新2018年人工智能突破值得關注：
傳統計算機的核心是非常愚昧的。他們把事情做得超級直接，只能回答真實或錯誤的問題。這使計算機非常擅長數學或執行任何需要正確或錯誤答案的智力任務。
但是如果你想要一臺電腦執行一個根本沒有正確答案的任務呢？如果你想要一臺電腦繪畫或寫一本小說會怎么樣？一幅畫不可能是真的或假的。它只是。讓電腦了解這可能很困難。
但以前認為不可能的事現在已成為現實。近，日本的AI 利用復雜的神經網絡撰寫了一本幾乎獲得文學獎的書。
當然，它仍然需要人類的一些幫助。創造人工智能的團隊為了寫小說還必須給計算機以情節，角色和性別。但是句子 - 它們的結構和華麗的語言 - 是自主編寫的。
電腦還需要一個以前寫作的數據庫才能開始，但這與人類大腦的工作方式沒有多大區別。隨著時間的推移，我們只能期待技術變得更加復雜。
想要了解關于AI的更多信息？
希望這篇文章能夠澄清關于人工智能的一些誤解，并且讓我們清楚地知道我們將來可以從機器人對手那里得到什么。我們離真正的人工智能還有很長的路要走，但是我們每天都靠近。
從IBM的Jeopardy電腦，Watson到Westworld等電視節目，我們已經開始共同探索和哲學化AGI的潛力。
當然，大多數關于我們流行文化中AGI的討論都集中在未來，而不是關于人工智能的現在的現實。下面，我們將討論AGI的當前現情況以及我們在2018年取得的突破。
我們有多接近真實的人工智能？
iPhone和其他硬件（如Siri或亞馬遜Alexa）內置的軟件程序可能會使您相信我們非常接近真正的人工智能。
但為了真正以有價值的方式對此進行評估，我們必須對AGI的真正含義達成共識。畢竟，如果我們不知道我們的目標是什么，我們怎么能達到目標呢？
真人工智能的定義
現在，我們擁有的每一項技術都具有某種“人工智能”，但它們大多只具備處理某些任務的能力。
Siri可以聽你的聲音命令并為你執行一些任務。但它可以執行的任務于Apple為Siri創建的盒子。它只能從手機上的應用程序中獲取信息。Siri可以為您提供天氣信息，為您瀏覽網頁，播放音樂等。
這雖然令人印象深刻，但并非真正的AGI。
具有真正AGI的機器將能夠執行人類能夠完成的任何智力任務。這意味著如果你問一個AGI機器人錘擊一個釘子，它不需要編程去做。它會自己嘗試 - 也許會失敗。它將能夠從錯誤中吸取教訓并嘗試，直到它找到正確的答案。
一個人不需要被教導如何走路。你只需通過反復試驗就能搞清楚。具有AGI的計算機在理論上可以以相同的方式學習。
新2018年人工智能突破值得關注：
簡而言之，今天的計算機仍然只會做你或程序員告訴它做的事 - 除此之外別無他法。它不能從錯誤中學習，或者通過常識來理解任何東西。
但那可能很快就會改變。
可能的AGI突破2018年
盡管我們離真正的人工智能還有至少二十年的時間，但仍有一些令人難以置信的人和組織致力于使計算機像人腦一樣運行。
Hiroshi Yamakawa和全腦建筑
過去幾年你可能在新聞和其他媒體上聽過像“神經網絡”和“機器學習”這樣的技術術語。機器學習只是指如果給計算機足夠大量的數據和足夠多的方式來解釋和指導這些數據，它就可以“思考”。
IBM的Watson將整個互聯網作為其數據庫，通過機器學習能夠回答Jeopardy的問題。
神經網絡意味著創造一種機器學習，有效地模擬人腦中的神經元網絡。
這個領域還處于起步階段，但山川宏和他的全腦建筑倡議正在努力革新神經網絡。截至目前，盡管存在多么復雜的神經網絡現在仍然存在，但它們仍然準備好完成某項任務。沃森回答Jeopardy問題 - 其他人是為面部識別或模仿人類手寫而設計的。
實質上，它們反映了人類大腦功能的單一方面。Yamakawa認為，我們需要進一步擴展我們的神經網絡，將它們互相連接起來，讓它們像人腦一樣互相饋送。
Yamakawa的全腦神經網絡將允許計算機完成任務，并以計算機設計階段未考慮的方式“思考”。它理論上會學習新的東西，并執行自己意愿的新任務。
理想情況下，Yamakawa認為，由于神經網絡將設計在人腦之后，因此當它變得真正人為智能化時，與計算機進行通信和關聯將變得很容易。
計算創造力
