人工智能革命：从ANI到AGI的道路

从ANI到AGI的道路为什么这么难？

没有什么比学习创造一台像人类一样聪明的电脑这种难以置信的创造更能让人欣赏人类的智慧了。建造摩天大楼，将人类置于太空中，弄清楚大爆炸如何发生的细节 - 这些都比了解我们自己的大脑或如何制造像它一样酷的东西要容易得多。截至目前，人类大脑是已知宇宙中最复杂的物体。

有趣的是，尝试构建AGI（一种与一般人类一样智能的计算机，而不是只局限于某一个特定领域）的困难部分并不直观，你认为它们是什么。构建一台可以瞬间将两个十位数字相乘的计算机 - 非常容易。建立一个可以看着狗并回答它是狗还是猫的机器人 - 非常困难。制作可以在国际象棋中击败任何人的人工智能？我们已经完成了。制作一个可以从一本六岁孩子的图画书中读出一段不仅仅是识别这些词而是理解它们的含义的段落？谷歌目前正在花费数十亿美元美元试图做到这一点。对于计算机而言，诸如微积分，金融市场策略和语言翻译等人类难以理解的东西对于计算机来说是非常容易理解的，而像视觉，动作，运动和感知这样的简单事物对它来说是非常困难的。或者，正如计算机科学家Donald Knuth所说的那样，“人工智能已经成功地完成了所有需要思考的事情，但未能在没有思考的情况下完成人和动物的大部分工作。”

当你想到这一点时你很快就会意识到，那些对我们来说似乎很容易的东西实际上是难以置信的复杂，而且它们看起来很简单，是因为这些技能在我们（和大多数动物）中经过了数亿年的动物进化中得到了优化。当您将手伸向一个物体时，肩膀，肘部和腕部的肌肉，肌腱和骨骼与您的眼睛一起会立即执行一系列物理操作，让您直接移动您的手通过三个维度。对你来说似乎毫不费力，因为你的脑中有完美的软件可以做到这一点。同样的道理也适用于为什么当你在一个网站上注册一个新账号时，软件不会因为你无法识别出带有偏见的单词通过识别测试而显得非常愚蠢，而是因为你的大脑能够识别出这些单词而让你印象深刻。

另一方面，对于生物来说，乘以大数或下棋是一种新的活动，我们没有时间进化出对他们的熟练程度，因此计算机不需要太努力就能击败我们。考虑一下 - 你宁愿做什么，是建立一个程序，可以用大数字相乘或者一个能够理解单词B的本质的程序:可以显示一个可能有成千上万的字体和笔迹的单词B后可以立即明白这是单词B?

一个有趣的例子 - 当你看到这个时，你和电脑都可以发现它是一个有两个不同色调的矩形，交替出现：

但是，如果你拿起黑色部分并露出整个图像，你可以完整地描述各种不透明和半透明的圆柱，板条和三维角，但计算机会出问题。它会描述它所看到的 - 各种不同色调的各种二维形状 - 其实这就是实际存在的东西。但是你的大脑正在做很多花哨的工作，以解释图片试图描绘的隐含深度，阴影混合和房间的灯光。看下面的图片，计算机可以看到一个二维的白色，黑色和灰色拼贴画：

而你很容易看到它的真实含义 - 一张完全黑色的三维岩石照片：

我们刚提到的所有内容仍然只是处理停滞不前的信息并对其进行处理。为了成为人工智能，计算机必须要理解微妙的面部表情之间的区别，高兴，放心，笑容，满足和高兴之间的区别，以及为什么勇敢的心很棒，但爱国者却是糟糕的。

这真的是令人望而生畏

那么我们如何做到这一点呢?

