咱们通常将人工智能（AI）视为模拟人类思维的计算智能。然而，这种特色并不适用于所有人工智能零碎，因为各种类型的人工智能具备不同的特色。人工智能中的两个次要类别是“强 AI”和“弱 AI”，代表了机器智能的不同办法。
当初，让咱们看看强 AI 和弱 AI 之间的基本区别，并探讨 AI 技术的现状。
什么是弱人工智能？
弱 AI，也称为广义 AI，是指专门设计用于自动化须要特定认知技能的工作的 AI 应用程序。这类人工智能利用为特定任务量身定制的机器学习模型，例如对象辨认、聊天机器人交互、集体语音助手、主动更正零碎和 Google 搜索算法等。
您可能想晓得为什么这类 AI 被称为“弱”AI。“弱”一词可能谬误地暗示这些人工智能应用程序在某种程度上不足。然而，重要的是要意识到，人工智能的疾速倒退及其对各个行业的广泛影响次要是因为狭隘的机器智能。标签“弱”示意这些应用程序专一于特定或狭隘的认知性能。
弱人工智能的利用
ChatGPT、Midjourney、Stable Diffusion、DALL-E 和 Bard 只是 2022 年和 2023 年风靡寰球的人工智能工具的几个例子。值得注意的是，如此多的职业正在利用它们的广泛应用，甚至引发了对于人工智能取代人类的后劲的争执，并给咱们中的许多人留下了一个问题，“ChatGPT 能取代我吗？
然而，重要的是要留神，这些惊人的工具依然被归类为“弱 AI”的例子。
让咱们探讨弱 AI 的七个常见利用：
- 垃圾邮件过滤器：旨在检测垃圾邮件并将其转移到垃圾邮件文件夹的性能。
- 聊天机器人：利用自然语言解决（NLP）与人类互动的工具是弱 AI 的另一个例子。
- 人工智能艺术家：应用人工智能的计算机生成艺术能够将自然语言指令转换为图像，也属于广义人工智能的保护伞。
- 智能语音助手：Siri，Cortana，Alexa 和其余能够通过响应语音命令代表您执行许多工作。
- 社交媒体算法：Twitter，Instagram，Facebook 甚至 Spotify 等平台上的举荐都是由弱 AI 算法驱动的。
- 主动驾驶：车辆中的主动驾驶性能是弱 AI 的又一利用。
- 医疗保健：人工智能在医疗保健中的利用，例如可能以起码的人为干涉辨认疾病的医疗诊断系统，是弱人工智能在口头中的其余例子。
只管有“弱 AI”一词，但很显著，它有许多咱们曾经在应用的理论利用。
弱人工智能的局限性
当今人工智能局限性的次要起因是它专一于自动化人类的特定工作。例如，ChatGPT 和 Google Bard 被设计为大型语言模型（LLM）。它们专门编程用于生成基于文本的内容。同样，中途和稳固扩散是仅限于此特定性能的文本到图像生成器。
让咱们探讨一下弱 AI 的一些局限性和毛病：
- 因为特定于工作的模型，性能无限。
- 广义的人工智能应用程序高度依赖数据，须要大型数据集来学习和执行某些工作。
- 推而广之，应用大型数据集可能会产生隐衷和数据处理问题。
- 弱人工智能通常依附人为干涉来执行工作，这可能会在过程中引入人为偏见。
- 这些应用程序可能容易受到网络威逼和破绽的影响。
然而，只管有这些限度，像 ChatGPT 这样的工具在公开公布的短时间内曾经变得不可或缺。
与弱 AI 相同的是强 AI，也称为通用人工智能（AGI）。这种模式的人工智能是基于这样一种信念，即计算能力能够模拟人脑能力，包含剖析思维和其余智力能力。强人工智能旨在发明可能执行人类能够实现的任何智力工作的机器，不肯定以与人类雷同的形式。
