互联网上充斥着当今存在的令人惊叹的应用程序的故事，这些应用程序在多年的人工智能研究中达到了顶峰。与上述人工智能系统的例子类似，人工智能系统可以比人类医生更准确地诊断癌症，在许多其他领域，专门的人工智能正在复制类似人类的推理和认知。

例如，社交媒体网站使用的深度学习算法越来越善于识别对象、人，甚至是这些对象和人的详细特征。由深度学习驱动的现代计算机视觉技术现在可以识别发布在社交媒体上的图片中的人、此人在图片中的位置、他们的表情以及他们可能佩戴的任何配饰。这使得人工智能系统能够像人类一样感知图像。这些系统不仅可以简单地从图像中识别人，甚至可以分析细微的模式来识别不明显的属性。斯坦福大学(Stanford University)的一项研究就是一个例子。该研究示，神经网络仅通过分析人脸就能识别出人们的性取向，这种能力在人类身上极不可能存在。

人工智能系统实现类似人类壮举的另一个例子是自然语言处理(NLP)，人工智能可以理解自然语言中的语音或文本。AI变得精通理解文本的意义和语言作为智能手机的应用程序，比如聊天机器人和虚拟助理(Siri, Cortana等)和自然语言生成的进步，这是一代的信息在正常人类的语言，在许多应用程序中使用的机器必须回应人们语音或文本。

人工一般智能究竟是什么？

尽管人工智能必须接受任何功能的训练，才能在拥有大量训练数据的情况下发挥作用，但人类的学习经验却少得多。此外，人类——以及(或许有一天)具有人工一般智能的智能体——可以更好地进行概括，将从一种经验中学到的知识应用到其他类似的经验中。具有人工一般智能的智能体不仅可以用相对较少的训练数据学习，还可以将从一个领域获得的知识应用到另一个领域。例如，受过使用NLP处理一种语言培训的AGI代理可能能够学习具有共享根和类似语法的语言。这种能力将使人工智能系统的学习过程类似于人类的学习过程，大大缩短训练时间，同时使机器获得多个领域的能力。

人工智能能实现一般智能吗？

人工智能系统，尤其是人工通用智能系统是以人脑为参照而设计的。由于我们自己对大脑及其功能没有全面的了解，因此很难对其进行建模和复制。然而，正如丘奇-图灵理论所指出的那样，从理论上讲，创造能够复制人脑复杂计算能力的算法是可能的。该理论用简单的话说就是，给定无限的时间和内存，任何类型的问题都可以用算法解决。这是有道理的，因为深度学习和人工智能的其他子集基本上是记忆的功能，拥有无限(或足够多)的记忆意味着可以使用算法解决尽可能高复杂度的问题。

我们离人工智能还有多远？

我们离人工智能的普及还很远，但人工智能研究的指数级进步可能会在我们有生之年或本世纪末达到人工智能的发明的顶峰。AGI的发展对人类是否有益还有待讨论和猜测。对于出现第一个实际的AGI应用程序所需的时间的准确估计也是如此。但有一件事是肯定的——AGI的发展将引发一系列事件和不可逆转的变化(好或坏)，将永远重塑我们所知的世界和生活。