什么是狭义人工智能和通用人工智能?
什么是狭义人工智能和通用人工智能?核心区别在于狭义人工智能“专注于一件事的全部知识”,而通用人工智能则“掌握多方面的知识”。狭义人工智能存在于我们周围的具体应用中,而通用人工智能则是打造完全智能机器的宏伟目标。
在当今科技时代,人工智能(AI)已渗透到生活的方方面面。我们经常听到AI在日常应用中的身影,从手机上的虚拟助手到自动驾驶汽车。
然而,并非所有AI系统都是相同的。实际上,AI被划分为不同层级,最常见的是狭义人工智能(Artificial Narrow Intelligence – ANI,也称为弱人工智能)和通用人工智能(Artificial General Intelligence – AGI,也称为强人工智能)。那么,什么是狭义人工智能和通用人工智能?它们有何区别?让我们跟随INVIAI详细探讨。
什么是人工智能?
在区分狭义人工智能和通用人工智能之前,我们需要了解人工智能的定义。根据斯图尔特·罗素(Stuart Russell)和彼得·诺维格(Peter Norvig)等专家的经典定义,人工智能是“智能体的研究与设计,智能体是能够感知环境并采取行动以最大化成功机会的系统。”简单来说,人工智能是创造能够执行需要人类智能的任务的机器或软件。
人工智能是智能体的研究与设计,智能体是能够感知环境并采取行动以最大化成功机会的系统。
— 斯图尔特·罗素 & 彼得·诺维格,人工智能研究者
实际上,人工智能涵盖了许多不同的系统,从简单算法到复杂的机器学习模型。根据范围和智能能力,人工智能分为狭义人工智能(ANI)、通用人工智能(AGI),甚至更高级的超智能人工智能(ASI)。目前,狭义人工智能是唯一已被开发并广泛应用的类型,而通用人工智能仍处于理论阶段。为了更好理解,我们深入探讨每个概念。

什么是狭义人工智能?
狭义人工智能仅专注于单一领域或问题,如人脸识别、语言翻译、下棋等。狭义人工智能在其被编程或训练的任务范围内表现出色,许多系统甚至在其狭窄领域内超越人类。但狭义人工智能缺乏自我意识或类人推理能力,无法超出其编程领域扩展理解。
换句话说,狭义人工智能系统就像某一领域的超级专家,但在其专业之外的领域则完全“盲目”。这也是它被称为弱人工智能的原因——并非性能弱,而是其智能受限于预设范围内。
常见的狭义人工智能示例
虚拟助手
推荐系统
人脸识别
自动驾驶汽车
优势与局限
狭义人工智能的优势
- 在指定任务中具有高准确率和卓越表现
 - 在医疗、金融、制造等行业带来实际效益
 - 在范围内结果可靠且稳定
 - 针对特定应用成本效益高
 
狭义人工智能的限制
- 智能范围受限——无法学习训练之外的任务
 - 缺乏灵活性,无法超出初始编程
 - 完全依赖提供的数据和算法
 - 继承偏见,受训练数据错误影响
 - 缺乏深度理解——仅基于模式响应
 
正因如此,研究人员长期以来渴望开发一种能像人类智能一样广泛且灵活思考的更高级AI——即通用人工智能(AGI)。

什么是通用人工智能?
如果狭义人工智能是某一领域的专家,那么通用人工智能被设想为“通才”,几乎能胜任所有任务——从驾驶、烹饪、编程到医疗诊断、法律咨询等,类似于一个智能人类能处理多种不同工作。
另一种想象是:强人工智能是具有人类水平的人工智能。它不仅执行现有指令,还能独立思考、规划、创造并适应新情境——这是狭义人工智能所不具备的能力。
独立思考
能在无人指导下推理和决策
持续学习
能跨领域适应并从新经验中学习
创造性解决问题
能产生新颖的解决方案和方法
在科幻作品中,通用人工智能常被描绘为具有人类认知、意识甚至情感的机器。例如,《钢铁侠》中的J.A.R.V.I.S.或电影《她》中的Samantha,都是被设想为具有人类水平智能的AI。它们能自然对话、学习新知识,并灵活处理无数人类请求。
尽管我们在狭义人工智能方面取得了显著进展,通用人工智能仍是重大挑战,可能还需数十年研究。
— 伊桑·莫利克,宾夕法尼亚大学副教授
为什么通用人工智能如此难以实现?
原因在于,要具备类人智能,AI必须整合多种复杂能力:从语言理解、图像感知、逻辑推理、抽象思维,到从经验中学习和社会适应。这需要算法突破、大规模计算能力和海量多样的训练数据。
技术挑战
需要算法突破、大规模计算能力和海量多样训练数据
安全问题
确保AI行为符合伦理,人类能控制超智能系统
社会与哲学问题
应对社会影响、治理及意识等哲学问题
此外,开发人类水平AI还涉及无数伦理和安全问题——如确保其行为合乎伦理,人类在其变得过于智能时仍能保持控制权。这不仅是技术问题,还涉及社会和哲学层面。
通向AGI的当前进展
虽然真正的AGI尚不存在,但近来一些先进AI系统开始展现出一定的泛化能力。例如,大型语言模型(如OpenAI的GPT-3、GPT-4)能执行多种任务:回答问题、写作、编程、翻译,甚至通过部分人类测试。
但即便这些先进模型,按定义仍属于狭义人工智能,因为它们缺乏真正的自主学习,且受限于技术和数据限制。
例如,生成式AI如ChatGPT知识广泛,但无法自主学习训练数据之外的新知识,也无法在现实世界中未经额外编程执行物理任务。因此,真正的通用人工智能仍是未来目标,而非现实。
未来通用人工智能的假想示例
多功能类人助手
全科AI医生
这些示例尚不存在,但代表了AI研究者的愿景。如果有一天成功创造出通用人工智能,将是技术上的巨大飞跃——可能成为人类历史上的新“工业革命”。
然而,伴随益处而来的还有重大挑战和风险,如如何控制能自我提升、超越人类理解的智能。这也是围绕AGI开发存在大量争议、需谨慎推进的原因。
如果AGI是人类水平智能,那么ASI则是超越人类的智能。有人担忧ASI出现后可能对人类造成不可预测的后果,因为它过于智能且超出我们控制范围。但那是遥远的未来。本文聚焦于两个更可行且较近的层级:狭义人工智能(现阶段)和通用人工智能(未来/希望)。

