自ChatGPT推出以来，不断地引爆热点，人们对自然语言处理（Natural Language Processing, NLP）大模型的魔力感到赞叹，还有人探讨通用人工智能（Artificial general intelligence，AGI）的奇点来临。

AGI即Artificial general intelligence的简写 ，计算机科学与技术专业用语，专指通用人工智能。这一领域主要专注于研制像人一样思考、像人一样从事多种用途的机器。这一单词源于AI，但是由于主流AI研究逐渐走向某一领域的智能化（如机器视觉、语音输入等），因此为了与它们相区分，增加了general。

AGI也被称为强人工智能、完全人工智能或一般智能行动，强人工智能与弱人工智能（或狭义人工智能）形成对比，后者不打算拥有一般的认知能力；相反，弱人工智能是任何被设计用来解决一个确切问题的程序。(学术资料显示，弱人工智能是指没有意识或没有与人相同的思想的程序。)

人们提出了各种智力标准（最著名的是图灵测试，感兴趣的小伙伴可以搜索了解一下），但迄今为止，还没有一个定义能让所有人都满意。

支撑AGI不断进步的背后有两个关键的因素：

1.人工神经网络

这种方法大致上模仿人类的神经元的特性，系统里每个神经元都有一组输入值， 它们有各自的权重，并通过激活函数决定输出。通过很多这样的神经元一起运作，来学习复杂的事情。

2.计算机性能的提升

让人工神经网络发挥它真正的潜力，需要很多计算能力，计算机硬件的发展是造就了目前人工智能应用发展水平的条件之一。

人工神经网络计算有两个特性，第一是神经网络的预测对计算精度具有一定的包容性，第二是基本上所有的算法，都是以矩阵和向量所组成的不同序列的运算。Google根据这两个特性研发了TPU芯片，也就是张量处理器：通过量化来降低硬件尺寸和功耗，并可以有效压缩模型，同时又能保证可用的精确度。通过MXU的脉动阵列使芯片具有较强的矩阵和向量运算能力，非常适合人工神经网络运算。

随着AGI领域持续探索和突破，人们能更准确地预测洪水；翻译超过几十种甚至上百种语言，帮助人们跨越语言鸿沟，让大家更无碍地沟通，还能更准确地预测和诊断疾病。希望未来人们拥抱新技术并理性分析新技术，使其在可控范围内发挥最大效力。