さまざまなコンテキスト情報を記憶して推論できるパーソナルAIアシスタントは、常に& quot;出てくる準備ができている& quot;のようですが、ネズミの年の終わりまで、そのようなAIアシスタントはまだ実現されていません。 。 同様に、機械学習は大きな進歩を遂げましたが、& quot;人間& quot;を離れると 支援、自律システムはまだ& quot;インテリジェント& quot;であるのは難しいです-経験のクロスドメイン転送を達成するためにデータを接続し、異なる学習でモデルを統合することは不可能です。
AIの目標がドメインの問題を解決するための最適化機能として設定されている場合、私たちは日々前進しています。 空に到達するのが難しいと見なされてきた多くの特定の問題は、最適化によって解決されます。特に、効果的で人間をはるかに超えていることが証明されているディープニューラルネットワーク（DL）の逆伝播です。 コンピュータビジョン、機械翻訳、音声認識、チェスゲーム、e-スポーツ、その他の多くの分野は、新しい人工知能が急速に普及しているように見えます& quot;国内化& quot; オールラウンドな方法で。
ことわざにあるように、& quot; Don &＃39;嵐のために地球を羨ましがらず、世界は危機に満ちています。" このタイプの& quot;家畜化& quot;の一般的な欠陥 学習は、モデルが展開される前にのみ発生するということです。 しかし実際には、リアルタイム学習は動物のインテリジェントな表示です&＃39; 生存の利点。 対照的に、機械学習をサポートするバックボーンは狭い学習哲学です。 深く見てみると、すべてのオフライン最適化問題は、本質的に、個々の知恵ではなく進化に基づいています。 たとえば、特定の遺伝暗号が埋め込まれていると仮定すると、遺伝子組み換えホタルは特定の獲物を正確に検出し、正常に獲物を見つけることができます。 この場合、Fireflyはリアルタイムの学習なしで対応するスキルを持つことができます。 同様に、ナビゲーション、ポジショニング、オブジェクト検出などのプリセット機能を備えたモジュールがプリインストールされているか、パラメータがオフラインで最適化されている限り、自動運転車は外出先で運転できるはずです。
今日、主流の人工知能は、オフライン最適化から高速で信頼性の高いリアルタイム学習に切り替える方法について、まだ説得力のある答えを出していません。 しかし、これは知性の性質の問題であるだけでなく、人工知能の本来の意図でもあります。 荒野に住む動物のように、人工知能（AGI）は、実行時に予期しない状況に対処できます。 高速で信頼性の高い適応性は、新世代のロボットやパーソナルアシスタントの実用的な開発を促進するだけでなく、& quot;コアパズル& quot;と見なす必要があります。 知性の理論の。