创建AGI的第一要点:提高计算能力

要使AGI成为可能，那么一件事是必须做到的，那就是增加计算机硬件的能力。如果人工智能系统要像大脑一样聪明，它就需要等于大脑的原始计算能力。

表达这种能力的一种方法是用大脑可以管理的每秒总计算量（cps），你可以通过计算出大脑中每个结构的最大cps然后将它们全部加在一起来得出这个数字。

Ray Kurzweil提出了一个捷径，通过对一个结构的cps进行专业估计，并将该结构的重量与整个大脑的重量进行比较，然后按比例相乘以得到总数的估计值。听起来有些不确定，但是他对不同地区的各种专业估计做了很多次，并且总数达到了10万亿分CPS。

目前，世界上最快的超级计算机，是中国的天河2号，实际上已经击败了这个数字，时钟频率约为34千万亿CPS。但是天河二号也是一个庞大的家伙，它占地720平方米，使用24兆瓦的电力（大脑只需20瓦），耗资3.9亿美元建造。不是特别适合于广泛使用，甚至在大多数商业或工业用途也不实用。

Kurzweil建议，通过查看可以以1，000美元购买多少cps来考虑计算机的状态。当这个数字达到人类级别的10千万亿CPS时，那就意味着AGI可能成为生活中真实的一部分。

摩尔定律是历史上一种可靠的规则，世界上最大的计算能力大约每两年翻一番，这意味着计算机硬件的进步，如历史上人类的进步一样，是呈指数增长。看看这与Kurzweil的cps / 1，000美元指标有什么关系，目前我们目前约为10万亿cps / 1，000美元，与此图表的预测轨迹同步：

因此，世界上1000美元的计算机现在正在击败老鼠的大脑，它们的水平大约是人类的千分之一。这听起来并不是很多，但是你记得在1985年能够达到人类水平的万亿分之一，1995年能够达到十亿分之一，2005年达到百万分之一。2015年达到千分之一的水平，这意味着我们有望在2025年前拥有一台价格适中、可与人脑相媲美的电脑。

因此，在硬件方面，AGI所需的原始功率现在在中国已经可以获得，我们将在10年内为经济实惠，并且要广泛使用的AGI级硬件做好准备。但仅凭原始计算能力并不能使计算机具有智能性 - 下一个问题是，我们如何将人类的智能带入这些能力？

创建AGI的第二个关键:让它变得聪明

这是令人讨厌的部分。事实是，没有人真正知道如何让它变得聪明 - 我们仍然在争论如何使计算机具有人类的智能水平，并且能够知道什么是狗和怪异的手写单词B和什么是平庸的电影。但是有很多牵强附会的策略，在某些时候，其中一个会起作用。以下是我遇到的三种最常见的策略：

1)剽窃大脑

这就像科学家们一样，在课堂上坐在他们旁边的那个孩子如此聪明并且在测试中的成绩也很好，即使那个孩子继续努力学习，他也不能做得像科学家那么好，然后他最终决定“他妈的，我要复制那个人的答案。”这其实很有意义 - 我们在试图构建一台超级复杂的计算时遇到了困难，而我们每个人的大脑都恰好都有一台完美的原型机，为什么不复制呢。

科学界正在努力的对大脑进行逆向工程，以弄清楚进化是如何产生如此惊人的结果的-乐观的估计认为我们可以在2030年做到这一点。一旦我们做到了这一点，我们就会知道大脑是如何如此有力和高效的运作的秘密，我们就可以从中汲取灵感并窃取其创新。模仿大脑的计算机体系结构的一个例子是人工神经网络。它起初是一个晶体管“神经元”组成的网络，通过输入和输出相互连接，它就像婴儿大脑一样。它“学习”的方式是它试图完成一项任务，比如手写识别，并且首先，它的神经启动和随后解读每个字母的猜测将是完全随机的。但当它告知它做对了正确的事情时，恰好产生这个答案的触发通路中的晶体管连接就会被加强; 当它被告知这是错误的时候，这些途径的联系被削弱了。经过大量的试验和反馈，网络本身已经形成了智能神经通路，并且机器已经针对该任务进行了优化。大脑学习有点像这样学习的，但是是以更复杂的方式，当我们继续研究大脑时，我们会发现利用神经回路的巧妙的新方法。

更极端的剽窃涉及一种称为“全脑模拟”的策略，其目标是将真实的大脑切成薄薄的一层，扫描每一层脑，使用软件组装一个精确重建的三维模型，然后在功能强大的计算机上实现该模型。然后我们有一台可以处理大脑所能处理的所有事情的计算机 - 它只需要学习和收集信息。如果工程师做到非常好，他们就能够以准确的精确度模拟一个真实的大脑，一旦大脑架构上传到计算机，大脑的完整人格和记忆就会完好无损。如果这个大脑在吉姆去世前属于吉姆，那么计算机将会以吉姆的名字醒来（？），这将是一个强大的人类级AGI，我们现在可以努力将吉姆变成一个难以想象的智能ASI，这可能会让他非常兴奋。

