒绝再作出任何预言。并且避免提到任何“人类水平”的人工智能，以免被贴上“白日梦”的标签。这一阶段是人工智能的冰河期，也是对通用/强人工智能过于乐观的后果和教训。但是一些经典文章也产生了深刻价值，为后来的研究提供了基础和思路。
1972年，Minsky发表的文章“Artificialintelligenceprogressreport”总结了过去几年的发展，主要的成果，以及存在的很多问题，为今后的研究塑造了一个方向。1977年，Feigenbaum发表论文“Theartofartificialintelligence”，介绍了关于知识工程，心理学等多种人工智能话题。在1990年代和21世纪初，主流的人工智能在商业成果和学术地位上已经达到了一个新高度，依靠的是专注于细分的专门问题的解决，例如人工神经网络、机器视觉以及数据挖掘。（在此词条中就不对这些进行深入介绍和讨论）2007年，BenGoertzel的著作“Artificialgeneralintelligence”全面介绍了如何构造一个全面的思考机器，对通用人工智能提出了很多思考和待解决问题。同年，Goertzel的另一篇论文“Afoundationalarchitectureforartificialgeneralintelligence”提出了一个用于构建通用人工智能基本框架的思想。
目前，大多数主流的人工智能研究者希望，能够通过将解决局部问题的方法组合起来实现强人工智能，例如将智能体架构、认知架构或者包容式架构整合起来。
主要事件
年份事件相关论文/Reference1967HerbertSimon从认知，动机，情感控制等方面的人为行动相关的因素分析通用人工智能的发展Simon,H.A.(1967).Motivationalandemotionalcontrolsofcognition.Psychologicalreview,74(1),29.1967MarvinMinsky发表著作ComputationMinsky,M.L.(1967).Computation.EnglewoodCliffs:Prentice-Hall.1972Minsky和Papert总结了过去几年的发展，主要的成果，以及存在的很多问题，为今后的研究塑造了一个方向Minsky,M.,&Papert,S.A.(1972).Artificialintelligenceprogressreport.1977Felgenbaum介绍了关于知识工程，心理学等多种人工智能话题，不仅仅局限于计算机，统计等方面Felgenbaum,E.A.(1977).Theartofartificialintelligence.InProceedingsoftheInternationalJointConferenceonArtificialIntelligence.2007Goertzel全面介绍了如何构造一个全面的思考机器，对通用人工智能提出了很多思考和待解决问题Goertzel,B.(2007).Artificialgeneralintelligence(Vol.2).C.Pennachin(Ed.).NewYork:Springer.2007Goertzel和Wang提出了一个用于构建通用人工智能基本框架的思想Goertzel,B.,&Wang,P.(2007).Afoundationalarchitectureforartificialgeneralintelligence.AdvancesinArtificialGeneralIntelligence:Concepts,ArchitecturesandAlgorithms,6,36.发展分析瓶颈
