什么是强 AI？
强人工智能（强 AI），又称通用人工智能（AGI），是一种理论上的 AI 系统，能像人类一样推理、自学，并跨多个问题领域执行任务。它能够泛化知识，并将其灵活应用于不同职能；能够利用现有知识提前规划；还能调整自身行为来适应不断变化的环境。目前所有 AI 技术都只能在预先设定好的参数范围内运行。受限于处理和评估方面的种种局限，强 AI 仍只是一个理论目标。
强 AI 与弱 AI 有什么区别？
弱 AI，也称狭义 AI，可在使用特定领域的数据完成训练后，解决该领域的具体问题。例如，您必须先针对某一特定领域的术语对大语言模型进行微调，它才能作为聊天机器人为该行业的客户提供服务。相比之下，强 AI 无需接受直接相关的训练，就能执行任何任务。借助类人的认知理解能力，强 AI 能够适应新技能，并在适应过程中不断学习。
强 AI 与弱 AI 的另一个关键区别在于，弱 AI 必须依靠人类介入才能运行。研究人员需要定义参数并提供训练数据，以提高弱 AI 在运行中的准确性。强 AI 则不需要人工输入，因为它能像人类一样，随着时间推移逐渐发展出智能。
弱 AI 专注于小范围的具体功能，而强 AI 则能像人类一样，快速解决新问题、完成新任务，以及将已有知识应用于不同情境。
强 AI 研究有哪些方法？
强人工智能（强 AI）采用的方法比弱 AI 更广泛，这使其能够完成更复杂、能体现人类智能的任务。强 AI 系统具备高水平的创造力、记忆、感知和深度学习能力，从而达到人类的能力水平。
以下是研究人员在强 AI 研究中可以采用的一些方法。
符号主义 AI
AI 研究中的符号主义方法，旨在将人类思维表示为一个复杂的逻辑网络。AI 利用不断扩展的“If”语句网络，在潜在答案之间逐步推进，试图以此反映人类的思维模式。这种 AI 开发方法使 AI 能够高层次地解释和理解各种想法。
然而，符号主义方法的缺点在于，像感知和常识这类更为微妙的任务，很难通过逻辑网络再现。
联结主义 AI
AI 研究中的联结主义方法利用神经网络架构来复现人脑结构。当 AI 系统与刺激交互时，它们可以改变信息的传递路径，以反映神经网络中脑神经元路径的变化。
专用于自然语言处理（NLP）的大语言模型采用的正是联结主义方法。该策略将符号主义 AI 结构的逻辑处理能力，与展现类人低级认知技能的能力结合了起来。
普适 AI
AI 的普适方法旨在建立一种普适公式，让强 AI 能将其应用于可能出现的各种情境。这种方法着眼于计算层面，试图为人类智能提出一种理论上的解决方案，研究人员随后可以将其重新利用，以推进强 AI 的运作方式。
完整生物体架构
完整生物体架构这一 AI 研发思路认为，强 AI 需要通过与物理世界互动来学习。为强 AI 提供物理接口后，它便能探索环境并与之交互，从而发展新技能、增强自身智能。
混合方法
最后，强 AI 研究中的混合方法，意在融合多种不同方法，以取得更有效的结果。混合方法并不试图只依赖某一种思想流派取得结果，而是可以结合不同的原理和研究方法来提升通用人工智能的水平。
评估强 AI 研究有哪些测试？
研究人员使用一系列测试来评估强 AI 的效能。以下是一些最著名的测试。
图灵测试
图灵测试由艾伦·图灵（Alan Turing）提出，旨在判断评估者能否辨别人类生成输出与计算机生成输出之间的差异。如果评估者能看出差异，则机器未通过测试。如果强 AI 能通过测试，就说明它具备高水平的智能。
在测试强 AI 时，研究人员会将这一测试进一步扩展。他们采用扩展图灵测试，评估不同领域中的各类任务，并将结果与每个领域中人类生成的输出进行比较。强 AI 必须能够生成与人类输出相匹配的输出。
由于弱 AI 只专注于单一任务，它更可能无法通过扩展图灵测试。强 AI 能复现更高水平的人类行为，并以通过这一扩展测试为目标，以证明自身的智能。
中文房间论证
中文房间论证（CRA）是约翰·塞尔（John Searle）于 1980 年提出的一项哲学思想实验。在实验中，他设想一个人被锁在房间里，手边只有一本用来理解某种外语的规则手册。
塞尔假设，如果这个人从门缝下收到用这种外语写的问题，他将能借助规则手册给出准确的回答。这样一来，门外的人会以为他懂这种语言，但实际上，他并不理解自己所生成输出的语境。
这一设想动摇了图灵测试的根基，说明机器可以完成一项任务，却并不真正理解自己完成的是什么。人类心智拥有语义和心理层面的语境，而机器仅凭获取同样的信息，未必能够产生这种语境。
强 AI 研究中有哪些重要技术？
强 AI 借助一系列新兴技术来推动人工智能进一步发展。
机器人技术
机器人技术是一门工程实践，旨在构建能够自动执行物理任务的机械系统。在强 AI 领域，机器人技术在完整生物体架构方法中至关重要。这门学科能够制造出配备传感器的实体机器人，使强 AI 可以执行物理任务。
深度学习
深度学习是指训练人工智能系统，使其以类似人脑思维过程的方式处理数据。利用深度学习来训练这些神经网络，有助于强 AI 识别模式、处理文本和音频，以及理解各类信息。
自然语言处理
自然语言处理使强 AI 系统能够解读和理解人类语言。NLP 融合了多种技术，如机器学习和高级计算语言学。它把语言分解为语音表征，再将这些表征转换为数学标记，计算机程序随后便可对这些标记作出预测。
生成式人工智能
生成式 AI 扩展了深度学习，使强 AI 系统能够根据训练数据生成内容。通过用数据集训练模型，生成式 AI 可以响应查询，并基于其初始数据生成准确的回答。
计算机视觉
计算机视觉技术使强 AI 能够理解、分析和处理空间与视觉数据。通过从摄像头获取信息，计算机视觉可以帮助 AI 在现实世界中导航、对物体进行分类以及处理图像。
AWS 如何支持您在人工智能方面的努力？
AWS 提供托管的人工智能服务，可帮助您训练、部署和扩展生成式人工智能应用程序。组织可以利用我们的 AI 工具和基础模型，结合自身数据来创新 AI 系统，以满足个性化用例需求。
Amazon Bedrock 是一项完全托管的服务，开发者可通过 API 调用访问其部署的生成式 AI 模型。您可以在 Bedrock 上选择、自定义、训练和部署业界领先的基础模型，以处理专有数据。
Amazon SageMaker Jumpstart 可帮助软件团队在机器学习中心构建、训练和部署基础模型，从而加速 AI 开发。
Amazon Elastic Compute Cloud UltraClusters 可利用超级计算 GPU 为您的生成式 AI 工作负载提供支持，以低延迟处理海量数据集。
您还可以借助数十种预训练、完全托管的 AI 服务，快速轻松地为自己的应用增添智能，无需进行机器学习训练，也无需具备相关专业知识。
立即注册 AWS 账户，开始在 AWS 上使用 AI。
Browse all cloud computing concepts
Browse all cloud computing concepts content here:
Did you find what you were looking for today?
Let us know so we can improve the quality of the content on our pages