最后关于「通用AI（general AI）」（译者注：通用AI指具有对普遍问题的认知、解决能力的AI）。正如之前所提到的，Hassabis 更强调所谓的价值或策略网络的通用性，而不是深蓝（Deep Blue）的局限设计。然而事实更复杂，不能简单地一分为二（要记得，AlphaGo 为蒙特卡洛树搜索使用了某些手工开发的功能），仍然是以上所说的深度加强学习的通用性。自DeepMind 2013年发表关于Atari的重要论文以来，深度强化学习已经被广泛应用于现实世界机器人和人机对话中以完成各类任务。考虑到在算法略微甚至无手工调试的情况下，深度强化学习已经在很多领域有了成功应用，有理由认为这些技术已经十分通用。然而，本港台直播们这里所讨论的所有案例，目前所取得的进步大部分局限于展示建立狭窄系统所需的通用方法，而不是建立通用系统所需的通用方法。前者的取得的进展并不是后者取得实质性进展的必要条件。而后者要求将机器学习迁移到至其它重要领域，也许尤其是经济或安全相关的领域，而不是局限在Atari或AlphaGo这块。这表明严格的AI建模发展中一个重要的因素可能是确定人工智能操作系统中不同等级的通用性（而不是产生它们的通用方法，尽管这点也很重要）。这也是本港台直播感兴趣的地方，未来可能会在该领域入更多，本港台直播很好奇人们对于上述问题会怎么想。

　　机器之心，最专业的前沿科技媒体和产业服务平台，每日提供优质资讯与深度思考，欢迎关注微信公众号「机器之心」（almosthuman2014），或登录机器之心网站查看更多精彩内容。