通用人工智能，意味着机器不能被一个简单的特定算法解决。人们假定通用人工智能的问题包括计算机视觉、自然语言理解，以及处理真实世界中的意外情况。目前为止，通用人工智能的问题仍然不能单靠现代计算机技术解决，而是需要人类计算。这一点在某些方面很有用，例如通过验证码来判别人类和机器，以及在计算机安全方面用于阻止暴力破解法。但是想做到让机器全面实现任务，目前的人工智能还有相当大的局限性。
未来发展方向
拓宽现有弱人工智能的应用面，使机器视觉，语言理解等可以应用到更多生活中的场景。开拓计算机科学家的视野，更多的关注心理学，神经科学，脑科学的发展和应用，从人类相关的领域获取灵感和人工智能发展的来源。预先定义和解决通用人工智能可能带来的社会哲学问题。Contributor:YuanchaoLi
人工智能已出现种族和性别偏见：是人类教坏了它
导语：英国媒体《卫报》今日发表评论文章指出，人工智能已经开始出现了种族和性别偏见，但是这种偏见并非来自机器本身，而是计算机在学习人类语言时吸收了人类文化中根深蒂固的观念。科学家呼吁，应当建立一个监管机构，去纠正机器的这种行为。
以下是文章主要内容：
让计算机具备理解人类语言的人工智能（AI）工具已经出现了明显的种族和性别偏见。
这些发现令人担忧现有的社会不平等和偏见正在以新的、不可预知的方式得到强化，因为影响人们日常生活的大量决策正越来越多地由机器人做出。
在过去的几年里，谷歌翻译等程序的语言翻译能力有了显著提高。这些成就要得益于新的机器学习技术和大量在线文本数据的使用，并在此基础上对算法进行训练。
然而，最新研究显示，随着机器越来越接近于掌握人类的语言能力，它们也在吸收隐藏于语言中的根深蒂固的偏见。
巴斯大学的计算机科学家、论文合著者乔安娜·布莱森（JoannaBryson）说：“很多人都认为这表明人工智能（AI）存在偏见。不，这表明我们有偏见，人工智能正在有样学样。”
但布莱森警告说，人工智能有可能强化现有偏见，因为算法与人类不同，可能无法有意识地抵制学到的偏见。“危险在于，你拥有的人工智能系统没有一处零部件明确需要依靠道德观念驱动，这就不好了，”她说。
微软去年推出的Twitter机器人因不当言论而紧急下线上述研究发表在《科学》杂志上，重点关注一种名为“单词嵌入”机器学习工具，后者已经改变了计算机解读语音和文本的方式。有人认为，下一步科技发展将自然而然地涉及到开发机器的类人化能力，如常识和逻辑。
“我们选择研究单词嵌入的一个主要原因是，近几年来，它们已帮助电脑在破解语言方面取得了巨大成功，”这篇论文的资深作者、普林斯顿大学计算机科学家阿尔文德·纳拉亚南（ArvindNarayanan）说。
这种方法已经在网络搜索和机器翻译中使用，其原理是建立一套语言的数学表示式，依据与每个单词同时出现的最常用单词，将这个词的意思提炼成一系列数字（也就是词向量）。也许令人惊讶的是，这种纯粹的统计方法似乎能够捕捉到每个词所在的丰富的文化和社会背景，这是字典无法定义的。
例如，在数学“语言空间”，与花朵有关的词汇往往与描绘心情愉悦的话语聚集在一起，而与昆虫相关的词汇则往往与心情不愉快的词汇同时出现，反映出人们对昆虫与花朵的相对特点所达成的共识。
最新的文件显示，人类心理实验中一些更令人不安的隐性偏见也很容易被算法捕获。“雌性”和“女性”与艺术、人文职业和家庭的联系更紧密，“雄性”和“男性”与数学和工程专业更为接近。
而且，人工智能系统更有可能将欧美人的名字与诸如“礼物”或“快乐”之类的愉快词语联系在一起，而非裔美国人的名字通常与不愉快的词语联系在一起。
研究结果表明，算法与隐式联想测试拥有同样的偏见，也就是把表示愉快的单词与（美国和英国的）白人面孔联系起来。
