當(dāng)前人工智能多是對(duì)機(jī)器學(xué)習(xí)算法創(chuàng)造的模型有效應(yīng)用霞溪。因?yàn)檫@種模型是有一定的適用范圍的，所以這樣的人工智能只能被限制在一個(gè)特別具體的有限領(lǐng)域內(nèi)中捆，這就是人類稱之為弱人工智能的原因鸯匹。那么，有辦法消除模型的應(yīng)用范圍嗎泄伪？這就要建立普適模型殴蓬，不管是什么樣的問題，用這個(gè)模型都樂意得到答案蟋滴。真的有這樣的模型嗎染厅？有痘绎，這就要求對(duì)問題的高度抽象，抽象到哲學(xué)層面甚至超越哲學(xué)肖粮，就可以得到這樣的模型简逮。這樣高度抽象的模型就缺少了具體信息、具體內(nèi)容尿赚，想解決具體問題散庶，就需要將具體內(nèi)容對(duì)應(yīng)到這個(gè)抽象模型，形成一個(gè)具體化的模型凌净。利用這個(gè)具體化模型形成的人工智能就是弱人工智能悲龟，如果機(jī)器能自動(dòng)將具體條件或具體場(chǎng)景與抽象模型對(duì)應(yīng)起來，臨時(shí)形成解決問題的具體模型冰寻，這樣的機(jī)器就是具備了強(qiáng)人工智能的基本能力须教。其實(shí)，形成這樣的抽象模型的能力有很多種途徑斩芭，具體場(chǎng)景中應(yīng)用這些抽象模型的方法也有很多種轻腺，所以未來強(qiáng)人工智能的實(shí)現(xiàn)途徑就會(huì)有很多種。
