近几年，人工智能的研究已经取得相当不错的突破，然而距离开发出接近人类水平的AI系统，还有一段相当长远的路。

日前，Meta首席AI科学家杨立昆（Yann LeCun）大胆地预测下一阶段的AI发展方向，将是能够拥有人类常识、言行举止都像人的“通用人工智能”（AGI，Artificial general intelligence）。

“深度学习教父”杨立昆

杨立昆与另外两位权威学者约书亚·本吉奥（Yoshua Bengio）和杰弗里·辛顿（Geoffrey Hinton）被称为是深度学习的三巨头，三人获得2018年图灵奖，他们的研究对于近代的计算机视觉和自然语言处理等深度神经网络的应用来说功不可没。

“深度学习教父”杨立昆

在1980年末，杨立昆开发出卷积神经网络（Convolutional Neural Networks，CNN），奠定了现在深度学习的研究发展基础，对现今的AI机器学习（ML）有着重大的贡献。

杨立昆由此被誉为CNN之父、人工智能教父，可说是AI机器学习的先驱。

现在CNN技术被广泛运用在计算机视觉、文字图像识别、语音识别和自然语言处理，每当深度学习领域有重大突破，多半与CNN技术脱离不了关系。

今年已经62岁的杨立昆，钻研人工智能超过40年，时至今日，“拥有像人类智慧水平的AI”依然是他毕生的追求。

近日，杨立昆在一篇《麻省理工科技评论》的文章中，分享了他对AI的愿景，他认为下一个划时代性的AI应该要表现得更像人类，甚至超越人类。他的愿景将AI推向了下一个阶段：通用人工智能（AGI）领域。

AGI可以解决各种问题

AGI的概念已经存在了几十年，AGI是一种拥有等同、甚至超越人类智慧的AI，能够像人类一样观察、学习和理解这个世界，同时拥有自主意识，又被称为“强人工智能”。

“强人工智能”相对应的是“弱人工智能”，与近似人类大脑的AGI神经网络系统不同，弱AI只能专注处理当前接收到的任务，无法具备人类的认知能力。

简单来说，目前的人工智能几乎都只能解决单一领域的问题，比如人脸识别、自动驾驶，但通用人工智能则像是人类一样，可以解决各种问题。

在《机械公敌》等电影中拥有自我意识的机器人就属于AGI，但在现实世界中，各大科技公司开发的人工智能基本上只能算是“弱AI”，弱AI没有“常识”判断能力，更无法处理突发状况。

人类不是模仿鸟类飞翔而学会飞行

不管是OpenAI近年推出的GPT-3还是DALL-E，还是DeepMind开发的通用人工智能Gato，都只是通过不断完善模型和增加计算能力，实现复杂性和规模。

杨立昆认为，现有的AI发展方向仍围绕着深度学习，若要使AI更像人类，科学家不能单单拘泥于建立更大的机器学习模型。

杨立昆大胆推翻了现有机器学习的发展方向，他认为：“科学家不该训练一台学习了大量人类知识的机器，而是让AI系统去理解人类世界的运作原理。”

对杨立昆来说，他所追求的并不是超级电脑，而是创造出拥有人类智慧水平的系统。要做到这点，他认为首先AI要拥有“人类对这世界的认知常识”，可如今AI仍无法产生所谓的“人类常识”。

2017年，杨立昆参加上海交通大学的讲坛时讲到，人类是因为看到鸟类飞翔而有了飞行的梦想，但人类最后能成功翱翔天际是因为我们发现了航空动力学的原理，而不是一昧模仿鸟类飞翔的动作。

杨立昆认为在AI的研究上是同样的逻辑，科学家们不停让机器模仿人类的行为，但人工智能背后的真正原理，并不是一昧地模仿人类。

AI要拥有人类智慧的关键是“基本常识”

什么是人类的“基本常识”？想象一下，当你拿起一支笔然后放手，直觉会告诉你这支笔会掉落到地上，这就是“基本常识”。

当一个2岁的小孩，几次看到这支笔掉落，他的意识就有了“重力”的存在，虽然他并不知道重力的概念，但这种常识会帮助他联想、推论出其他物件也会掉落。

杨立昆认为，这种直觉式的推断，就是人类的常识。然而，人类有基本常识很简单，对AI来说却难如登天。

在百度的在线演讲中，杨立昆举例说明，一个从来没有驾驶过汽车的青少年能在20小时内学会开车，但目前最好的自动驾驶系统却需要数十亿份的图像数据建立模型，或在虚拟环境中进行数百万次强化学习的测试才办得到。

今年6月15日，美国国家公路交通安全管理局（NHTSA）报告指出，在过去10个月里有392件车祸是自动驾驶汽车或是半自驾车造成的，其中特斯拉出事的比例最高。

即使自动驾驶系统再怎么强大，它终究无法像人类一样拥有自我判断的能力。人类驾驶技术之所以可靠，是因为人类拥有基本常识，可以应对千变万化的道路突发状况。

但对机器来说，要成为围棋高手也许不会太困难，但要让AI拥有人类的常识简直难如登天，这牵扯到了认知、记忆和联想等层面，而这些能力都是人类与生俱来的。

要怎么让机器拥有人类的常识？杨立昆曾说，“对抗训练”是有史以来最酷的技术，他相当看重“生成对抗网络”（GAN）的发展潜质，他说：“GAN提供了强大的算法框架，并允许系统自主训练来了解数据，而不是为了执行某个任务而已。”杨立昆认为，如果我们朝着这个方向前进，AI的发展势必越来越接近人类智慧。

杨立昆指出，目前AGI的主要研究方向，一个是训练出更庞大的模型，另一个是强化学习，但这两个方向的本质都是通过向机器“投喂”大量的信息来训练AI。他认为，机器能识别出物体、语音等，但这些只是世界的客观事实，并不是人类的常识，要像人一样通过感知事物所产生的直觉和反应，或许就是AGI研究需要突破的最大难题。