这些偏见会对人类行为产生深远的影响。一项先前的研究表明，相对于非洲裔美国人，如果申请者的名字是欧洲裔美国人，即使简历内容相同，后者所能获得的面试邀请将比前者多出50%。最新的研究结果表明，除非采用明确的编程来解决这个问题，否则，算法将与现实社会一样，充斥着相同的社会偏见。
“如果你不相信种族主义与姓名存在联系，这就是例证，”布莱森说。
研究中使用的机器学习工具是在被称为“通用爬虫”语料库的训练数据集中接受训练的，其中的8400亿个词语都是从网上公布的材料中选取的。当研究人员把训练数据集换成谷歌新闻的数据对机器学习进行训练时，也出现了类似结果。
牛津大学数据伦理和算法领域的研究人员桑德拉·沃彻（SandraWachter）说：“世界存在偏见，历史数据存在偏见，因此，我们得到带有偏见的结果，不足为奇。”
她补充说，算法不仅代表一种威胁，也可能为采取适当方式解除和对抗偏见提供机会。
“至少利用算法，我们可能知道算法会在什么时候出现偏差，”她说。例如，人类会在解释为何不雇佣某人时说谎，与此相反，算法不会撒谎，不会欺骗我们。”
然而，沃彻说，问题在于如何从旨在理解语言的算法中消除不恰当的偏见，同时又不剥夺它们的解读能力，这将是具有挑战性的工作。
“原则上，我们可以建立一些系统对带有偏见的决定进行检测，然后采取行动，”沃彻说，并与其他人一起呼吁建立一个人工智能监管机构。“这是一项非常复杂的任务，但作为一种社会责任，我们不应回避。”（斯眉）
标签:人工智能AI算法
更多好物在等你新浪众测·免费送推荐阅读聚焦应用中心新浪公益新浪游戏新浪视频新浪科技带领皇室家族赢得胜利靠反应力还不如背赛道动脑筋喂小怪物吃饼干轻松延长手机续航时间练就梦寐以求的好身材帮助保持健康生活方式随心所欲打造完美效果银河系最全新番齐放送复杂世界里一个就够了进入机器梦境寻找真相疯狂逃离恐怖的压碎机冰锋暗影古色庙殿狂奔斗巫师夺回被偷的糖果屯兵练兵出征攻占堡垒伪装胖猪混敌营救伙伴国内最专业的手机地图帮你一起保护你的颈椎随时随地轻松订火车票沈阳遭遇六级重度雾霾2万大妈齐跳小苹果禁烟范冰冰传递社会正能量未富先老养老金吃紧益调查：慈善需立法么反虐待动物法制化呼声高涨如何看待广州拟奖拾金不昧环保部即将解决红顶中介明星婚礼上的“善”姿“百名春蕾之星”评选舞剧《画皮》关注孤独症女孩患尿毒症自筹药费互联网发展基金会成立林青霞为慈善参加节目全面实施城乡大病保险儿童安全座椅强制认证办养老院真的是机会么志愿者慰问抗战老兵战舰世界海神节礼包乱斗西游2新浪独家卡倩女幽魂2夏日特权卡功夫熊猫新手高级礼包新倩女幽魂新浪特权卡灵魂战神不删档测试码我是大主宰新浪荣耀卡大话西游2免费版礼包西楚霸王新浪荣耀礼包镇魔曲神兵觉醒尊享卡完美国际2一生有你卡新天龙八部新手特权卡问道经典十年至尊礼包大战神新浪独家礼包热血传奇新区独享礼包剑网3萌宠浪浪大礼包创世2封测激活码问道手游媒体礼包极限Girl美与野性结合让萌宠当一天司机亲千万不要手贱啊超级屌的视觉错觉运动地球上最美丽的天堂鸟新一代武林最萌小道士神奇的PS造钱术大开眼界的泡面新吃法让宝宝嘴馋的菠萝炒饭经典电影镜头神级剪辑亲手教你范爷经典妆容盘点全球最糟糕山寨品恶搞:当一骷髅在开车健身是把整容刀三分钟看尽十年成长和TFBOYS一起过暑假不用去医院的牙美白术一分钟识别面试潜台词Windows10升级秘籍净水器的水有多深？识趣毕业季户外特辑用户关注手机哪些功能有曰：国内外展会吐槽三十年经典Moto手机ChinaJoy2015大看点东芝虚增利润财务丑闻紫光集团收购美光科技诺基亚为未来电影造球全球APP开发创意大赛享说第四期主持人李晨猎豹靠近捕食熟睡疣猪非洲血腥动物标本加工相机拍泡腾片遇水冒泡冰岛令人窒息美景懒惰青蛙蜗牛背搭便车美摄影师拍奇怪毛毛虫