AI 分为 ANI 和 AGI：

狭义人工智能（artificial narrow intelligence, ANI）
- 执行单一特定任务的人工智能系统，有时能完成得相当出色且价值非凡
- 如：机器翻译、自动驾驶、网络搜索
- 在过去几年，狭义人工智能取得了巨大进展，如今正在全球创造巨大价值
通用人工智能（artificial general intelligence, AGI）
- 即：希望打造出能像人类一样无所不能的人工智能系统

通用人工智能

随着现代深度学习的发展，我们开始模拟神经元，而且随着计算机性能越来越强，我们能够模拟更多神经元

遗憾的是即使能模拟更多神经元，也并非那么简单能够模拟人类大脑

原因有两个：

我们正在构建的人工神经网络太过简单，以至于逻辑回归单元与任何生物神经元的实际运作毫无相似之处。它比大脑中的神经元的运作简单得多
即便时至今日，我们对大脑的运作方式几乎一无所知。关于神经元究竟如何从输入映射到输出仍存在一些基本问题，而这些问题我们至今仍毫无头绪。而且在可预见的未来，我们对人类大脑如何运作的了解可能依然十分有限

仅仅试图模拟人类大脑，作为通往通用人工智能的道路将异常艰难

单学习算法假说

话虽如此，在我们的有生之年通用人工智能有望取得突破吗？我来和你们分享一些证据，这些证据让我至少还怀揣着这份希望

切断耳朵和大脑听觉皮层之间的连接，然后将图像输入到听觉皮层，那么听觉皮层就会学会看东西

已有各种此类实验表明生物大脑适应性惊人，神经科学家称其可塑性惊人，即意味着它能适应可处理各种纷繁的感官输入

同一块生物脑组织能完成种类惊人的广泛任务，这便催生了单学习算法假说：很多智能或许源于一种或少数几种学习算法，要是我们能搞清楚那一种或少数几种算法究竟是什么，说不定有朝一日能在计算机上实现它