目前世界上有對強人工智慧的嘗試嗎？具體瓶頸是什麼？

1樓：曹鈺

自從有人工智慧概念以來，就有無數的人在嘗試強人工智慧。這些人來自不同背景，不同的方法，但是截止目前，他們都失敗了。歸根到底，他們存在的乙個共同的問題，是沒有解決「什麼是智慧型」的問題。

即使現在的深度學習也不過是公升級版的統計方法，與「智慧型」簡直是南轅北轍。

關鍵的問題是「什麼是智慧型」。大腦是智慧型的載體，是大腦在運作過程中體現出來的表象。而了解了大腦的工作原理，才能讓我們知道什麼是智慧型，然後才能打造出基於大腦工作原理的人工智慧。

而從腦科學到人工智慧的非常困難的事，不少人也嘗試過這個方向，但是都是誤入歧途，因為這個需要對大腦工作原理的執著追求和上天給的天賦，缺一不可。打造腦科學人工智慧需要循序漸進，先從簡單的功能做起，遵循著大腦工作原理逐步新增功能，才能最終實習強人工智慧。關於腦科學人工智慧的介紹可以看這篇文章：

曹鈺：腦科學和人工智慧的思考

2樓：愛閒逛的釗釗

1，先說困難:

資訊熵是資訊理論中用於度量資訊量的乙個概念。乙個系統越是有序，資訊熵就越低；反之，乙個系統越是混亂，資訊熵就越高。所以，資訊熵也可以說是系統有序化程度的乙個度量。

就如夏農根據熱力學創造了資訊熵，目前的ai領域並沒有標準的方式來衡量「智慧型熵」，甚至都無法定義這個詞的具體詞意。這是我覺得目前最大的問題。

先吃飯，待更。。

3樓：limazulukilo

也許我們已經從認知科學的角度，基本揭示了人類智慧型的原理：

limazulukilo：通用智慧型原理假說 ——《深層學習：心智如何超越經驗》讀書筆記

4樓：Universe

其實世界一直對強人工智慧投入精力，但和人工智慧的其他方面的投入並不成比例，現在的人工智慧領域大多是把人工智慧當做工具來使用如計算，搜尋，自動駕駛，無人機，而強人工智慧是機器能想人一樣思考

而強人工智慧的瓶頸並不在於機器運算的速度，軟體和硬體的複雜程度而在於人類對自己的認識，而我們對自己並不了解，我們不能準確的定義意識，直覺以及靈魂這些人類與人工智慧最大的差異……

5樓：Mr.Lee

現在的人工智慧頂多是演算法的優化本質上還是那一套，真正意義上的強人工智慧或許在量子計算機發展起來之後才有機會吧，，就像蒸汽機把時代推向工業時代一樣，或許量子計算機才是人工智慧的基礎吧，答主只是程式設計師了解一些量子力學的理論。個人想法勿噴

6樓：

先定義清楚什麼是強人工智慧，如果定義成其智慧型在各方面都超越人類，那麼強人工智慧出現的一天，也就是人類被取代的一天。因為這個強AI立馬可以創造出更強的AI，如此幾個迴圈之後，人類跟最終出現的神級AI一比就是智障，人類還不自己去死？難道要等著神級AI親自動手？

7樓：科技表音字

瓶頸是自然語言「語義」(period)。包括建模、學習、處理。目前公開的方法中，沒有具有普遍性的準確的語義模型。

Word2vec, LSA之類僅僅能夠進行相似性比較，不能用於語義推理。

邏輯語義模型僅僅能對少數量詞(quantifier)建模。遠不能達到自然語言語義的完備性。

（劇透：完備的、可學習的語義模型的研究正在進行，原型已經通過測試。但是近期技術細節不會公開。比目前公開的深度學習系統，水平至少先進20年。）

8樓：

有啊，請自行Google AIXI，這是Hutter在IDSIA時和Schmidhuber合作的工作，現在Jürgen的主頁上也還有這個工作的簡介。那麼瓶頸在哪兒？這個AGI的理論模型不加擾動算不下去。。。

從另乙個角度講目前很多做NLP的人，他們都認為NLP和Knowledge Graph是能夠AGI的，之前有道問題問NLP的樂趣和意義是什麼？知識資訊檢索啊，這玩意要能自己分析檢索自己，自己構建知識庫，這就是個會思考的機器了，就AGI了。。。但是我覺得這是很難單獨依賴nlp來實現的

DeepMind及加拿大的一大幫人都認為深度強化學習可以實現AGI，所以就拉上暴雪打星際，然後希望這個方法在不久的將來可以AGI了，但不久前他們發了新文章和新平台，很遺憾的沒有成功。

還有一些人在做uncertainty inference，transfer learning，我覺得這個應該是AGI裡比較重要的部分，現在主要還是貝葉斯流派在做

9樓：王贇 Maigo

我覺得，人類所具有的智慧型中的相當一部分，來自於「生活經驗」。正是因為有了生活經驗，人類才能根據實際情況隨機應變，並把多種任務融會貫通。

如果要讓機器具有同等的智慧型，我覺得「生活經驗」是必不可少的。那麼強 AI 就面臨著下面兩個挑戰：

如果要用現有的方法教給機器這些「生活經驗」，就需要把它們具體化成資料，而人類的「生活經驗」往往很抽象，難以資料化；

如果要讓機器親身獲得「生活經驗」，就需要人類把它們接納到「生活」中來，這在倫理方面有很大的問題，另外可能也發揮不出機器的學習效率。

10樓：張翔

強人工智慧本身就是乙個比較模糊的概念，更沒有任何科學家對實現強人工智慧有任何頭緒。

當前人工智慧的科研正在逐漸趨於模組化的發展模式，即不同的科學家用不同的方式來實現智慧型的某乙個具體能力，但沒有人能夠說他的方法能夠唯一地實現所有可能的智慧型現象（包括最近經常上新聞的強化學習）。

現在科學家們已經意識到，到目前為止人工智慧並沒有能夠解決所有問題的瑞士軍刀，那種拿著錘子覺得什麼都是釘子的方式不會有什麼好結果（說的就是沃森）。

但是未來會不會有乙個大一統理論，我的個人觀點比較悲觀，因為我們所知的唯一的智慧型體是我們人類本身，然而人類大腦的思維（或計算）能力是有物理限制的，不可能全面理解乙個物理上等同或超過自身的智慧型體。模組兒化的、面向具體問題的人工智慧應該會是未來很長一段時間的發展方式。