通用人工智能何时可用于智能武器？

自主平台正在大量增加，同时军事环境变得越来越复杂、杀伤性越来越强，因此自主平台将不得不面对设计者无法预料的情况，并且必须快速做出可靠、合理、可解释的决策。虽然近来人工智能取得了惊人的进展，但目前仍不清楚，现在的人工智能是否正在发展为像人类一样灵活的机器智能。人类需要的是通用人工智能。

假设这样一个场景，一个自主传感器平台正在距离敌方平台不远的空间区域进行巡逻并收集情报。突然，自主传感器平台被冲击波击中，一些传感器出现了故障，同时传感器显示电池电量严重不足。如果不马上返回基地，整个平台及其存储的情报都有可能丢失或落入敌人手中。

平台推测，传感器故障可能是被闪电击中的结果。此时，平台必须决定是继续根据任务指令收集情报，还是返回基地，以保护平台和已经收集到的情报。但是在平台的程序中没有任何指令可以指导如何应对这样的情况。所幸的是，这是一个能够处理意外情况的智能平台。它知道，如果继续坚持执行任务，可能会收集到非常有价值的情报。

但是，它也知道平台本身具有很高的价值，如果没有大概率能收集到异常高价值的数据，就不应将平台置于风险之中。平台做出推理，为了打破这种僵局，它必须评估低电量警告是真实的警告，还是出现了传感器故障。为了解决这一难题，它会打开尽可能多的电子设备，故意增加电池的耗电量，并在密切监视电池电量的同时徘徊一分钟的时间。一分钟后，电池电量没有发生改变，平台得出结论，电池传感器很可能出现了故障，它可以继续收集急需的情报。

通用人工智能是一个相对较新的术语，再现了人工智能最初的含义。1956年，数学家约翰·麦卡锡和马文·明斯基，以及信息论的创始人克劳德·香农和IBM第一台商用计算机的设计者纳撒尼尔·罗切斯特在达特茅斯学院组织了一个暑期项目，项目目标如下所述：

本研究基于以下猜想：智能的任何特征，包括学习的每一个方面，原则上都可以被精确地描述，所以机器可以模拟智能。我们将试图找出如何让机器使用语言，形成抽象和概念，解决现在留给人类的各种问题，并改进自己。我们认为，如果一个精心挑选的科学家小组用一个夏天的时间共同研究这些问题，就可以在其中一个或多个问题上取得重大进展。

解决这些问题花费的时间远远超过了一个夏天，直到现在我们仍然在研究以上所有问题。尽管在过去的60多年里，计算能力有了巨大的提升，算法也越来越复杂，但在让计算机以类似人类处理信息的方式进行理解、思考和推理方面，进展还是非常有限的。

尽管在通用人工智能的定义和评估上尚未达成普遍共识，但有一点可以确定，今天的人工智能还没有开始理解、推理或思考。当前的人工智能通常被称为“弱”人工智能，这是相对于通用人工智能的“强”能力而言的。现有的人工智能系统大多专门用于单一功能或有限的功能，可以学习特定的任务，并且学得很好。自20世纪50年代以来，游戏算法已经逐渐超越了人类，例如AlphaGo可以击败世界围棋冠军。但是这些系统只适用于受控制的游戏环境或特定的小范围任务，缺乏灵活开展一系列任务的通用推理能力，AlphaGo无法像人类一样将学习内容从一种游戏转移到另一种游戏，每一种游戏都需要训练不同版本的算法。不过有迹象表明，人工神经网络知识表示设计的最新进展可能为真正的通用人工智能技术打开了大门。

毋庸置疑，知识就是力量。无论具体怎样设计，通用人工智能都要基于填满任务相关信息的知识库才能取得成功。在生活中也能看到这一点：孩子们从出生的那一天起就开始学习并充实着他们的知识库，他们通过看、听、摸来学习，并向父母、朋友和老师学习很多年。同样，通用人工智能系统也将由深厚的知识库来提供强大的动力。

几十年前，人们就已经为人工智能系统开发知识表示做了大量的努力。今天，已经出现有关知识表示的创新技术，这些技术正应用于在人工神经网络中表示知识。在这种情况下，使用知识表示法编码的信息就变得类似于人脑中的记忆“印迹”（用于描述认知信息单位的术语）。

人类智能的本质是“概括”和“抽象”。知识表示的新设计策略包含了这一观点，并设计了“印迹”来增强概括能力，这与通信工程师设计代码来进行纠错的方式并无不同。

通用人工智能系统将利用知识概括来提供以下能力：

推理：通用人工智能系统将具有稳健的能力，从知识库中检索与当前状态相关的信息，然后根据对类似情况和结果的广泛了解，决定如何最好地应对当前情况。

知识检索“聚焦”机制：通用人工智能系统将把检索和处理能力集中用于当前情况下优先级最高的事项。例如，当平台着火时，就不应该在此时考虑如何将所收集情报的价值最大化。

基于模型的通用推理：如今，许多嵌入式系统的智能水平很高但也很薄弱（人工智能意义上的“薄弱”）。这些系统通常混合了一些智能子系统，通过良好定义的应用编程接口进行交流。相比之下，通用人工智能系统不需要通过这样的应用编程接口接收输入，而是可以处理来自网页、文档或子系统的非结构化数据，并通过概念概括将这些信息与内部模型联系起来。对于计算机系统中的“变量绑定”来说，这是一种完全不同的、更强大的思考方式。

现如今，很难确切地知道通用人工智能的最新水平，因为研究人工智能的大多数组织机构已经聚焦于解决更容易处理的弱人工智能问题。不过近年来，有些机构已经显示出了成功的迹象。如果说人类的智能水平代表着10级梯子的最高一级，那么今天的顶级通用人工智能技术可能在第二或第三级。

与通用人工智能系统相比，人类仍然拥有着巨大的优势，并将在许多年里继续保持这些优势：与我们现在所能构建的任何机器或软件相比，人类不仅拥有大得多的知识库，而且人类的知识更全面地描述了物质世界；人类还具有更为全面的“数据清理”能力，而且能处理不一致和不可靠的数据。

不过在另一方面，通用人工智能系统可能有以下优点：处理时间更快（特别是使用专用的硬件加速芯片时）；在知识库检索数据时不会损坏数据（相比之下，人类在回忆时会修改记忆印迹）。