第3章 为何选择通用人工智能
在论述通用人工智能的巨大潜力之前，我认为有必要先谈谈“通用人工智能”这个话题。大家都知道什么是“人工智能”，那么为何我一定要用大家不太熟悉的“通用人工智能”一词呢？
对术语的这一微小调整的背后涉及更深层的问题。
我使用通用人工智能一词的根本原因是：现代人工智能的属性是割裂的。
在电影和科幻小说中，“人工智能”指的是具有高度智能性和自主性的机器人或电脑程序，比如，电影《星球大战》中的宇航技工机器人R2D2、礼仪机器人C3PO，科幻小说《2001太空漫游》（已被拍成电影）中的人工智能电脑Hal 9000，电影《终结者》中的类人渗透型机器杀手终结者（Terminator）等。
然而，在大学计算机科学系和业界研究实验室，人工智能指的是非常枯燥乏味的东西——主要是制作能够运行指定程序的高度专业化的软件，人类在开发时赋予其智能。例如，在Paint Store绘图软件中，为你所选择的颜色调色，将所选颜色与白色颜料混合是一种非常常见的人工智能技术，而我们在使用绘图软件时，根本想不到其中运用了人工智能技术。我们谈论这类非常具体的“智能”程序时，只能使用“人工智能”一词，因为这类程序与“通用人工智能”完全不同。后者是真正意义上的“会思考的机器”，能够同时识别许多来自不同专业领域的信息。
截至目前，世界上唯一的“通用人工智能”是人类的大脑。许多人认为，以软件为基础建造一个会思考的机器需要对大脑实施逆向工程，以实现某种实时人脑模拟，然后才能开始向它提问。我认为这种方法并不恰当，因为光是对大脑实施逆向工程就要用上百年。只要我们不执意模仿人脑，用不了那么久我们就能编写出会思考的软件。
一个看过许多科幻小说的现代大学生可能会认为世界各地的人工智能科学家们正夜以继日地工作，努力创造比人类更智能的计算机——能够进行智能对话，战胜诺贝尔奖得主，写出优美的诗歌，证明数学新定理。但扫一眼人工智能领域重要杂志或会议的目录，他的梦想瞬间就会化为泡影。因为目录中都是对人工智能某些方面的枯燥无味的严肃分析，或者利用人工智能技术完成简单的拼图或填字游戏，解决某些商业问题。目前的人工智能研究几乎完全集中于库兹韦尔所说的“弱人工智能”领域，高度专业化的问题解决程序至多具有一点简单的智能，几乎没有自主性和创造性。
20世纪50至60年代人工智能刚诞生的时候，属性并没有出现分裂，这一问题是随着时间的推移慢慢形成的，因为人工智能的创始人们对它的发展前景充满野心。不妨来听听20世纪60年代人工智能领域的先驱尼尔斯·尼尔森
（Nils Nilsson）先生的看法。他在2005年写的“达到人类智力水平的人工智能？这是件大事！”（Human-Level Artificial Intelligence? Be Serious!）一文中言辞坚定有力地反复强调他对人工智能前景的设想：
我认为创造出能够到达人类智力水平的人工智能必然意味着人类目前从事的大多数工作将实现自动化。我主张的并不是建立各种专用系统以实现自动化，而是开发通用的、具有学习能力的系统，学会完成人类从事的所有工作。我和其他几位研究人员意见相似，都主张先建立一个拥有数量很少但内容很全面的内置功能的系统。其除了具备许多基本能力之外，还必须具有通过学习进行自我完善的能力。
对！对！这就是从大格局着眼发展人工智能——也是我所构想的通用人工智能。
人工智能领域的先驱们曾提出一些大胆的、激动人心的构想，其中不乏真知灼见。但后来，没想到要实现这些宏伟目标异常艰难，人工智能领域的研究逐渐放弃了最初的目标。
不可否认，专注于解决狭隘问题的人工智能技术已取得一些令人振奋的成绩。实用的、现实世界的弱人工智能取得的成绩远远多于其他领域。人工智能带来了各种有价值的技术，涵盖了社会的各个领域，例如：
●支撑谷歌等搜索引擎的语言处理人工智能；
●广泛应用于政府、各行各业以及许多现代军事行动的规划和调度人工智能；
●能够击败大师的象棋程序；
●工业机器人；
●在拥有上亿玩家的视频游戏中担任主角的人工智能角色；
●金融交易系统；
●帮助企业界、科学家等进行历史分析和决策的人工智能数据挖掘系统（又称“商业智能”）。
但是这些弱人工智能的发展还不足以实现人工智能领域最初的目标，即创造我所说的通用人工智能。
直到最近10年，人工智能领域的一个重要分支开始回归其最初的目标，即创造达到并最终超越人类智能水平的通用人工智能系统。“通用人工智能”一词的诞生也是为了加快以及深化这一研究重点的转移。
与人工智能的本质和思维机器的构造相比，术语并不是一个多么深奥的话题，但它对科学和工程发展的影响超乎人们的想象。“黑洞”（black hole）一词吸引到的媒体关注、得到的科学研究会比“引力槽”（gravitational sink，这是一个更加直白的名字）多得多。“人工生命”领域的研究曾繁荣一时，一是因为由它衍生出了各种时髦的动画，二是要归功于“人工生命”这个酷炫的名字。“混沌理论”（chaos theory）听起来比“非线性动力学”（nonlinear dynamics）高级许多，因此前者被广泛使用，尽管从技术层面讲非线性动力学并不“混沌”。
另外，“生物信息学”和“功能基因组学”等学科的名字极其枯燥乏味，掩盖了学科内容的奇妙之处和重要意义。“数据挖掘”听起来令人振奋，曾风靡一时，后来有一段时间这项技术被滥用，得出很多毫无意义的结果，人们才逐渐放弃这一术语，改用“应用型机器学习”。当然，“数据挖掘”和“机器学习”都包含大学里“人工智能”课程教授的那些经典课题，但有时业内认为称它们为“人工智能”不太合适，因为后者的科幻小说色彩太过浓厚……
尽管学界和业界中98%的人工智能研究比较枯燥，与通用人工智能并无直接联系，科学家们也免不了会受指称名称的影响。
“通用人工智能”这一术语的优点在于它与广为人知的“人工智能”有明显的联系，而且它还与心理学领域著名的G因子（智力测试测量的一个参数）相关。不过这一术语也有一些缺点，主要表现在3个方面：“人工”“通用”和“智能”！
“人工”不太恰当——因为通用人工智能不单是建立系统以作为我们的工具或“手段”，我认为它是要利用各种手段建立各类通用智能！
“通用”也存在问题，因为现实世界中的任何智能都不是完全通用的。现实世界中每种系统都有其局限性，同时也比其他系统更擅长解决某类问题。
“智能”一词除了在极度抽象的数学领域外，其定义尚不明确，严重脱离现实世界的各种系统，没有人能完全清楚它的具体所指。
尽管“通用人工智能”这一术语存在种种缺点，我依然非常喜欢它。无论在科学界还是未来主义领域，它都非常流行。