1樓：AT 人工思維
AI 本質上是由模型、演算法和資料驅動的感知與行為（眼、耳、鼻、舌、身，物質層面）的類人模擬智慧型，自2023年這一概念提出至今未有任何理論上的革命性進步，且產生了幾個互不相容的技術路線：符號主義、聯結主義和行為主義等，其進步更多是受益於晶元整合度和計算力的巨幅提公升，以及大資料的出現！
目前，所有技術路線的 AI 都存在著概念化難題或意義（意，精神層面）障礙，而概念化或意義理解能力，恰恰是人類認知和思維能力的根本性基礎！因此，當前所有技術路線的 AI 都無法使機器具備類人的概念性的理解力和思維力，或者說都面臨著難以有效解決的理解力和思維力的缺失困境！AI 比人類強大的方面只是計算力！
在理解力和思維力方面，AI 的能力幾乎為零！這也是各種 AI 難以真正落地及 L4-L5 級別自動駕駛難以真正實現的內在原因！
如果把機器具備（類人的概念性的）理解力和思維力視為實現 AGI（通用人工智慧）的必要條件，那基於 AI 現有的哲學和數學基礎， AGI 這一概念客觀上就不可能存在！AI 所面臨的理解力和思維力的缺失困境，單純依靠技術和工程層面的手段是無法有效解決的！解決這一困境問題真正需要的是哲學和數學這兩個基礎學科取得革命性突破，而不是需要腦科學和神經科學等學科的革命性突破，但真正突破了所實現的必然就不是 AI 或 AGI 了，而是我們所稱的 AT（人工思維）——類人的概念性的機器思維！
2樓：Eliot Alexander
雖然從技術、商業等角度這種問題挺無聊，但是還是回答一下不管有沒人看吧。
目前個人觀點，通用人工智慧的候選者（學術上有影響力並且已經成熟的理論模型）主要有三個：
1.deepmind 基於情景編碼的元強化學習；
2.Friston的最小自由能與連續吸引子神經網路3.Baar的意識的工作空間理論與transformer
3樓：達文東
人工智慧是建立在大資料基礎上的，即使有小部分的人工智慧很完美，但是也會依舊存在許許多多的缺陷。例如大資料收集的完整性，隨著時間推移的資訊更新，人工智慧的持續性，日常的維護以及擬人，程式假如出現問題會帶來哪方面的影響，這些都需要非常龐大的技術支援和資訊支援。
4樓：
是可以實現的，但是要再過乙個世紀後，現在世紀很亂，地球各個國家還不和平，如果現在已經有了人工智慧AI這東西，會被很多國家搶去幹壞事的；或者現在已經有了，不過是已某種系統型別之類出現在這裡
但重要一點是AI人工智慧，必須在人類的所可以掌控中所成長，不能超越人類中存在，AI可以涉及各個領域的東西，不一定只是機械人，如果可以應用，那麼要應用在人類日常生活當中，但現實中已經有半智慧型的家具了，這些還只是最
5樓：打愛豆
必將走過組合機的時代，依照現有的神經學腦部科學技術，離我們通常認為的人工智慧還是有相當大的距離。
依靠大資料，與多種在單一領域能夠超越人類大腦的智囊，通過某種技術加以組合，形成的新一代組合機，或許是我們現在最容易實現的。
6樓：LambdaAlpha
我的一些想法
所有可計算問題的圖靈度都是 0，解決任何乙個圖靈度為 0' 的問題，便解決了所有圖靈度為 0 的問題，也就是所有可計算問題。
圖靈度為 0' 的問題是不可計算的，但另一方面，它們是極限可計算的。
我們把問題的每個輸入加權，按權重分配計算資源（時長以及時序），如此我們可以將低價值的輸入拖延到無窮遙遠的未來解決。
權重應該是某種形式的複雜度，比如柯氏複雜度或者其變化或拓展
7樓：
1、一定能實現；
2、一定是以我們意想不到的方式實現；
3、人工智慧實現的時候，起先人們並不知道。因為，這種人工智慧出現的時候，可能不符合我們對智慧型的經典認知。
8樓：頭髮很茂密
以我學過人工智慧導論的經驗來看。
我認為不能，至少現有方法永遠不能！
當然，你也可以認為我學的不夠深入，才學個導論。
我以前一直疑惑，為啥不讓學計算機的這批人也去學習醫學，學習腦科學？從而出現專門研究通用人工智慧的交叉型人才？
後來發現，計算機的神經網路和人類大腦的神經網路就是兩回事
9樓：
我覺得還挺遠的。以下全為做夢時候的胡侃。
要真的研究出真正的人工智慧，還得從生物的角度上突破，研究出生物究竟是怎麼思考的（有研究說植物也是可以交流的，但是為了更直觀的解釋，我們還是主要說動物）。有些動物並沒有多少「腦子」（比如螞蟻），一樣能完成相當複雜的工作，並能對外界的變化做出反應。甚至對於乙個簡單的草履蟲，也能完成完整的生命活動，並對外界的刺激做出反應，以期盡可能的完成自己的生命週期，也是相當具有智慧型的。
對於動物來說，相當多的知識可能已經編碼在基因裡了（比如膝跳反射，比如汲取營養，比如繁殖），然後通過後天的學習不斷地學習補充完善（比如捕獵技巧）。所以動物的先天反射從何而來？學習能力是怎麼出現的？