我们距离实现全脑模拟还有多远？到目前为止，我们最近还没有能够模拟1毫米长的扁虫大脑，它其中只有302个神经元。而人脑含有1000亿。如果这看起来像是一个无望的项目，请记住指数进展的力量 - 现在我们已经征服了微小的蠕虫大脑，那么征服蚂蚁的大脑可能在不久之后发生，接着是老鼠，这似乎变得合理起来。

2)尽量让进化做它以前做过的事情，但这次是相对我们来讲

所以，如果我们认为聪明孩子的测试很难模仿，我们可以尝试模仿他为考试而学习的方式。

这是我们知道的。建立像大脑一样强大的计算机是可能的 - 我们自己大脑的进化就是证据。如果大脑过于复杂，我们无法模仿，我们可以尝试模仿进化。事实是，即使我们可以模仿大脑，但这可能就像试图通过模仿鸟的翅膀的运作来建造飞机 - 通常，机器的最佳设计是使用一种全新的、面向机器的方法，而不是完全的模仿生物学。

那么我们如何模拟进化以构建AGI？这种被称为“遗传算法”的方法会起到作用：会有一次又一次发生的表现和评估过程（生物“按照生活方式”表现的方式相同，并通过“评估”来判断他们复制与否。一组计算机将尝试执行任务，并且最成功的计算机将通过将每个编程的一半合并到一台新计算机中而彼此进行繁殖。不太成功的将被淘汰。经过多次迭代，这种自然选择过程将产生更好的计算机。挑战在于创建一个自动评估和繁殖周期，以便这个演变过程可以自行运行。

复制进化的缺点是进化用了十亿年的时间做成了这件事，而我们想在几十年内做到这一点。

但是我们在进化方面有很多优势。首先，进化没有先见之明并随机工作 - 它产生的无效突变比有用突变更多，而我们会控制这个过程，因此它只会受益于有益的故障和有针对性的调整。其次，发展不瞄准任何东西，包括智能，有时一个环境甚至可能会反对选择更高的智力（因为它消耗了大量的能量）。另一方面，我们可以专门指导这种进化过程增加智能。第三，为了选择智能，进化必须通过一系列其他方式进行创新，以促进智能的发展 - 如改变细胞产生能量的方式 - 当我们可以消除这些额外的负担并使用电力之类的东西。毫无疑问的，我们会比进化的速度更快，但我们能否可以在进化的基础上做出足够的改进，使之成为一种可行的策略，目前还不清楚。

3)把这件事当成电脑的问题，而不是我们的问题

这是科学家们最绝望的时候，他们试图为测试编写程序。但这可能是我们拥有的最有前途的方法。

我们的想法是，我们将构建一台计算机，其两项主要技能是对人工智能进行研究，并将编码变更为它本身 - 使其不仅可以学习，还可以改进自己的架构。我们将电脑变成计算机科学家，这样他们就可以自己进行发展。这将会是他们的主要工作 - 弄清楚如何让自己变得更聪明。稍后我们会对此进行详细介绍。

所有的这一切都会很快将要发生

硬件的快速发展和软件的创新实验正在同时发生，AGI可能会迅速出乎意料地赶上我们，主要有两个原因：

1)指数增长非常激烈，看起来像蜗牛的进步速度可以迅速向上竞争 - 这个GIF很好地说明了这个概念：

2)当谈到软件时，进展看起来似乎很慢，但是一个顿悟可以立即改变进步的速度（有点像科学，在人类认为宇宙的中心是地心说的时候，很难计算宇宙是如何工作的，但随后发现它是日心说的时候突然使一切都变得很容易）。或者，当涉及到像计算机这样能够改善自身的东西时，我们可能看起来很遥远，但实际上只需要对系统的一个微调，他就有可能变得比原来高效1000倍，并迅速提升到人类的智能水平。

更多内容可移步：https://www.cda.cn/?seo-CSDN