正在进行中 人工智能 已经能够创建人工智能来执行以前认为只有人类才能完成的任务，例如 翻译语言, 驾驶汽车, 玩世界冠军级别的棋盘游戏， 和 提取蛋白质的结构。 然而，这些人工智能都是针对单一任务进行设计和详尽训练的，并且能够仅学习该特定任务所需的内容。
最近的人工智能产生 流畅的文字，包括与人类的对话，以及 创造令人印象深刻且独特的艺术 可以给 工作中的错误印象。 但即使这些都是专门的系统，它们执行的任务范围很窄，并且需要大量的培训。
将多个人工智能组合成一个可以学习和执行许多不同任务的人工智能仍然是一项艰巨的挑战，更不用说追求人类执行的全部任务或利用人类可用的经验范围来减少其他任务所需的数据量。了解如何执行这些任务。 目前这方面最好的AI，比如 零度 和 猫，可以处理适合单一模式的各种任务，例如玩游戏。 通用人工智能 (AGI) 能够执行广泛任务的能力仍然难以捉摸。
最终，AGI 需要能够 在各种物理环境和社会背景下与彼此和人们进行有效的互动，整合所需的各种技能和知识，并从这些互动中灵活有效地学习。
构建 AGI 归根结底就是构建人工智能，尽管与人类思维相比大大简化了。 要构建人工智能，您需要从认知模型开始。
从人类到通用人工智能
人类拥有几乎无限的技能和知识，可以快速学习新信息，而无需重新设计。 可以想象，AGI 可以使用与人类智能根本不同的方法来构建。 然而，作为三人长期 研究人员 in AI 和 认知科学，我们的方法是从人类思维的结构中汲取灵感和见解。 我们通过努力更好地理解人类思维来努力实现 AGI，并通过努力实现 AGI 来更好地理解人类思维。
来自研究 神经科学、认知科学和心理学，我们知道人脑既不是一组巨大的同质神经元，也不是一组庞大的特定任务程序，每个程序都解决一个问题。 相反，它是一个 具有不同属性的区域集 支持共同构成人类思维的基本认知能力。
这些能力包括感知和行动； 对当前情况相关内容的短期记忆； 对技能、经验和知识的长期记忆； 推理和决策； 情感和动机； 从一个人的感知和经历的各个方面学习新的技能和知识。
人工智能先驱不是孤立地关注特定功能 艾伦·纽厄尔 1990年建议开发 统一认知理论 整合了人类思想的各个方面。 研究人员已经能够构建称为 认知架构 体现了这些理论，使得测试和完善它们成为可能。
认知架构植根于具有不同视角的多个科学领域。 神经科学侧重于人脑的组织，认知心理学侧重于受控实验中的人类行为，人工智能侧重于有用的能力。
认知的共同模型
我们参与了三种认知架构的开发： ACT-R, 翱翔， 和 西格玛。 其他研究人员也一直在忙于寻找替代方法。 一张纸 确定了近 50 个主动认知架构。 这种架构的激增部分是所涉及的多个视角的直接反映，部分是对各种潜在解决方案的探索。 然而，无论原因是什么，它都在科学上和寻找通向通用人工智能的连贯路径方面提出了尴尬的问题。
幸运的是，这种扩散使该领域达到了一个重大转折点。 我们三个人发现了架构之间的惊人趋同，反映了神经、行为和计算研究的结合。 作为回应，我们发起了 全社会努力捕捉这种融合 以类似于 粒子物理标准模型 出现于20世纪下半叶。
本篇 通用认知模型 将类人思维分为多个模块，其中短期记忆模块位于模型的中心。 其他模块（感知、行动、技能和知识）通过它进行交互。
学习不是有意发生的，而是作为处理的副作用自动发生的。 换句话说，你无法决定长期记忆中存储什么。 相反，架构根据你的想法来决定学到什么。 这可以让您了解您接触到的新事实或您尝试的新技能。 它还可以改进现有的事实和技能。
模块本身并行运行； 例如，让您在聆听和环顾周围环境时记住一些事情。 每个模块的计算都是大规模并行的，这意味着许多小的计算步骤同时发生。 例如，在从大量先前经验中检索相关事实时，长期记忆模块可以在一个步骤中同时确定所有已知事实的相关性。
引领通用人工智能之路
通用模型基于当前认知架构研究的共识，有潜力指导自然智能和人工通用智能的研究。 当用于模拟大脑中的通信模式时，通用模型比神经科学的领先模型产生更准确的结果。 这 扩展其模拟人类的能力——被证明具有一般智能的系统——超越认知考虑，包括大脑本身的组织。
我们开始看到人们努力将现有的认知架构与通用模型联系起来，并将其用作新工作的基线——例如，交互式人工智能 旨在指导人们 朝着更好的健康行为。 我们中的一个人参与了基于 Soar 的人工智能的开发，称为 罗西，它通过人类老师的英语指令学习新任务。 它可以学习 60 种不同的谜题和游戏，并且可以将从一款游戏中学到的知识转移到另一款游戏中。 它还学习控制移动机器人执行诸如取放包裹和巡逻建筑物等任务。
Rosie 只是如何构建人工智能的一个例子，该人工智能通过一种以通用模型为特征的认知架构来接近通用人工智能。 在这种情况下，人工智能在一般推理过程中自动学习新的技能和知识，结合了人类的自然语言指令和最少的经验——换句话说，人工智能的功能更像人类思维，而不是今天的人工智能，后者通过蛮力学习计算能力和海量数据。
从更广泛的 AGI 角度来看，我们将通用模型视为开发此类架构和人工智能的指南，并作为将这些尝试中获得的见解整合到最终形成 AGI 的共识中的一种手段。
图片来源： Shutterstock.com/wowowG