後天又是如何進行學習的？基因扮演了什麼角色？大腦怎麼運作？
沒有大腦的又是怎麼進行生命活動的？當這些問題有了清晰的解答，我相信真人工智慧一定很快就會出現了。
此外，我個人認為，通用人工智慧應該應該具備這兩個階段，乙個是「基因編碼階段」，即成為乙個具有發展學習，識別危險，自主活動能力的胚胎；而是「學習成長階段」，即自我完善知識體系，認識理解世界的階段。
不過話說回來，乙個真正的人工智慧要不要學習人類感情呢？如果學會了人類感情，那麼它是否還是智慧型呢？畢竟感情只會影響拔劍的速度（bushi
10樓：不學無術
肯定能不會太遠
主要是目前的演算法都有些本末倒置，智慧型這種生存方式本身是為了節省資源提高效率
但實際上即使以目前的演算法在經過足夠大的資料後也能形成agi
11樓：震靈
目前來看，實現通用人工智慧有兩個比較有希望的方向，乙個方向是強化學習和演化演算法，類似生命演進機制實現人工智慧，另乙個方向是增量學習，也被稱為終身學習，如果可以解決神經網路的遺忘問題，那麼人類的所有知識都可以做成資料集，並用神經網路擬合。可惜的是，目前這兩個領域都沒有很好的解決方案，不過目測人工智慧的下一波浪潮應該就在這兩個之中，就看哪個領域能最先取得突破了。
12樓：山世光
人類一直以萬物之靈自居，但計算機誕生後，人類的基礎計算能力和機械記憶能力卻被機器碾壓式超越。65年前，人工智慧（AI）作為一門學科誕生，其先驅們曾經樂觀地相信不用20年即可實現人類水平的智慧型，現實卻是殘酷的，AI科學家們越來越清晰地認識到實現通用人工智慧（AGI）是一項巨大的科學挑戰，人工智慧研究的兩次「寒冬」讓更多的研究者徹底失去了實現AGI的信心。但最近十年來，深度學習的復興，特別是最近BERT/GPT-3等具備超強語言能力的預訓練大模型的誕生，再次燃起了AI專家心中的理想火焰。
實現AGI的核心是賦予演算法機器類人的、求解新問題的能力，其挑戰在於：機器如何更高效的獲取經驗資料並從中學習，實現「舉一反三」、小樣本歸納並演繹、「吃一塹長一智」乃至「無師自通」等能力？機器如何高效獲取、緊湊表示和充分利用人類知識（特別是常識）？
如何實現機器學習所得「機器知識」與「人類知識」的融會貫通和相互轉換？求解之路仍然迷霧重重，甚至連初見端倪的預訓練大模型是否是正確的起點亦不得而知，AI科學家們只能在迷霧中上下求索。
【以上其實算不上回答，只是對所提問題的一點點解讀吧】
13樓：limazulukilo
非常大的課題，也硬廣下我的文章：）
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
14樓：金天
這個問題不應該從科學或者數學物理的角度去回答，而應該從文學的角度去回答。
我們理想中的通用人工智慧應該是什麼樣的？跟人一樣就叫做通用人工智慧？但我想真正由計算機或者人類發明的演算法去實現的通用人工智慧，可能比我們能夠想象的智慧型更加智慧型。
而這種智慧型又與我們想象的類人智慧型有所不同。比如你無法想象乙個人類如何做到AlphaGo那樣的水平，人類甚至連AplhaGo到底如何做到的都莫不清楚，儘管人類發明了它，相反，AlphaGo卻連告訴我1+1等幾這麼簡單的問題都做不到 （它沒有通用的輸入）。
未來會出現什麼形態的AI呢？我想肯定不是基於矩陣的形式
什麼是通用人工智慧？
通用人工智慧簡言之就是一種完成任務能力足夠強 達到或者超過人類專家水平 並能以一些不斷擴充套件的特定機制提公升自己，具備自主性和內部穩定性的實現物。 墨瑟 通用人工智慧就是像人一樣的智慧型，可以學習 思考 解決所有問題。與之相對的是弱人工智慧，弱人工智慧是像人的條件反射一樣的智慧型，機器學習其實不是...
人類現在是否擁有可能實現通用人工智慧的演算法？
AGI,從目前定義上還不清楚要做哪些任務.乙個不清楚任務的任務是否能完成?用黑箱法 那麼GPT 3和WALL.E的思路,是目前最接近可能出現AGI的一種方法. NN陳 強人工智慧並不需要那那那那麼多的資源。換句話說，靠擴大資料 資源 來實現強人工智慧是行不通的。原因之一，計算機沒有計算無限多資源的能...
在人工智慧真正實現之後，使用人工智慧代替資本家，是不是能真正的消除剝削？
Lucyao 有些回答裡認為AI沒有生產資料或者掌控AI的仍然是資本家，可是我想問下在生產資料公有制的情況下再把生產資料分配給AI，讓AI自己去競爭，失敗的AI就淘汰，在這種情況下是否會產生以上的兩種問題？這是否是從資本主義到共產主義的道路？ 資本家不是 人 就像法人不是 人 一樣，資本家只是資本在...