众所周知，Google的世界里不止搜索引擎和SEO，目前最前沿的科技还有它的AI。5月12号，Google旗下的DeepMind发表了一篇论文（还记得AlphaGo吗？ ），在人工智能圈子里引起轰动。 它展示了最新的研发成果：人工智能系统Gato。
之前的AI系统只能执行单一任务，就算是击败世界第一棋士李世石的AlphaGo，也只能下围棋；痛击电竞选手的AlphaStar，只能玩《StarCraft》，它们都是单一领域的专家。 但是Gato不同，它能够去完成超过六百种不同的任务，能与人聊天、描述图像、玩不同种类的游戏、甚至控制机械臂等等。 因为Gato的这个特性，很多人惊呼通用人工智能的时代要来临了。
1.专用人工智能
简单解释一下：只能在一个特定领域的AI，叫作「专用人工智能」，或者叫弱人工智能，就是输入数据的来源单一、输出目标简单而明确;而接近人类学习水平，完成很多不同种类的任务的AI，叫作「通用人工智能」，或者叫强人工智能。
2.工作原理
怎样达到通用人工智能呢？ DeepMind解说，是把不同数据的信息统一化。 背后的核心技术是转换（Transformer，与电影《变形金钢》的英文名一样），把数据的信息转换为Gato读得懂的信息。 提供给Gato的数据种类广泛，包括图像、文本、机械臂的力矩、游戏方向键的压力等等，DeepMind是怎么转换，把这些数据统一起来？
答案很简单：其实文字就是一种序列数据，直接提供给AI；那图像也是序列数据，把图像分割成单一的像素，然后编上序号处理成跟文字一样，再提供给AI；游戏的按键操作也是“方向”的操作，同样转换成序列数据；机械臂稍微复杂一点，随着机械臂的运动，再把关节力矩和传感器信号提取出来，转换成序列数据。
不管是图像、文字还是其他数据，在Gato眼中都是一样。 最终，所有的数据都交给同一个Transformer 算法来处理，这就是Gato的原理。 不过，Gato还在研发初期，虽然能实现不同的任务，但每个任务的处理能力不是很强。 例如语言处理，GPT-3有1750亿个参数，但是Gato只有12亿个，未来还需要不断提升算力来弥补不足。
3.背后的开发原因
为什么要开发通用人工智能呢？
DeepMind的说法是，“通用性”会让 AI 取得更大优势。 从过往的人工智能发展史中看到，通用人工智能最终倾向是，超越专用人工智能。 很多AI专家也认为通用人工智能最终会胜出。 不过根据维基百科的解释，通用人工智能是，「能表现正常人类所具有的智能行为」，要具备逻辑推理、学习知识、做判断等自主能力，目前还是有点遥远。
从这次Gato的原理也看出，不管这个模型有多大，不管你喂多少数据给它，它还是个数据驱动的、有限制条件的学习系统，只能在人类定义的规则下做识别，还没有人类的自主能力。 这也是为什么DeepMind并没有使用“通用人工智能”（Artificial General Intelligence）这个词，而是基于严谨的学术性，把这个模型称为” 具有通识能力的智能体“（Generalist Agent）。
尽管终极目标还很遥远，但达成这一步仍然是了不起，是AI领域的一大步。 就拿自动驾驶来说，要实现真正的自动驾驶，具备通用能力的AI是必不可少，因为绝大多数AI是在理想的模拟环境中开发，但现实世界中有很多意外和突发情况，这就需要接近人类的通用人工智能。
上面提到的Transformer，最早是在2017年，由Google开发，在开发过程中发现，比以前的传统算法（例如卷积神经网络Convolutional Neural Network）， 更接近人类的思考模式，准确性更高，于是成为了今天主流AI应用，采用的底层算法。
今天，Tesla的无人驾驶、OpenAI的GPT-3、Nivdia的Omniverse软件等都用上了Transformer ，是真正得到了业界的认可。 而Gato则代表了AI在通用能力上的突破，可以同时做语音语义、图像识别、机械臂移动等这些跨界任务。
4.未来的AI世界
想象一下未来日子，随着通用人工智能的增强，不同行业之间的壁垒消失，整个产业格局被改写。 当人工智能具有很强的通用能力时，今天的规律：弱人工智能比人强，强人工智能比人弱，也会被打破，很多行业边界、行业壁垒也会被打破。 对企业家来说，需要引入人工智能技术，同时留意通用人工智能的发展。 如果通用人工智能成熟，下一个人工智能革命就要到来了，我们千万不能错过！
再强调，要持续观察 AI产业的发展，理解产业变革，关注关键技术，技术革命不是一蹴而就，总有个从原理，确认到性能胜出的过程。 现在看，Gato背后的Transformer就有这样的潜力，至于会不会给人工智能带来革命，就需要我们持续观察了。