从IBM的Jeopardy电脑，Watson到Westworld等电视节目，我们已经开始共同探索和哲学化AGI的潜力。
当然，大多数关于我们流行文化中AGI的讨论都集中在未来，而不是关于人工智能的现在的现实。下面，我们将讨论AGI的当前现实情况以及我们在2018年取得的突破。
我们有多接近真实的人工智能？
iPhone和其他硬件（如Siri或亚马逊Alexa）内置的软件程序可能会使您相信我们非常接近真正的人工智能。
但为了真正以有价值的方式对此进行评估，我们必须对AGI的真正含义达成共识。毕竟，如果我们不知道我们的目标是什么，我们怎么能达到目标呢？
真人工智能的定义
现在，我们拥有的每 项技术都具有某种“人工智能”，但它们大多只具备处理某些任务的能力。
Siri可以听你的声音命令并为你执行 些任务。但它可以执行的任务仅限于Apple为Siri创建的盒子。它只能从手机上的应用程序中获取信息。Siri可以为您提供天气信息，为您浏览网页，播放音乐等。
这虽然令人印象深刻，但并非真正的AGI。
具有真正AGI的机器将能够执行人类能够完成的任何智力任务。这意味着如果你问 个AGI机器人锤击 个钉子，它不需要编程去做。它会自己尝试 - 也许会失败。它将能够从错误中吸取教训并尝试，直到它找到正确的答案。
个人不需要被教导如何走路。你只需通过反复试验就能搞清楚。具有AGI的计算机在理论上可以以相同的方式学习。
简而言之，今天的计算机仍然只会做你或程序员告诉它做的事 - 除此之外别无他法。它不能从错误中学习，或者通过常识来理解任何东西。
但那可能很快就会改变。
可能的AGI突破2018年
尽管我们离真正的人工智能还有至少二十年的时间，但仍有 些令人难以置信的人和组织致力于使计算机像人脑 样运行。
Hiroshi Yamakawa和全脑建筑
过去几年你可能在新闻和其他媒体上听过像“神经网络”和“机器学习”这样的技术术语。机器学习只是指如果给计算机足够大量的数据和足够多的方式来解释和指导这些数据，它就可以“思考”。
IBM的Watson将整个互联网作为其数据库，通过机器学习能够回答Jeopardy的问题。
神经网络意味着创造 种机器学习，有效地模拟人脑中的神经元网络。
这个领域还处于起步阶段，但山川宏和他的全脑建筑倡议正在努力革新神经网络。截至目前，尽管存在多么复杂的神经网络现在仍然存在，但它们仍然准备好完成某项任务。沃森回答Jeopardy问题 - 其他人是为面部识别或模仿人类手写而设计的。
实质上，它们反映了人类大脑功能的单 方面。Yamakawa认为，我们需要进 步扩展我们的神经网络，将它们互相连接起来，让它们像人脑 样互相馈送。
Yamakawa的全脑神经网络将允许计算机完成任务，并以计算机设计阶段未考虑的方式“思考”。它理论上会学习新的东西，并执行自己意愿的新任务。
理想情况下，Yamakawa认为，由于神经网络将设计在人脑之后，因此当它变得真正人为智能化时，与计算机进行通信和关联将变得很容易。
计算创造力
模仿人脑的大障碍正在抓住其创造性的本质。
传统计算机的核心是非常愚蠢的。他们把事情做得超 直接，只能回答真实或错误的问题。这使计算机非常擅长数学或执行任何需要正确或错误答案的智力任务。
但是如果你想要 台电脑执行 个根本没有正确答案的任务呢？如果你想要 台电脑绘画或写 本小说会怎么样？ 幅画不可能是真的或假的。它只是。让电脑了解这可能很困难。
但以前认为不可能的事现在已成为现实。 近，日本的AI 利用复杂的神经网络撰写了 本几乎获得文学奖的书。
当然，它仍然需要人类的 些帮助。创造人工智能的团队为了写小说还必须给计算机以情节，角色和性别。但是句子 - 它们的结构和华丽的语言 - 是自主编写的。
电脑还需要 个以前写作的数据库才能开始，但这与人类大脑的工作方式没有多大区别。随着时间的推移，我们只能期待技术变得更加复杂。
想要了解关于AI的更多信息？
希望这篇文章能够澄清关于人工智能的 些误解，并且让我们清楚地知道我们将来可以从机器人对手那里得到什么。我们离真正的人工智能还有很长的路要走，但是我们每天都靠近。