人工智能的湿软件方法（AGI）
简介：  合成神经生物学的研究人员提议通过在实验室中建立大脑来解决AGI问题。这不是科幻小说。它们实际上是此功能的大门。这些研究人员越来越多地在主要的AGI会议上发表演讲。他们的论点令人信服。
如果您走出了围绕AI的所有喧嚣，以及数百甚至数千家试图将AI添加到您的汽车，房屋，城市，烤面包机或狗中的初创公司，您就可以开始尝试弄清这一切的去向。
这是我想我们知道的：
狭窄而实用的DNN语音，文本，图像和视频方法一直在不断发展。转移学习使这变得容易一些。
强化学习和GANN一起正在出现，这些肯定会有所帮助。商业化距离几年了。
下一代神经形态（加标）芯片刚刚进入商业化生产（BrainChip，EtaCompute），它们将导致训练数据集，训练时间，大小和能耗的大幅减少。此外，我们希望他们可以从一种系统中学习并应用于另一种系统。
但是，我们都相信这将是这些努力的最终状态的人工智能（AGI）呢？我们何时才能获得能够充分发挥人的能力，像人一样学习并可以像人一样适应知识的AGI？
AGI有多远？
当我两年前调查时，估计范围约为2025年至2040年。
凭借着几年的丰富经验，以下是7位领先的人工智能思想家和投资者（包括Ben Goertzel和Steve Jurvetson）在多伦多大学2017年机器学习会议上给出的估计值，当时被问到``距离有多远AGI'。
超人能力5年
7年
大概13年（到2025年，我们将知道到2030年是否可以拥有它）
23年（2040）
30年（2047）
30年
30至70年
有很大的分歧，但中位数为23年（2040年），其中一半人的思考时间更长。听起来我们正在学习这可能比我们想象的要难。
通往AGI的最可能途径是什么？
对此进行思考的人们说，我们今天在DNN和强化学习中所拥有的一切，按照定义都是“弱”的AI。那是它模仿了人类认知的某些要素，但却无法像人类那样实现。
对于采用神经科学研究中的一些新元素的下一代Spiking神经网络来说，这可能是正确的，也可能不是。他们看起来似乎朝着正确的方向迈出了一步，但我们真的还不知道。
人们普遍认为，弱小的AI虽然具有商业价值，但永远不会给我们AGI。只有创建能够模仿人类推理的广泛而强大的AI系统，我们才能实现AGI。
这是否都在相同的增量途径上？
到目前为止，已有两个小学思想流派。
在自上而下的学校是我们目前的增量工程方法的延伸。基本上说，一旦解决了所有这些工程问题的总和，最终产生的功能实际上就是AGI。
那些不同意的人说，真正的类人智力永远不可能仅仅是简单地添加一组特定算法的结果。人类的智慧永远不能减少到数学部分的总和，AGI也不能减少。
在自下而上学校是谁提出来构建整个人类大脑的硅类似物的研究人员的境界。他们提议基于人脑功能的精确模拟来构建通用的通用平台。一旦可用，它将立即能够完成我们当前的零碎方法所完成的一切，甚至更多。
就个人而言，我的赌注是在自下而上的学校中进行，尽管我认为我们正在从实用的DNN方法中学习有价值的硬件和软件课程。
彻底的新途径如何
在重新审视所有这些内容时，我发现自己的想法太受限制了。例如，在撰写有关第三代峰值神经网络或在Numenta 的Jeff Hawkins的神经形态建模方法时，我假设对单个神经元相互作用的硬件和软件建模是公认的方法。
这不仅是不正确的（稍后将对此进行详细介绍），而且我们在硅片上工作的基本假设并不是探索的唯一方法。
哈佛大学的神经科学家乔治·丘奇这样的人提出，我们只是在生物学实验室里建立大脑，然后训练大脑去做我们想要的事情。
计算合成生物学（CSB）–湿软件
计算合成生物学（又称合成神经生物学）比您想象的要远得多，就25年的时间表而言，它可能只是AGI终点线的第一匹马。
早在10年前，系统生物学领域就试图将分子和原子水平的细胞活动减少为“生物砖块”，这些砖块可以与不同的“操作员”串在一起，以了解这些过程的工作原理。
如果“系统生物学”是要了解自然，那么“计算合成生物学”将采取下一步行动来理解自然。
这是2010年Infobiotics Workbench的图形。熟悉预测建模的任何人都将立即认识到与数据分析仪表板的相似之处，包括设置超参数，损失函数和比较冠军模型。 资料来源：诺丁汉大学Natalio Krasnogor 撰写的2010 GECCO合成生物学会议教程  。
快进到2018年在纽约举行的O'Reilly人工智能会议上，哈佛研究员乔治·丘奇（George Church）告诉我们我们已经走了多远。（请参阅此处的原始演示文稿。以下图形来自该演示文稿。）
合成神经生物学（SNB）在能量（低得多）和计算效率方面已经领先于硅模拟。在几年中，能力的增长速度快于摩尔定律，增长了十倍。
在右上角，SNB已经接近计算效率的生物学极限。丘奇说，除了硅已经处于稳定状态之外，硅可以按照目前的增长速度在三十年内赶上。
丘奇说：“我们正在顺利地复制大脑中的各种结构。”
在实验室中，他已经可以创建所有类型的神经元，包括能够建立重要的人类大脑皮层结构以及支持性脉管系统。这包括轴突的髓磷脂包裹，以便可以高速长??距离发送信号，从而使动作电位从一个节点跳到另一个节点而不会耗散信号。
简而言之，SNB研究人员的立场是，将定制的生物大脑中的未知信息（大脑功能，人类认知，AGI）复制到定制的生物大脑中比将模拟转换为硅要容易得多。在硅仿真中，您永远不会真正知道它是否正确。
为了给这些未来主义的预测再加上一个层次，我们有可能改变或增强我们现有的生理机能来创造超级智能吗？主要在治愈疾病领域中，生物增强领域已经进行得很好。为什么不扩展它？
例如，平均每个人的大脑重1.3公斤，消耗20W的功率（而Watson赢得Jeopardy则需要85
以硅为基础的AGI会完全像人类吗？
尽管硅AGI建模人员仍在努力地充分理解大脑功能以进行仿真，但仍然存在合理的问题，即其最佳结果是否足够。他们会拥有使我们在哲学上具有人文能力的能力吗？我们的科幻机器人具有以下部分或全部素质：
意识：   具有主观经验和思想。
自我意识：   要意识到自己是一个独立的个体，尤其是要意识到自己的思想和独特性。
  感觉：主观感觉或情感的能力。
智慧：智慧的能力。
如果我们在实验室中用相同的人类生物成分构建一个智能的“大脑”，那还只是一个模拟吗？这会是“头脑”吗？
到目前为止，计算合成生物学研究仍在实验室中或已经成熟的地方，正在用于治疗疾病。但是越来越多的研究人员，例如乔治·丘奇（George Church），正在主要的AGI会议上发表演讲。他们已经能够跳过创建大脑硅模拟物的整个步骤，而目前大多数硅AGI研究人员都陷入其中。如果有15或25年的开发AGI的时间，我不会反对这种湿软件方法。
1