狭义人工智能与通用人工智能的区别
总之,狭义人工智能(ANI)和通用人工智能(AGI)在许多方面存在根本差异。以下是两种AI类型的关键区别对比与说明:
| 方面 | 狭义人工智能(ANI) | 通用人工智能(AGI) | 状态 | 
|---|---|---|---|
| 任务范围 | 一项或少数特定任务 | 人类能完成的任何智力任务 | 有限 vs 通用 | 
| 灵活性 | 无法超出训练适应 | 学习并适应新情境 | 僵化 vs 适应性强 | 
| 当前状态 | 存在且广泛应用 | 理论阶段,尚未实现 | 现有 vs 未来 | 
| 学习能力 | 依赖预编程 | 自主学习与推理 | 被动 vs 自主 | 
| 控制难度 | 较安全且易控制 | 伦理与控制风险更大 | 可控 vs 复杂 | 
任务范围对比
狭义人工智能只能执行其被编程或训练的一项或少数特定任务(如仅图像识别或仅下棋)。相比之下,通用人工智能旨在执行人类能完成的任何智力任务,即其范围不受限于任何领域。
简单来说,狭义人工智能是“一粒沙”,而通用人工智能是“汪洋大海”。
灵活性与学习能力
狭义人工智能缺乏超出初始数据/算法的学习和适应能力——它完全依赖预编程和提供的数据。而通用人工智能预计能在面对未知问题时适应并学习新知识,类似人类从经验中学习。
通用人工智能能推理、形成意识,或至少对世界有一般理解,而非仅仅遵循预设模式。
示例与发展状态
狭义人工智能目前存在且广泛应用(在应用、服务、智能设备中随处可见)——包括虚拟助手(Siri、Alexa)、自动翻译软件、电影推荐系统、游戏程序(象棋、围棋)等。
通用人工智能仍处于理论阶段,全球实验室虽在研究,但尚无系统达到此智能水平。目前无真实示例,仅存在于电影和小说中的想象模型。
优势与局限
狭义人工智能具有高度专业化的优势,通常在其任务中实现卓越的准确性和表现(如AI诊断影像能比医生更快更准确地分析数千张X光片)。
但其局限包括缺乏灵活性和创造力,且依赖数据,无法扩展能力。
通用人工智能若成功,将具备极强的灵活性、适应性和创造力——这是其最大优势。但其当前缺点是开发难度极大,涉及众多技术和社会挑战。
总体较安全
- 易于控制和预测
 - 有限范围减少重大风险
 - 受训练数据偏见影响
 - 在狭窄范围内可能误解上下文
 
挑战更大
- 伦理和控制复杂性
 - 可能自我提升,缺乏人类干预
 - 需与人类价值观对齐
 - 目标不一致时后果难以预测
 

结论
理解狭义人工智能和通用人工智能的区别是把握当今及未来人工智能全貌的第一步。狭义人工智能已在生活中带来无数实际益处,从自动化任务、提升劳动生产率,到改善服务和日常便利。我们熟悉的虚拟助手、自动驾驶汽车、数据分析等应用均属狭义人工智能。狭义人工智能是当前AI时代的基石,有效解决特定问题。
与此同时,通用人工智能如同AI研究中的圣杯——遥远但充满希望的目标。若有一天实现,或将带来重大变革:机器能完成几乎所有人类工作,开启科学、医疗、教育、经济等领域新可能。
但伴随希望而来的还有技术和伦理上的重大挑战。通向AGI的道路依然漫长,需科学家、工程师、社会专家和政府的跨学科协作。
今日现实:狭义人工智能
在狭窄范围内强大,有力支持人类完成特定任务
- 广泛应用且经验证
 - 在专业领域表现优异
 - 具备实际商业价值
 
未来愿景:通用人工智能
类人全能智能,充满希望但实现难度大
- 具备通用问题解决能力
 - 人类水平的推理与创造力
 - 需重大技术突破
 
总之,狭义人工智能和通用人工智能代表了人工智能的两个不同层级。狭义人工智能是当下现实——在狭窄范围内强大,支持人类完成众多具体任务。通用人工智能是未来愿景——类人全能智能,充满希望但实现难度大。
正如强调的:目前我们仅征服了狭义人工智能,而通向通用人工智能(乃至超智能人工智能)的道路仍然漫长。
不过,AI研究的每一步进展都让我们更接近这一目标。随着技术的快速发展,谁能预料几十年后,曾经的科幻会逐渐变为现实。