与弱 AI 不同，强 AI 不依赖于特定的编程模型来执行狭隘的工作。相同，它具备通过模仿人脑性能来解决个别工作的后劲。AGI 有能力使技术零碎随着工夫的推移而倒退并适应环境的变动。
弱小的人工智能可能会导致奇点。然而，重要的是要留神，弱小的人工智能依然是一个边远的指标，因为该畛域的许多工作在很大水平上依然是理论性的。强 AI 的概念自身往往从科幻电影和小说中吸取灵感。
强人工智能的利用
因为强人工智能的开发依然须要实现，因而在理论的事实世界场景中找到它简直是不可能的，这使得对于它的应用和倒退的大部分探讨纯正是实践上的。然而，以下是能够利用强 AI 的五个预期利用：
- 情商和思维解决：对人类情感和思维过程的了解能够纳入 AGI 零碎，使医疗保健，教育和客户服务等行业受害。
- 决策：装备弱小人工智能的机器能够具备基于感性做出自主决策的能力。
- 进化：弱小的人工智能零碎能够使机器适应和批改本人，以更好地适应周围环境。
- 意识：自我意识和无意识的决策能力能够通过弱小的人工智能零碎来实现。
- 人工创造力：弱小的人工智能能够开释人工创造力的后劲，容许机器在没有人类指令的状况下产生翻新的想法。
只管 AGI 在很大水平上具备实践性质，但它显然具备微小的后劲。
强人工智能的局限性
弱小的人工智能或 AGI 有可能扭转咱们的社会。然而，在施行此类零碎时，必须解决一些思考因素和挑战。
- 复杂性，因为弱小的人工智能须要大量的数据和弱小的计算能力来进行训练。
- 由事实场景中强人工智能行为的不确定性引起的道德思考（例如，AGI 零碎可能会对人类做出无害的决定）。
- AGI 零碎将重大依赖人类数据，这可能导致人为偏见。
- 强人工智能行为的安全性和责任（例如，确定呈现问题时谁应该承担责任）。
鉴于 AGI 扭转世界的后劲，在任何此类产品向公众公布之前，必须施行宽泛的监管。监管生成人工智能曾经足够艰难了，AGI 将把这些问题晋升一个品位。
强人工智能和弱人工智能在目标、学习办法和解决问题的办法方面有几个显着差别。让咱们探讨一下这些区别。
目标
这两个人工智能零碎之间的显着区别在于它们的目标。弱人工智能零碎次要用于自动化特定流程并执行定义明确的工作，从而进步各个领域的效率。
另一方面，弱小的人工智能零碎尽管是假如的，但旨在模拟人脑的性能。这些零碎能够说具备自我意识，意识和剖析能力，使它们可能像人类一样承当宽泛的个别工作。
学习办法
广义的 AI 和 AGI 零碎在学习办法上也存在差别。广义人工智能依附特定的数据集来学习模式和执行重复性工作。通常，弱人工智能通过依据预约规范对数据进行分类来解决数据。
相比之下，AGI 机制须要大量的数据来执行个别职责，旨在模拟人类思维的认知过程。因而，AGI 采纳数据聚类和链接办法来解决和剖析信息。
解决问题的办法
弱人工智能零碎专为重复性工作而设计，须要仔细检查数据集和模式识别。这使零碎可能做出牢靠的预测和后果。
相比之下，强人工智能采纳解决问题的办法，旨在解决更简单和更具创造性的工作。它依赖于宽泛的数据集，并一直倒退以适应新的条件和挑战。
明天，咱们的日常日常工作次要由广义或弱人工智能自动化。然而，这些零碎不足人类大脑自然而然的认知能力和剖析思维。因而，钻研人员和开发人员目前正专一于推动人工智能，以整合更多相似人类的计算零碎。
通用人工智能（AGI）将比其弱人工智能对应物简单得多。尽管如此，AGI 仍处于倒退的晚期阶段，在成为事实之前还有很长的路要走。