何为通用智能？

2007 年，通用人工智能研究人员 Shane Legg 和 Marcus Hutter 从科学文献中搜集到了 70 多个对智能这一概念的不同定义，并据此写了一篇文章。

最能反映他们以及大多数人观点的 10 个定义如下。

A·Binet

在我们看来，智能是一种基本能力，不管是缺乏智能还是只能发生变化，对我们的现实生活都至关重要。这种能力是一种判断力，又称决策力、行动力、主动精神，是一种适应环境的能力。

R·Pinter

学习能力或总结经验的能力。

S·S·Colvin

一个人因为已经学会或者能够学习调整自己适应环境而获得智能。

W·V·Bingham

我们应使用智能一词指代生物体解决新问题的能力。

D·Wechsler

关于个人行动有针对性，思考问题比较理智，能够有效适应环境等能力的整体概念。

美国心理学会

个人在理解复杂概念，适应环境，总结经验并吸取教训，推理，想办法克服困难等方面的能力不同。

R·J·Sternberg

我更喜欢称其为 “成功智能”，因为这样重点就放在利用智能取得成功上了。因此我将其定义为在你所处的社会文化环境下实现目标的能力 —— 人们的目标各不相同，有些人想取得好成绩，有些人想成为优秀的篮球运动员、女演员、音乐家。

R·E·Snow

智能是人类内环境的一部分，在人与外部环境接触时执行认知功能。

D.K.Simonton

使人能够适应并融入任何环境的某些认知能力，包括记忆、检索、问题解决等能力。有许多认知能力能使人成功适应各种环境。

上述所有定义说的大致是同一件事情，但不同的研究人员的侧重点不一样。这些定义最大的共同点是都强调学习，适应能力以及与外部环境的互动。智能和与环境互动的能力并不是互不相关的，而恰恰是从这种能力发展而来的。按照上述观点，智能都是建立在经验的基础之上的。真正的智能系统能够观察环境，识别问题，制定目标，然后设计、实施和测试解决方案。从这个意义上而言，仅仅能够就之前定义好的情景、问题和解决方案进行思考推理就不能算是功能强大的智能，比如棋类计算机。

正如莱格和赫特所说: “智能不是适应熟悉的环境的能力，而是适应各种无法完全预料的情况的能力。” 换言之，我们初步将其定义为 “在复杂多变环境中，自主实现复杂目标的能力”。

值得注意的是，这些定义丝毫没有提及情感问题。智能不需要爱、生气或感到无聊的能力。同时，定义中的观察能力也故意被表述得含混。实现通用智能没有对视觉、听觉等具体的感官能力做具体要求，也不要求它具备人形躯体、机器人躯体或虚拟躯体。这种感官装置对于培养并保持某些智能（包括一些非常有价值或与人联系密切的智能）来说可能至关重要，但对于通用智能而言却并非必不可少。或许它所拥有的智能只能通过网页浏览器来 “管中窥豹”，但从某种程度上讲，这种智能可能已经达到甚至超过了人类水平。

总的来说，目前人类对智能的抽象性和人类智能特性之间关系的理解仅停留在广义和概念层面。要充分理解这种关系很可能要等到通用人工智能和认知神经科学得到进一步发展。

一些有识之士早在人工智能研究起步时就预见了上述一些问题，至少对其进行过粗略描述。20 世纪 50 年代起，, 阿兰・图灵就在其经典论文中构想了现今使用的图灵测试：一种检验人类是否已创造出到达人类水平的人工智能的方法。图灵测试的基本原理是: “编写在文本交流时能够模仿人类的计算机程序 —— 任何人都会称之为智能。” 图灵测试自然有其局限性，但它的确将重点放在了宏观层面，即要求理解概念而不是仅关注具体的任务或问题。图灵意识到人类智能的核心不在于某些聪明人在特定任务上做得比别人好，而在于具有人类共性的活动，如推理、学习、交流以及日常生活的方方面面。

事实上，如果人工智能能够与受过教育的人交谈几个小时，并使他们相信它是人类，那我就敢保证人工智能已达到了人类水平。换言之，我的确认为图灵测试是实现通用人工智能的 “充分条件”，不过我不认为它是 “必要条件”。我们很有可能能够研发出与人类丝毫不像的智能计算机系统，它无法像我们模仿狗、食蚁兽、鲨鱼那样模仿人类，但仍能够像人类一样智能，甚至超过人类。

另外，即使人工智能能够使部分测试者相信它是人类，也不代表我们在人类水平的人工智能研发上取得了部分成果。稍后我将对这一点进行详细介绍，并回顾一下与 “聊天机器人” 的一些对话，它们在没有真正理解语义的前提下就试图模仿人类谈话。因此，在目前人工智能整体水平偏低、与通用人工智能相差悬殊的情况下，这类小技巧不是给人工智能商（AL-Q）进行分级的理想方式。考虑到目前我们对通用人工智能的理解，即便排除图灵测试式交谈，对人工智能商分级的测试也很难实现。

总的来说，关于智能的定义，从上文提到的 “在复杂环境中完成复杂目标” 这一基本思想出发，我认为我想到了一个非常好的理论观点。稍后我会对此进行详细介绍，但我们任何人都没有为将来的通用人工智能提出一个好的智商测试方法。设计这样一个测试非常有趣，但我觉得要设计出有效的测试需要等到我们拥有一定规模的先进的、彼此相似的通用人工智能系统之后，接下来我们就能够研究这些系统，提取数据，指导我们创建通用人工智能的智能指标。人类的智商测试对开发这类测试的指导作用非常有限。毕竟人类智商测试在单一文化环境中效果还可以，但涉及不同文化时，其效果就不甚理想了。因此，面对和不同物种一样差异悬殊的计算机程序，我们还指望人类智商测试有什么效果呢？