刘康、黄高、沈华伟、张家俊四位智源学者和微软王井东研究员共同在《中国计算机学会通讯》撰文，提出了领域通用智能这一范畴，并讨论了可能的技术路径。

无论是AlphaGo还是GPT-3，均是在单一场景下，基于训练数据、针对单一任务进行优化，实现有限框架内的感知、理解、推理、控制等行为，因此被称为“窄人工智能”(Artificial Narrow Intelligence，ANI)，或弱人工智能。

相对而言，强人工智能(Strong Artificial Intelligence)期望机器能像人一样思考、推理，能处理各种任务，比肩人类的智能水平(Human-like or Human-level Intelligence)。与强人工智能相比，现有通用人工智能更加强调机器的“泛化”能力，包括场景泛化（即模型从单一场景泛化至多个场景）、模态泛化（即一个模型适用于多种模态的任务）、任务泛化（即一个模型可以处理多种类型的任务）等。

文章认为，下一代通用人工智能技术急需突破的问题是如何“泛化”，称之为领域通用智能。文章从单模态通用、多模态通用、多任务通用等几个方面浅谈领域通用智能需要突破的关键技术。

其中：

  • 单模态通用技术方面，文章讨论了小样本学习、迁移学习、在线学习、多场景学习、知识蒸馏、知识推理。
  • 多模态通用技术方面，讨论了多模态表征学习和融合、多模态协同学习、多模态统一表征学习、模态转换、模态语义对齐、模态通用模块。
  • 多任务通用技术方面，讨论了多任务统一模型框架、多任务学习、元学习、连续学习。

最后，文章认为：

下一代通用人工智能的核心问题是 “泛化”，包括场景泛化、模态泛化、任务泛化等。即便如此，距离真正意义上的类人智能还有很长的路要走。

常识与因果推理、与环境交互、虚拟模拟器等都是需要解决的问题。

全文请点击中国计算机学会公众号文章。

内容中包含的图片若涉及版权问题，请及时与我们联系删除